Prometheus 監控入門:採集、指標與儲存如何運作
理解 Prometheus 抓取、指標類型、Pushgateway、Graphite 與 StatsD 的關係,以及保留期與高可用的實際限制。
Prometheus 是一套以時間序列為核心的開源監控與告警系統:定期採集數值、保存歷史,再用 PromQL 查詢。它於 2018 年成為 CNCF 畢業專案,也廣泛用於 Kubernetes 環境。
API 變慢時,請求數、錯誤和延遲分佈能幫助判斷變化從何時開始、影響哪些執行個體。不過,讀懂圖表之前,得先知道數值怎麼進來。抓取失敗、程序重啟造成 Counter 歸零,以及缺少一條請求日誌,是不同的問題。
定期抓取的工作方式
應用程式或 exporter 透過 HTTP 端點公開指標,常見路徑是 /metrics。Prometheus 按設定的週期抓取,例如每 15 秒一次。文字回應可以是:
# 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
指標名稱與完整標籤集合共同識別一條時間序列,每個樣本都有數值和時間戳記。回應未明確提供時間戳記時,通常使用抓取時間。method 或 status 改變,就會形成另一條序列,因此查詢可以按標籤分開看成功與錯誤,不必替每種組合另取指標名稱。資料模型 · 公開格式
Prometheus 知道設定中的目標應該在哪裡。自動產生的 up 等於 0,代表這次抓取失敗;原因可能是程序停止、網路、認證或指標回應格式,不能直接判定主機停機。Pull 協定不要求目標記住 Prometheus 的抓取進度,但應用程式裡的指標仍有狀態。程序重啟可能重設 Counter,後續抓取成功,也不會把未觀測到的資料全部補回。工作與執行個體
什麼時候適合 Pushgateway
服務層級的批次工作,可能在 Prometheus 抓取前就已結束。這類工作可以把執行結果送到 Pushgateway,再由 Prometheus 稍後抓取。這是有限定範圍的用法,不是所有短命程序或 Serverless 函式的通用接法。
Pushgateway 會保留已推送的序列,直到主動刪除。抓取它所得的 up,反映的是閘道的抓取狀態,無法證明原工作仍在執行。因此,工作如何命名、舊序列何時刪除,也要一起設計。屬於特定主機的批次工作,則可以考慮 Node Exporter 的 textfile collector 等其他方式。Pushgateway 的適用範圍
先看指標類型,再寫查詢
| 類型 | 表達的意義 | 常見用途 |
|---|---|---|
| Counter | 持續累加,可在程序重啟等情況下重設 | 已處理請求數、錯誤數 |
| Gauge | 可增加或減少的目前數值 | 記憶體用量、溫度、佇列長度 |
| Histogram | 以傳統分桶或原生直方圖樣本記錄分佈 | 在查詢時估算延遲百分位數 |
| Summary | 觀測值總和、次數,以及選擇性在用戶端計算的分位數 | 理解聚合限制後使用的執行個體分位數 |
Counter 的目前值不是每秒請求數。PromQL 的 rate() 會在估算區間增長率時,處理已觀測到的重設。Summary 預先計算的分位數,不能跨執行個體取平均後當作全服務的分位數;但 _sum 與 _count 仍可依其意義聚合,例如計算平均耗時。Histogram 的分位數也是估計值,表示方式與解析度會影響精度。指標類型 · Histogram 與 Summary · 查詢函式
周邊元件各自處理什麼
exporter 讓原本不會公開 Prometheus 格式的系統,也能提供指標。Node Exporter 處理 Linux 主機指標,mysqld_exporter 採集 MySQL 指標,blackbox_exporter 則從外部探測端點。服務探索會從 Kubernetes、Consul 或雲端 API 取得動態目標,減少執行個體增減時維護固定清單的工作。
PromQL 負責篩選和聚合時序資料。Prometheus 評估告警規則,Alertmanager 則處理收到的告警,包括分組、去重、通知路由與靜默。Grafana 常用來呈現儀表板;在這個組合裡,指標後端仍是 Prometheus。
Graphite 與 StatsD 處在不同位置。Graphite 著重時序資料的接收、保存與查詢,傳統命名方式把維度寫進點分路徑,1.1 系列起也支援帶標籤的序列。Prometheus 用指標名稱與標籤集合識別序列,並提供主動抓取與告警規則評估。因此,比較 Graphite 和 Prometheus 時,要看資料模型與運作流程,不能只看推送或拉取。Graphite 標籤 · Prometheus 與 Graphite
StatsD 是應用指標上報與聚合鏈路中的元件,不是與 Prometheus 整套系統一一對應的產品。已有 StatsD 埋點時,可以透過 statsd_exporter 的映射規則轉成 Prometheus 指標。計時器、Counter、標籤和聚合區間的意義仍要核對,資料開始送達,不代表既有儀表板與告警也已完成遷移。StatsD Exporter
Prometheus 適合的監控工作
Prometheus 適合基礎設施與應用指標,尤其是目標經常變動的環境。Kubernetes 服務探索與 exporter 提供採集途徑,標籤和 PromQL 則讓工程師跨執行個體調查,不必逐台主機找資料。
每台 Prometheus 都能獨立運作並使用本地儲存。當其他可觀測平台故障時,只要 Prometheus 本身、採集目標和網路仍然可用,就能繼續抓取並查詢既有資料。外部依賴較少,不等於完全不受其他故障影響。
保存、可用性與精確度要分開決定
本地 TSDB 不是最多只能保存 15 天。未設定時間與容量保留選項時,預設才是 15 天;具備相應資源規劃,可以延長保留期。若兩種上限都設定,則先觸發的條件會讓舊資料被移除。也可以選擇獨立後端:Mimir 可接收 remote write,Thanos Sidecar 則可把 Prometheus 的 TSDB block 上傳至物件儲存,兩者不是同一條資料路徑。儲存機制 · Thanos Sidecar · 傳送至 Mimir
如果希望保留既有 Prometheus 採集流程,觀測雲 DataKit 的 Remote Write 輸入也是一種接收途徑。團隊可以繼續使用 Prometheus 抓取,再設定與維護接收端。先核對指標名稱、標籤映射、時間戳記及支援的指標表示方式,再依需要設定保留期、查詢、儀表板與告警。觀測雲 Remote Write 接入
本地 TSDB 不是分散式複寫資料庫,但可以平行執行獨立的 Prometheus 副本,讓採集具備冗餘;Alertmanager 也支援通知處理所需的高可用叢集。要做統一查詢、副本去重或分散式儲存,還要設計額外的架構,常見元件包括 Thanos、Cortex、Mimir。Alertmanager 高可用 · Thanos Query
Prometheus 保存的是指標,完整日誌與 Trace 調查需要其他資料後端。定期抓取的統計,也不適合作為逐條請求計費或精確稽核的唯一記錄;抓取缺口與 Counter 重設,都可能讓證據不完整。用途與精確度邊界
導入前常見的三個問題
Prometheus 和 Zabbix 怎麼選? Kubernetes 與 exporter 為主的指標流程,適合把 Prometheus 列為候選;已有主機與網路設備監控,則應把 Zabbix 的採集方式、範本與實際目標一起比較。現有覆蓋範圍、告警負責人與維運流程,都會影響選擇,兩者也能並行使用。
可以監控 Windows 嗎? 可以,windows_exporter(原 wmi_exporter)提供 Windows 系統和支援應用的指標。實際範圍取決於啟用的 collector、權限與作業系統版本;不能用 Linux Node Exporter 的指標數量,直接判斷 Windows 工作負載是否已受到充分監控。Windows Exporter
一台伺服器能處理多大規模? 沒有適用所有環境的固定上限。活躍序列數、序列更替速度、抓取週期、樣本攝入率、查詢並行數、規則與磁碟效能都會影響容量。以實際負載量測 CPU、記憶體、儲存與抓取耗時,再決定資源和分片;「百萬條活躍序列」本身不是穩定性保證。
技術資料核驗於 2026 年 11 月 4 日。本文解釋公開文件的運作機制,未執行容量基準測試。
