Prometheus 微服务监控进阶：除了 CPU 内存，还能监控哪些业务指标？自定义指标全攻略
Prometheus 微服务监控进阶：除了 CPU 内存，还能监控哪些业务指标？自定义指标全攻略
最近在研究微服务架构的监控方案，发现 Prometheus 实在是个强大的工具。但如果只用它来监控 CPU、内存这些系统指标，感觉有点浪费。今天就来聊聊，在微服务架构下，Prometheus 还能监控哪些业务指标，以及如何自定义 Prometheus 监控指标，让你的监控体系更上一层楼。
Prometheus 的业务监控能力：远不止系统指标
Prometheus 的强大之处在于它的灵活性和可扩展性。它不仅可以监控系统层面的指标，还可以监控各种业务相关的指标。这些业务指标能帮助我们更深入地了解应用的运行状况，及时发现潜在问题。
以下是一些常见的 Prometheus 业务监控指标：
请求量和响应时间： 这是最基础也是最重要的指标。你可以监控每个接口的请求量、平均响应时间、最大响应时间、错误率等。这些指标能直接反映应用的性能和可用性。
示例： 监控 /api/users 接口的每分钟请求量、平均响应时间，如果响应时间超过 200ms，则发出告警。
错误率： 监控不同类型的错误（例如 500 错误、400 错误），可以帮助你快速定位问题。
示例： 监控 /api/orders 接口的 500 错误率，如果超过 5%，则发出告警。
队列长度： 如果你的应用使用了消息队列，监控队列长度可以帮助你了解消息堆积情况，及时扩容或优化消费者。
示例： 监控 Kafka order_queue 的队列长度，如果超过 10000，则发出告警。
缓存命中率： 如果你的应用使用了缓存，监控缓存命中率可以帮助你了解缓存的使用效率，优化缓存策略。
示例： 监控 Redis user_cache 的命中率，如果低于 80%，则需要考虑优化缓存策略。
用户行为： 监控用户的关键行为，例如登录、注册、下单等，可以帮助你了解用户的使用习惯，优化产品。
示例： 监控每天的注册用户数、下单用户数，可以了解产品的增长情况。
自定义业务指标： 任何与业务相关的指标都可以通过 Prometheus 进行监控。例如，你可以监控某个特定功能的调用次数、某个业务流程的完成时间等。
示例： 监控每天成功支付的订单金额，可以了解业务的营收情况。
如何自定义 Prometheus 监控指标：多种方案任你选
Prometheus 提供了多种方式来定义和暴露自定义指标：
直接暴露 HTTP 端点：
这是最常见的方式。你的应用需要提供一个 HTTP 端点（通常是 /metrics），Prometheus 会定期抓取该端点的数据。
你需要使用 Prometheus 客户端库（例如 Java 的 prometheus-client、Python 的 prometheus_client）来定义和更新指标。
示例（Java）：
import io.prometheus.client.Counter;
import io.prometheus.client.Gauge;
import io.prometheus.client.exporter.HTTPServer;
public class MetricsExample {
static final Counter requests = Counter.build()
.name("myapp_requests_total").help("Total requests.").register();
static final Gauge inprogressRequests = Gauge.build()
.name("myapp_requests_inprogress").help("Requests in progress.").register();
public static void main(String[] args) throws Exception {
new HTTPServer(1234);
while (true) {
inprogressRequests.inc();
requests.inc();
// Your application logic here
Thread.sleep(1000);
inprogressRequests.dec();
}
}
}
这个例子定义了一个 Counter 指标 myapp_requests_total 和一个 Gauge 指标 myapp_requests_inprogress，并暴露在 1234 端口。Prometheus 只需要配置抓取这个端口的数据即可。
使用 Prometheus Pushgateway：
Pushgateway 允许你的应用主动将指标推送到 Prometheus。这在某些场景下非常有用，例如：
短生命周期的任务： 这些任务可能在 Prometheus 抓取之前就结束了。
无法直接暴露 HTTP 端点的应用： 例如，某些批处理任务。
你的应用需要使用 Prometheus 客户端库将指标推送到 Pushgateway，Prometheus 再从 Pushgateway 抓取数据。
注意： Pushgateway 可能会引入单点故障，需要谨慎使用。
使用 Exporter：
Exporter 是一个独立的程序，用于从第三方系统（例如数据库、消息队列）收集指标，并将它们暴露给 Prometheus。
Prometheus 社区提供了大量的 Exporter，例如：
node_exporter： 监控 Linux 系统指标。
mysql_exporter： 监控 MySQL 数据库指标。
redis_exporter： 监控 Redis 数据库指标。
如果 Prometheus 社区没有提供你需要的 Exporter，你可以自己编写一个。
Prometheus 指标类型：选择合适的类型很重要
Prometheus 定义了四种主要的指标类型：
Counter： 用于表示单调递增的计数器。例如，请求总数、错误总数。
Gauge： 用于表示可以任意变化的指标。例如，CPU 使用率、内存使用率、队列长度。
Histogram： 用于统计数据的分布情况。例如，请求响应时间的分布、队列长度的分布。
Summary： 类似于 Histogram，但提供了更精确的分位数计算。
选择合适的指标类型非常重要。例如，如果你想监控请求总数，应该使用 Counter；如果你想监控 CPU 使用率，应该使用 Gauge。Histogram 和 Summary 则适用于需要统计数据分布情况的场景。
最佳实践：让你的 Prometheus 监控更有效
命名规范： 遵循 Prometheus 的命名规范，让你的指标更易于理解和维护。例如，使用 _total 后缀表示 Counter 指标，使用 _seconds 后缀表示时间相关的指标。
标签（Labels）： 使用标签可以为指标添加额外的维度。例如，你可以使用 method 标签来区分不同 HTTP 方法的请求量，使用 status_code 标签来区分不同状态码的请求量。
告警规则： 编写合理的告警规则，及时发现潜在问题。例如，当请求响应时间超过 200ms 时，发出告警；当错误率超过 5% 时，发出告警。
可视化： 使用 Grafana 等可视化工具，将 Prometheus 的数据可视化，可以更直观地了解应用的运行状况。
总结
Prometheus 不仅仅是一个系统监控工具，它还可以用于监控各种业务相关的指标。通过自定义 Prometheus 监控指标，你可以更深入地了解应用的运行状况，及时发现潜在问题，优化应用性能。希望这篇文章能帮助你更好地利用 Prometheus 监控你的微服务应用。
当然，Prometheus 的使用还有很多细节需要注意，例如如何优化查询性能、如何管理大量的指标等。但掌握了本文介绍的基础知识，你就可以开始构建自己的 Prometheus 监控体系了。祝你监控顺利！