Prometheus 监控入门指南
Prometheus 是云原生监控的事实标准。本文讲清它的拉取模型、指标格式、四种指标类型、服务发现、PromQL 与告警链路,以及它擅长和不擅长的场景。
Prometheus 是云原生时代监控系统的事实标准:开源、CNCF 毕业项目、K8s 生态原生支持。无论你是要搭建自研监控,还是理解现代可观测性体系的设计思想,Prometheus 都是必修课。
核心工作模型:拉取(Pull)
Prometheus 的工作方式是定期抓取:被监控的目标(应用、exporter)通过 HTTP 暴露一个 /metrics 端点,Prometheus 按配置周期(如 15s)去拉取。
/metrics 端点暴露的是人类可读的文本格式:
# HELP http_requests_total Total number of HTTP requests made.
# TYPE http_requests_total counter
http_requests_total{method="GET", status="200"} 1027
http_requests_total{method="POST", status="500"} 3
一条时间序列由**指标名称 + 完整标签集(labels)**标识,每个样本包含数值和时间戳;上例没有显式时间戳时,通常使用抓取时间。标签是多维度的关键——同一个 http_requests_total,按 method、status 等标签切分出不同的时间序列。
拉取 vs 推送
拉取模型的好处:Prometheus 知道配置中的目标"应该"在哪,up == 0 表示本次抓取失败,原因可能是进程、网络、认证或指标端点出错,不能直接等同于主机宕机。拉取协议不要求目标记住 Prometheus 的抓取进度,但应用里的 Counter 等状态可能在进程重启后重置,抓取中断也不会自动补回。
对无法直接抓取的服务级批处理任务,可通过 Pushgateway 暴露最后一次执行的结果,再由 Prometheus 抓取。它不是所有短命任务或 Serverless 函数的通用接入方式:网关会持续保留推送的序列,旧任务的数据需要主动删除,抓取网关的 up 也不能说明原任务仍在运行。
四种指标类型
| 类型 | 语义 | 典型用途 |
|---|---|---|
| Counter | 累计递增,进程重启等情况下可以重置 | 请求总数、错误总数 |
| Gauge | 可升可降的瞬时值 | 内存占用、队列长度、温度 |
| Histogram | 记录观测值的分布,支持经典分桶和原生直方图 | 请求延迟分布,在查询时估算 P99 |
| Summary | 可在客户端计算预设分位数,并输出总和与计数 | 分位数不能跨实例直接聚合;_sum、_count 可按语义聚合 |
组件生态
- Exporters:给不原生支持 Prometheus 的系统做适配——Node Exporter(主机)、MySQL Exporter、Blackbox Exporter(探测)等数百种;
- 服务发现:K8s、Consul、云厂商 API……目标动态出现/消失时自动更新抓取列表,这是 Prometheus 适应容器环境的关键;
- PromQL:强大的时序查询语言,聚合、速率、分位数计算都靠它;
- Alertmanager:告警分组、去重、路由、静默——Prometheus 评估规则产生告警,Alertmanager 负责怎么送达;
- Grafana:可视化的事实标准搭档。
Graphite 和 StatsD 常与 Prometheus 一起被提到,但处在不同位置。Graphite 负责接收、保存和查询时序数据,传统命名方式把维度放进点分路径,1.1 系列起也支持标签;Prometheus 把名称与标签集合作为时间序列的标识,并提供抓取、PromQL 和告警规则。Graphite 标签 · Prometheus 与 Graphite
StatsD 是应用指标上报和聚合链路中的组件,不是与 Prometheus 整个平台一一对应的产品。已有 StatsD 埋点时,可以通过 statsd_exporter 按映射规则转换并暴露 Prometheus 指标;计数器、计时器、标签和聚合窗口仍需核对,已有看板与规则不会自动随数据迁移。StatsD Exporter
Prometheus 擅长什么
- 云原生基础设施监控:适用于 K8s、容器和微服务的指标采集与告警,可利用 exporter 与服务发现接入;
- 动态环境:服务发现让实例伸缩不需要人工维护监控配置;
- 独立可靠:单体部署、本地存储,不依赖外部时序数据库;只要自身、目标与网络仍可用,即使其他平台故障,也能继续抓取和查询已有数据。
Prometheus 不擅长什么
- 财务级精确计数:它按周期抓取统计值,抓取缺口、Counter 重置等可能令数据不完整,不适合用作逐条请求计费或精确审计的唯一依据;
- 长期存储:未设置时间或容量保留参数时,本地 TSDB 默认保留 15 天,可通过配置和资源规划延长。需要独立后端时,Mimir 可接收 remote write;Thanos 也可通过 Sidecar 上传 TSDB block 到对象存储,这与 remote write 接入不是同一条链路;
- 日志与链路:它只管指标,日志和 Trace 要别的系统;
- 水平扩展与高可用:本地 TSDB 不是分布式复制数据库,但可以运行独立 Prometheus 副本;告警通知可由 Alertmanager 集群处理。需要统一查询、查询去重或分布式存储时,再引入 Thanos/Cortex/Mimir 等组件。
需要将已有时序数据交给外部后端时,可保留 Prometheus 抓取链路,再按观测云 Remote Write 接入配置接收端。先验证少量指标的名称、标签与时间,再按实际保留期和查询需求规划存储;接入数据之后,告警和仪表盘还需独立配置与验收。
常见问题(FAQ)
Q:Prometheus 和 Zabbix 怎么选?
A:云原生/容器/K8s 场景可优先比较 Prometheus 的采集与服务发现方式;传统主机和网络设备监控,可把 Zabbix 的现有模板与实际目标一起核对。选择取决于已有覆盖、告警负责人和运维流程,两者也可以按不同范围并行使用。
Q:Prometheus 能监控 Windows 吗?
A:能,用 windows_exporter(原 wmi_exporter)采集 Windows 系统和受支持应用的指标。实际范围取决于启用的 collector、权限和系统版本;不能用 Linux Node Exporter 的指标数量直接判断 Windows 监控是否够用。
Q:单机 Prometheus 能扛多大规模?
A:没有适用于所有部署的固定上限。活跃序列数、序列变化速度、抓取间隔、样本摄入率、查询并发、规则和磁盘性能都会影响容量。先按自己的指标与查询测量 CPU、内存、磁盘和抓取耗时,再决定资源和分片;不能把"百万级活跃序列"当作稳定性保证。
参考资料
技术资料核验于 2026 年 11 月 4 日;本文解释公开文档中的机制,未执行容量基准测试。