普罗米修斯监控实战：从原理到小型项目

K_i1342025-10-13 23:28

普罗米修斯监控技术详解：从原理到小型项目实践

在云原生与微服务架构普及的今天，"看不见的系统" 等于 "不可控的风险"。普罗米修斯（Prometheus）作为云原生领域的核心监控工具，凭借其灵活的指标采集、强大的查询能力与完善的告警机制，成为保障系统稳定运行的 "眼睛"。本文将从普罗米修斯的核心原理入手，结合一个小型 Web 项目的监控实践，带你掌握从 "搭建监控" 到 "用监控解决问题" 的全流程。

一、认识普罗米修斯：为什么它是云原生监控首选？

1. 普罗米修斯的核心定位

普罗米修斯是由 SoundCloud 开源的时序数据库监控系统，专注于 "指标采集、存储、查询与告警"，尤其适合监控容器化应用、微服务及云原生基础设施（如 Kubernetes）。它的设计理念是 "基于指标的主动拉取式监控"，区别于传统的 "被动推送式监控"（如 Zabbix），更契合云原生环境下 "服务动态扩缩容" 的特点。

2. 核心架构与组件

普罗米修斯的监控体系并非单一工具，而是由多个组件协同工作，以下是核心架构图：

各组件的核心作用：

  • Prometheus Server：核心组件，负责从被监控目标拉取指标、存储指标，并提供 PromQL 查询接口；
  • 被监控目标：需暴露/metrics接口（如 Spring Boot 应用集成 micrometer、Nginx 配置 ngx_http_stub_status_module），供 Prometheus 拉取数据；
  • Grafana：第三方可视化工具，支持通过 PromQL 查询普罗米修斯数据，生成仪表盘（如接口响应时间、CPU 使用率图表）；
  • Alertmanager：处理告警规则，支持告警分组、抑制与路由，将告警发送到指定渠道；
  • 服务发现：当被监控目标动态变化（如 K8s Pod 扩缩容）时，自动发现新目标并添加监控。

3. 普罗米修斯的核心优势

  • 轻量级易部署：单二进制文件部署，无需依赖复杂的外部组件（如数据库），适合中小团队快速上手；
  • 灵活的 PromQL：支持强大的查询语法，可实现 "按接口维度统计错误率""计算 95 分位响应时间" 等复杂分析；
  • 原生支持容器：与 Docker、Kubernetes 深度集成，可直接监控容器 CPU、内存、网络等资源指标；
  • 开源生态完善：拥有丰富的 Exporter（如 node_exporter 监控服务器、mysql_exporter 监控 MySQL），覆盖绝大多数常见场景。

二、小型项目监控实践：监控 Spring Boot Web 应用

接下来，我们以一个 "用户管理 Web 应用"（基于 Spring Boot 开发）为例，完整实现从 "配置监控" 到 "可视化与告警" 的全流程。项目需求如下：

  • 监控应用本身指标：接口响应时间、请求量、错误率；
  • 监控服务器资源：CPU 使用率、内存占用、磁盘空间；
  • 配置告警：当接口错误率 > 5% 或 CPU 使用率 > 80% 时，发送企业微信告警。

1. 环境准备

|---------------|----------|---------------------------|
| 工具 / 组件 | 版本 | 作用 |
| Spring Boot | 2.7.x | 开发 Web 应用 |
| Prometheus | 2.45.x | 采集与存储指标 |
| Grafana | 10.2.x | 可视化监控数据 |
| node_exporter | 1.6.x | 监控服务器资源（CPU / 内存等） |
| 企业微信 | - | 接收告警通知 |
| 服务器 | CentOS 7 | 部署应用、Prometheus 与 Grafana |

2. 步骤 1：开发并配置 Spring Boot 应用（被监控目标）

首先，开发一个简单的用户管理应用，集成micrometer-registry-prometheus依赖，暴露/metrics接口。

（1）添加依赖（pom.xml）
复制代码
复制代码 
<dependencies>

<!-- Spring Boot Web -->

<dependency>

<groupId>org.springframework.boot</groupId>

<artifactId>spring-boot-starter-web</artifactId>

</dependency>

<!-- 集成Prometheus指标 -->

<dependency>

<groupId>io.micrometer</groupId>

<artifactId>micrometer-registry-prometheus</artifactId>

</dependency>

<!-- Spring Boot Actuator（暴露/actuator端点） -->

<dependency>

<groupId>org.springframework.boot</groupId>

<artifactId>spring-boot-starter-actuator</artifactId>

</dependency>

</dependencies>
（2）配置 application.yml

开启/actuator/prometheus端点，供 Prometheus 拉取指标：

复制代码
复制代码 
spring:

application:

name: user-management-app # 应用名称，用于监控中区分目标

management:

endpoints:

web:

exposure:

include: prometheus,health # 暴露prometheus和health端点

metrics:

tags:

application: ${spring.application.name} # 为指标添加application标签，便于多应用区分

endpoint:

health:

show-details: always # 显示健康检查详情
（3）开发接口（模拟业务场景）

编写用户查询、新增接口，模拟正常请求与异常场景（如参数错误）：

复制代码
复制代码 
import org.springframework.web.bind.annotation.*;

@RestController

@RequestMapping("/api/users")

public class UserController {

// 正常接口：查询用户

@GetMapping("/{id}")

public String getUser(@PathVariable Integer id) {

if (id <= 0) {

throw new IllegalArgumentException("用户ID不能为负数"); // 模拟异常

}

return "用户ID：" + id + "，姓名：张三";

}

// 正常接口：新增用户

@PostMapping

public String addUser(@RequestParam String name) {

if (name == null || name.isEmpty()) {

throw new IllegalArgumentException("用户名不能为空"); // 模拟异常

}

return "新增用户成功：" + name;

}

}
（4）启动应用并验证

启动 Spring Boot 应用后，访问 http://{应用IP}:8080/actuator/prometheus，可看到 Prometheus 格式的指标数据，例如：

  • http_server_requests_seconds_count：接口请求次数（按接口、状态码分组）；
  • http_server_requests_seconds_sum：接口请求总耗时；
  • jvm_memory_used_bytes：JVM 内存使用量。

3. 步骤 2：部署 node_exporter（监控服务器资源）

node_exporter 是普罗米修斯官方提供的 "服务器资源监控 Exporter"，可采集 CPU、内存、磁盘、网络等指标。

（1）下载并解压 node_exporter
复制代码
复制代码 
# 下载（根据系统选择版本，这里以Linux-amd64为例）

wget https://github.com/prometheus/node_exporter/releases/download/v1.6.1/node_exporter-1.6.1.linux-amd64.tar.gz

# 解压

tar -zxvf node_exporter-1.6.1.linux-amd64.tar.gz

cd node_exporter-1.6.1.linux-amd64
（2）启动 node_exporter
复制代码
复制代码 
# 后台启动，默认暴露9100端口（/metrics接口）

nohup ./node_exporter &
（3）验证

访问 http://{服务器IP}:9100/metrics，可看到服务器资源指标，例如：

  • node_cpu_seconds_total：CPU 使用时间（按核心、状态分组，如 idle、user）；
  • node_memory_used_bytes：内存使用量；
  • node_filesystem_used_bytes：磁盘使用量。

4. 步骤 3：部署并配置 Prometheus Server

（1）下载并解压 Prometheus
复制代码
复制代码 
# 下载（Linux-amd64版本）

wget https://github.com/prometheus/prometheus/releases/download/v2.45.0/prometheus-2.45.0.linux-amd64.tar.gz

# 解压

tar -zxvf prometheus-2.45.0.linux-amd64.tar.gz

cd prometheus-2.45.0.linux-amd64
（2）修改配置文件（prometheus.yml）

配置 "监控目标"（Spring Boot 应用与 node_exporter），并设置拉取间隔（默认 15s）：

复制代码
复制代码 
global:

scrape_interval: 15s # 全局拉取间隔

evaluation_interval: 15s # 告警规则评估间隔

rule_files:

# - "first_rules.yml"

# - "second_rules.yml"

scrape_configs:

# 监控Spring Boot应用（自定义任务名）

- job_name: "spring-boot-app"

static_configs:

- targets: ["{应用IP}:8080"] # 应用的/actuator/prometheus端点（默认8080端口）

labels:

app: "user-management" # 自定义标签，便于筛选

# 监控服务器资源（node_exporter）

- job_name: "linux-server"

static_configs:

- targets: ["{服务器IP}:9100"] # node_exporter的/metrics端点（默认9100端口）

labels:

server: "centos-7" # 自定义标签
（3）启动 Prometheus
复制代码
复制代码 
# 后台启动，默认暴露9090端口

nohup ./prometheus --config.file=prometheus.yml &
（4）验证 Prometheus
  1. 访问 http://{服务器IP}:9090，进入 Prometheus Web 界面；
  1. 点击顶部 "Status"→"Targets"，可看到两个监控目标的状态为 "UP"（表示正常拉取指标）；
  1. 在顶部查询框输入 PromQL 查询指标，例如：
    • 查询 Spring Boot 应用的/api/users/{id}接口请求次数：http_server_requests_seconds_count{endpoint="/api/users/{id}"}；
    • 查询服务器 CPU 使用率（user 态）：sum(rate(node_cpu_seconds_total{mode="user"}[5m])) / sum(rate(node_cpu_seconds_total[5m])) * 100。

5. 步骤 4：部署 Grafana（可视化监控数据）

Grafana 支持通过 PromQL 查询普罗米修斯数据，并生成直观的仪表盘，社区提供大量现成的 "仪表盘模板"（如 Spring Boot 应用模板、服务器监控模板），无需从零开始配置。

（1）安装 Grafana
复制代码
复制代码 
# 安装依赖

sudo yum install -y fontconfig

# 下载Grafana RPM包

wget https://dl.grafana.com/oss/release/grafana-10.2.2-1.x86_64.rpm

# 安装

sudo rpm -ivh grafana-10.2.2-1.x86_64.rpm

# 启动Grafana并设置开机自启

sudo systemctl start grafana-server

sudo systemctl enable grafana-server
（2）配置 Grafana 数据源（关联 Prometheus）
  1. 访问 http://{服务器IP}:3000（Grafana 默认端口），初始账号 / 密码为admin/admin，首次登录需修改密码；
  1. 点击左侧 "Configuration"→"Data Sources"→"Add data source"，选择 "Prometheus"；
  1. 在 "HTTP"→"URL" 中输入 Prometheus 地址（http://{服务器IP}:9090），点击 "Save & test"，显示 "Data source is working" 表示配置成功。
（3）导入现成仪表盘模板

Grafana 社区提供大量模板，我们直接导入适合的模板：

  1. Spring Boot 应用监控：
    • 点击左侧 "Dashboards"→"Import"，输入模板 ID "12856"（社区热门 Spring Boot 模板，支持 JVM、接口指标）；
    • 选择已配置的 Prometheus 数据源，点击 "Import"，即可看到应用的 JVM 内存、接口响应时间、请求量等图表。
  1. 服务器资源监控：
    • 再次导入模板，输入模板 ID "1860"（社区热门 Node Exporter 模板，支持 CPU、内存、磁盘）；
    • 选择数据源后导入，可看到服务器的 CPU 使用率趋势、内存占用、磁盘剩余空间等图表。

6. 步骤 5：配置告警（Alertmanager + 企业微信）

当指标超过阈值时（如接口错误率 > 5%），需通过 Alertmanager 发送告警到企业微信。

（1）配置 Prometheus 告警规则

在 Prometheus 目录下新建alert_rules.yml文件，定义告警规则：

复制代码
复制代码 
groups:

- name: 应用告警规则

rules:

# 规则1：接口错误率>5%（5分钟内）

- alert: 接口错误率过高

expr: sum(rate(http_server_requests_seconds_count{status=~"5..|4.."}[5m])) / sum(rate(http_server_requests_seconds_count[5m])) * 100 > 5

for: 1m # 持续1分钟超过阈值才触发告警

labels:

severity: critical # 告警级别（critical/warning/info）

annotations:

summary: "应用接口错误率过高"

description: "应用{{ $labels.application }}的接口错误率在5分钟内达到{{ $value | humanizePercentage }}，超过5%阈值"

- name: 服务器告警规则

rules:

# 规则2：CPU使用率>80%（5分钟内）

- alert: 服务器CPU使用率过高

expr: sum(rate(node_cpu_seconds_total{mode="user"}[5m])) / sum(rate(node_cpu_seconds_total[5m])) * 100 > 80

for: 2m # 持续2分钟超过阈值

labels:

severity: warning

annotations:

summary: "服务器CPU使用率过高"

description: "服务器{{ $labels.server }}的CPU使用率在5分钟内达到{{ $value | humanizePercentage }}，超过80%阈值"

在prometheus.yml中引用告警规则文件：

复制代码
复制代码 
rule_files:

- "alert_rules.yml" # 添加这行
（2）部署并配置 Alertmanager
  1. 下载并解压 Alertmanager：
复制代码
复制代码 
wget https://github.com/prometheus/alertmanager/releases/download/v0.26.0/alertmanager-0.26.0.linux-amd64.tar.gz

tar -zxvf alertmanager-0.26.0.linux-amd64.tar.gz

cd alertmanager-0.26.0.linux-amd64
  1. 修改 Alertmanager 配置文件（alertmanager.yml）：

需先在企业微信 "应用管理" 中创建 "监控告警应用"，获取corpid（企业 ID）、agentid（应用 ID）、secret（应用密钥）：

复制代码
复制代码 
global:

resolve_timeout: 5m # 告警解决后，5分钟内不再发送恢复通知

route:

group_by: ['alertname'] # 按告警名称分组

group_wait: 10s # 同组告警等待10秒，一起发送

group_interval: 10s # 同组告警间隔10秒发送

repeat_interval: 1h # 同一告警重复发送间隔1小时

receiver: 'wechat' # 默认接收者

receivers:

- name: 'wechat'

wechat_configs:

- corp_id: '你的企业微信corpid'

to_user: '@all' # 发送给所有成员（也可指定用户ID）

agent_id: '你的应用agentid'

api_secret: '你的应用secret'

send_resolved: true # 发送告警恢复通知

inhibit_rules:

- source_match:

severity: 'critical'

target_match:

severity: 'warning'

equal: ['alertname', 'dev', 'instance']
  1. 启动 Alertmanager：
复制代码
复制代码 
nohup ./alertmanager --config.file=alertmanager.yml &
  1. 关联 Prometheus 与 Alertmanager：

在prometheus.yml中添加 Alertmanager 地址：

复制代码
复制代码 
alerting:

alertman</doubaocanvas>
相关推荐
是垚不是土6 天前
Prometheus接入“飞书“实现自动化告警
运维·安全·自动化·github·飞书·prometheus
朱包林7 天前
Prometheus监控K8S集群-ExternalName-endpoints-ElasticStack采集K8S集群日志实战
运维·云原生·容器·kubernetes·prometheus
3分云计算8 天前
Prometheus 05-01: 告警规则与Alertmanager配置
prometheus
散一世繁华，颠半世琉璃11 天前
Prometheus+Grafana轻松实现SpringBoot应用监控
spring boot·grafana·prometheus
Achou.Wang11 天前
kube-prometheus监控服务发现
服务发现·prometheus
LoneEon13 天前
Ubuntu 系统安装 Prometheus+Grafana（附shell脚本一键部署↓）
ubuntu·grafana·prometheus
文人sec15 天前
性能测试-jmeter15-性能项目计划流
分布式·jmeter·性能优化·grafana·prometheus·模块测试
Knight_AL15 天前
Spring Cloud Gateway 实战：全局过滤器日志统计与 Prometheus + Grafana 接口耗时监控
spring boot·spring cloud·grafana·prometheus
热门推荐
01BongoCat - 跨平台键盘猫动画工具02两千字总结：Codex 国内如何安装和使用的教程，以及如何设置中文回答03GitHub 镜像站点04智能库存管理的需求预测模型：从业务痛点到落地代码的完整实践052025羊城杯网络安全大赛 wp06UV安装并设置国内源07Linux下V2Ray安装配置指南08Cursor Plan Mode：AI 终于知道先想后做了09Spring Boot 实现微信登录，So Easy !1046个Nano-banana 精选提示词，持续更新中