一个案例带你搞懂Prometheus指标类型（下）

这篇文章我们继续来分享Prometheus的四大指标类型，经过了上一篇文章的讲解，我们已经搭建好了项目，现在就开始配置Prometheus，让它能够从我们的项目运行过程中拉取监控数据。

⚙️ 配置示例

Prometheus配置 (prometheus.yml)

prometheus.yml是Prometheus的默认配置文件，如果想使用其他配置文件启动，则需要在启动命令中指定--config.file=xxx。

yaml 复制代码

global:
  scrape_interval: 15s     # 全局抓取间隔
  evaluation_interval: 15s # 规则评估间隔

scrape_configs:
  # 电商订单系统监控
  - job_name: 'ecommerce-order-system'
    static_configs:
      - targets: ['localhost:8080']
        labels:
          service: 'ecommerce'
          environment: 'production'
          team: 'backend'
    scrape_interval: 10s  # 业务系统需要更频繁的监控
    metrics_path: /metrics
    scrape_timeout: 5s
    metric_relabel_configs:
      - source_labels: [__name__]
        regex: 'ecommerce_.*'
        target_label: 'business'
        replacement: 'ecommerce'
      - source_labels: [status_code]
        target_label: 'http_status'

该配置定义了Prometheus对电商订单系统（localhost:8080/metrics）的高频监控任务（每10秒抓取一次）。所有指标自动添加service=ecommerce、environment=production和team=backend标签，并通过动态重标记实现关键增强：

1.为ecommerce_开头的指标添加business=ecommerce业务标签

2.将原始status_code标签重命名为更直观的http_status标签

便于后续按业务维度和HTTP状态进行精细化监控分析。

🚀 项目运行与测试

bash 复制代码

# 1. 启动电商订单系统
go run main.go

# 2. 启动Prometheus（需要先安装）
prometheus --config.file=prometheus.yml

# 3. 访问监控端点
curl http://localhost:8080/metrics

🔍 PromQL查询示例

我们在修改完配置文件后启动Prometheus，端口号默认为9090，打开后会是这个样子：

查询的话就直接在输入框输入相关的promQL进行查询。

1）Counter指标查询

promql 复制代码

# 📈 订单总量趋势
ecommerce_orders_total

# 📊 订单成功率
rate(ecommerce_orders_total{status="success"}[5m]) / rate(ecommerce_orders_total[5m]) * 100

# 🚀 每秒订单创建速率
rate(ecommerce_orders_total[1m])

# 💳 不同支付方式的订单分布
sum by (payment_method) (ecommerce_orders_total)

在Prometheus中查询：

切换成图表视图：

业务意义：

监控业务增长趋势
计算转化率和成功率
实时监控业务流量

2）Gauge指标查询

promql 复制代码

# 📦 当前库存状态
ecommerce_inventory_stock

# ⚠️ 库存不足的商品
ecommerce_inventory_stock < 20

# 📊 库存总价值（假设单价100元）
sum(ecommerce_inventory_stock) * 100

# 🔄 库存变化趋势
delta(ecommerce_inventory_stock[1h])

业务意义：

实时库存监控
补货预警
资产价值评估

3）Histogram指标查询

promql 复制代码

# ⏱️ API响应时间分位数
histogram_quantile(0.95, rate(ecommerce_api_duration_seconds_bucket[5m]))
histogram_quantile(0.99, rate(ecommerce_api_duration_seconds_bucket[5m]))

# 📊 不同接口的性能对比
histogram_quantile(0.95, rate(ecommerce_api_duration_seconds_bucket[5m])) by (endpoint)

# 🚨 慢请求比例（>1秒）
sum(rate(ecommerce_api_duration_seconds_bucket{le="1"}[5m])) / sum(rate(ecommerce_api_duration_seconds_count[5m])) * 100

# 📈 平均响应时间
rate(ecommerce_api_duration_seconds_sum[5m]) / rate(ecommerce_api_duration_seconds_count[5m])

业务意义：

SLA监控（99%请求<1秒）
性能优化指导
用户体验评估

4）Summary指标查询

promql 复制代码

# 💰 订单金额分位数
ecommerce_order_amount_yuan{quantile="0.5"}   # 中位数
ecommerce_order_amount_yuan{quantile="0.9"}   # 90分位数
ecommerce_order_amount_yuan{quantile="0.99"}  # 99分位数

# 👑 VIP用户vs普通用户订单金额对比
ecommerce_order_amount_yuan{quantile="0.9"} by (user_type)

# 📊 平均订单金额
rate(ecommerce_order_amount_yuan_sum[5m]) / rate(ecommerce_order_amount_yuan_count[5m])

# 🎯 大额订单监控（>5000元）
ecommerce_order_amount_yuan{quantile="0.95"} > 5000

业务意义：

用户价值分析
定价策略优化
风险控制

🎯 最佳实践

指标命名规范

go 复制代码

// ✅ 好的命名
ecommerce_orders_total          // 业务前缀 + 指标名 + 单位
ecommerce_inventory_stock       // 清晰的业务含义
ecommerce_api_duration_seconds  // 包含单位信息

// ❌ 不好的命名
orders                          // 太简单
total_orders_created_today      // 太具体
api_time                        // 缺少单位

标签使用技巧

go 复制代码

// ✅ 合理的标签基数
orderTotal.WithLabelValues("success", "alipay")  // 状态 × 支付方式 = 6种组合

// ❌ 高基数标签（会导致内存爆炸）
orderTotal.WithLabelValues(userID, orderID)     // 用户ID × 订单ID = 无限组合

指标选择指南

场景	推荐指标	原因
计数类（订单、错误）	Counter	累计值，支持rate()计算
状态类（库存、连接数）	Gauge	瞬时值，可增可减
性能类（延迟、大小）	Histogram	可聚合，支持分位数
业务类（金额、评分）	Summary	精确分位数

性能优化

go 复制代码

// ✅ 预先创建指标实例
var orderSuccessCounter = orderTotal.WithLabelValues("success", "alipay")

func processOrder() {
    // 直接使用，避免重复WithLabelValues调用
    orderSuccessCounter.Inc()
}

// ✅ 使用合理的Histogram桶
prometheus.HistogramOpts{
    Buckets: []float64{0.01, 0.05, 0.1, 0.5, 1, 2, 5}, // 根据业务调整
}

🎉 总结

通过这个电商订单系统案例，我们深入了解了Prometheus四大指标的特性和应用场景：

Counter，像里程表，记录累计值 🚗

Gauge - 像温度计，反映当前状态 🌡️

Histogram - 像成绩分布图，分析性能 📊

Summary - 像排行榜，精确分位数 🏆

记住这个口诀：Counter计数累加不回头，Gauge状态上下都自由。Histogram分桶看分布，Summary分位更精准。

选择指标的决策树：

css 复制代码

需要监控什么？
├── 计数类（订单、请求、错误）→ Counter
├── 状态类（库存、内存、连接）→ Gauge
├── 性能类（延迟、大小、时长）
│   ├── 需要聚合多实例？→ Histogram
│   └── 需要精确分位数？→ Summary
└── 业务类（金额、评分、满意度）→ Summary

现在你已经掌握了Prometheus四大指标的精髓，赶紧去给你的系统加上监控吧！记住，好的监控不是事后补救，而是未雨绸缪。 🌈