Prometheus 完全指南 / 01 - Prometheus 简介

01 - Prometheus 简介

1.1 历史背景

Prometheus 最初由 SoundCloud 的前 Google 工程师于 2012 年开发，灵感来源于 Google 内部的监控系统 Borgmon。其名称取自希腊神话中的普罗米修斯——为人类带来火种的泰坦神。

发展时间线

为什么选择 Prometheus？

与传统监控系统（Zabbix、Nagios）相比，Prometheus 具有以下核心优势：

• 多维数据模型：基于时间序列（time series）和键值对标签（labels）
• 强大的查询语言：PromQL 支持灵活的数据聚合与分析
• 不依赖分布式存储：单节点自治，本地存储高效可靠
• 基于 HTTP 的 Pull 模型：松耦合，易于集成
• 丰富的生态：大量官方和社区 Exporter

1.2 Pull 模型 vs Push 模型

这是 Prometheus 与传统监控系统最核心的区别之一。

Pull 模型（拉取模式）

┌──────────────┐       HTTP GET /metrics       ┌──────────────┐
│  Prometheus  │ ─────────────────────────────► │  Target A    │
│   Server     │ ◄───────────────────────────── │  (App/Node)  │
│              │       返回指标数据              │              │
│              │                                └──────────────┘
│              │       HTTP GET /metrics       ┌──────────────┐
│              │ ─────────────────────────────► │  Target B    │
│              │ ◄───────────────────────────── │  (App/Node)  │
└──────────────┘       返回指标数据              └──────────────┘

工作方式：Prometheus Server 主动向目标（Target）发起 HTTP 请求，拉取 /metrics 端点的数据。

优势：

• 集中管理：所有抓取目标在 Server 端统一配置
• 健康检测：抓取失败即表示目标不可用，天然具备健康检查
• 无需服务发现客户端：Target 不需要知道 Prometheus 的地址
• 易于调试：可以直接用 curl 访问 /metrics 查看原始数据

Push 模型（推送模式）

┌──────────────┐    POST /metrics/write     ┌──────────────┐
│  App A       │ ──────────────────────────► │  监控系统     │
└──────────────┘                             │  Server      │
┌──────────────┐    POST /metrics/write     │              │
│  App B       │ ──────────────────────────► │              │
└──────────────┘                             └──────────────┘

工作方式：应用程序主动将指标数据推送到监控系统。

适用场景：

• 短生命周期任务（如 CronJob、批处理）
• 无法暴露 HTTP 端口的服务
• 防火墙限制，Prometheus 无法直接访问目标

对比总结

注意：Prometheus 主要使用 Pull 模型，但通过 Pushgateway 也支持 Push 模式，用于短期任务的监控。详见 第 12 章 Pushgateway。

1.3 核心概念

在深入学习之前，理解以下核心概念非常重要。

时间序列（Time Series）

Prometheus 存储的所有数据都是时间序列。每个时间序列由 指标名称 和一组 标签 唯一标识。

http_requests_total{method="GET", handler="/api/users", status="200"}
│                    │                                              │
│                    └── 标签（Labels）键值对                       │
└── 指标名称（Metric Name）

指标（Metrics）

指标是被监控系统的可量化属性。例如：

作业与实例（Job and Instance）

# 一个 scrape_config 示例
scrape_configs:
  - job_name: 'my-service'       # 作业名称
    static_configs:
      - targets: ['host1:8080']  # 实例 1
      - targets: ['host2:8080']  # 实例 2

• Job：一组相同功能的实例集合（如 “my-service”）
• Instance：Job 中的单个目标（如 “host1:8080”）

Prometheus 会自动为每个时间序列添加以下标签：

1.4 适用场景

✅ 非常适合的场景

⚠️ 不太适合的场景

业务场景：电商系统监控

                   ┌─────────────────────────────────────────┐
                   │            Prometheus 监控体系            │
                   ├─────────────────────────────────────────┤
                   │                                         │
   ┌──────────┐    │   ┌──────────┐    ┌──────────────────┐ │
   │ 用户请求  │────┼──►│ API 网关  │───►│ 订单服务 (微服务) │ │
   └──────────┘    │   └──────────┘    └──────────────────┘ │
                   │         │                   │           │
                   │         ▼                   ▼           │
                   │   ┌──────────┐    ┌──────────────────┐ │
                   │   │ 请求速率  │    │ 订单创建数量      │ │
                   │   │ 响应延迟  │    │ 支付成功率        │ │
                   │   │ 错误率   │    │ 库存扣减延迟      │ │
                   │   └──────────┘    └──────────────────┘ │
                   │         ▲                   ▲           │
                   │         │                   │           │
                   │   [RED 方法]         [业务指标]         │
                   └─────────────────────────────────────────┘

RED 方法（适用于微服务）：

• Rate：请求速率
• Error：错误率
• Duration：请求延迟

USE 方法（适用于基础设施）：

• Utilization：资源使用率
• Saturation：资源饱和度
• Error：错误数量

1.5 Prometheus 生态全景

┌─────────────────────────────────────────────────────────────┐
│                    Prometheus 生态系统                        │
├─────────────┬───────────────┬──────────────┬────────────────┤
│  数据采集    │  数据存储      │  数据查询     │  数据展示       │
│             │               │              │                │
│ Exporter    │ 本地 TSDB     │ PromQL       │ Grafana        │
│ Pushgateway │ Thanos        │              │ Console        │
│ OTel Agent  │ Cortex        │              │ PromLens       │
│             │ Mimir         │              │                │
├─────────────┼───────────────┼──────────────┼────────────────┤
│  服务发现    │  告警管理      │  联邦与扩展   │  客户端库       │
│             │               │              │                │
│ K8s         │ Alertmanager  │ Federation   │ Go/Python/Java │
│ Consul      │ PagerDuty     │ Remote Write │ Ruby/Node/Rust │
│ DNS/Eureka  │ Slack/Email   │ Remote Read  │                │
└─────────────┴───────────────┴──────────────┴────────────────┘

1.6 与其他监控系统对比

1.7 第一个 Prometheus 指标

在深入后续章节之前，先来体验一下 Prometheus 的工作方式。

安装一个简单的应用

// main.go - 简单的 Go 应用，暴露 Prometheus 指标
package main

import (
    "net/http"
    "github.com/prometheus/client_golang/prometheus"
    "github.com/prometheus/client_golang/prometheus/promhttp"
)

var httpRequests = prometheus.NewCounterVec(
    prometheus.CounterOpts{
        Name: "myapp_http_requests_total",
        Help: "Total number of HTTP requests",
    },
    []string{"method", "path"},
)

func init() {
    prometheus.MustRegister(httpRequests)
}

func main() {
    http.HandleFunc("/", func(w http.ResponseWriter, r *http.Request) {
        httpRequests.WithLabelValues(r.URL.Path, r.Method).Inc()
        w.Write([]byte("Hello, Prometheus!"))
    })
    http.Handle("/metrics", promhttp.Handler())
    http.ListenAndServe(":8080", nil)
}

使用 curl 查看指标

# 启动应用后，访问 /metrics 端点
curl http://localhost:8080/metrics

# 输出示例：
# HELP myapp_http_requests_total Total number of HTTP requests
# TYPE myapp_http_requests_total counter
myapp_http_requests_total{method="GET",path="/"} 5
myapp_http_requests_total{method="GET",path="/metrics"} 3

1.8 本章小结

扩展阅读

• Prometheus 官方文档 - 概述
• Prometheus: Up & Running (O’Reilly)
• Google SRE Book - Monitoring Distributed Systems
• Brendan Gregg - USE Method
• Tom Wilkie - RED Method

下一章：02 - 安装与部署