前端性能指标接入 Prometheus 技术方案

目标：以最小指标集将 Web Vitals 数据采集、上报、存储、并在 Prometheus + Grafana 中实现"可见即所得"的展示，不扩散冗余指标。

---

一、整体架构

浏览器
  └─ web-vitals SDK
       └─ Navigator.sendBeacon / fetch
            └─ [POST /metrics/vitals]
                 └─ Node.js / Go 上报服务
                      ├─ 聚合 → prom-client（Histogram / Counter / Gauge）
                      └─ /metrics（Prometheus scrape endpoint）
                           └─ Prometheus → Grafana Dashboard

---

二、前端采集（web-vitals SDK）

2.1 只采集核心 Web Vitals

指标	含义	类型建议
LCP	最大内容绘制	Histogram（分位数）
FID / INP	首次输入延迟 / 交互响应	Histogram
CLS	累计布局偏移	Histogram
FCP	首次内容绘制	Histogram
TTFB	首字节时间	Histogram

不采集：自定义埋点、资源加载明细、长任务列表等------避免指标爆炸。

2.2 采集代码示例

// vitals-reporter.ts
import { onLCP, onFID, onCLS, onFCP, onTTFB, onINP } from 'web-vitals';

interface VitalPayload {
  name: string;   // 'LCP' | 'FID' | 'CLS' | 'FCP' | 'TTFB' | 'INP'
  value: number;  // 原始值（ms 或 score）
  rating: string; // 'good' | 'needs-improvement' | 'poor'
  page: string;   // location.pathname（不带查询参数）
}

const ENDPOINT = '/metrics/vitals';

function report(payload: VitalPayload) {
  const body = JSON.stringify(payload);
  // 优先 sendBeacon（页面卸载时不丢失）
  if (navigator.sendBeacon) {
    navigator.sendBeacon(ENDPOINT, new Blob([body], { type: 'application/json' }));
  } else {
    fetch(ENDPOINT, { method: 'POST', body, keepalive: true,
      headers: { 'Content-Type': 'application/json' } });
  }
}

function buildPayload(metric: any): VitalPayload {
  return {
    name: metric.name,
    value: metric.value,
    rating: metric.rating,
    page: location.pathname,
  };
}

onLCP(m => report(buildPayload(m)));
onFID(m => report(buildPayload(m)));
onINP(m => report(buildPayload(m)));
onCLS(m => report(buildPayload(m)));
onFCP(m => report(buildPayload(m)));
onTTFB(m => report(buildPayload(m)));

关键原则：

• page 只传 pathname，不传完整 URL，防止高基数标签炸掉 Prometheus。
• 每个指标只上报最终值（web-vitals 默认行为），不上报中间值。
• 不附加用户 ID、Session ID 等高基数维度。

---

三、后端处理（Node.js + prom-client）

3.1 指标定义（仅 6 个 Histogram + 1 个 Counter）

// metrics.ts
import client from 'prom-client';

const register = new client.Registry();
client.collectDefaultMetrics({ register }); // 可选：CPU/内存等默认指标

// --- Histogram：用于分位数 p50 / p75 / p90 / p95 / p99 ---
// Bucket 设计原则：覆盖 Good / NI / Poor 阈值的边界点
const TIMING_BUCKETS = [100, 200, 300, 500, 800, 1000, 1500, 2000, 3000, 4000, 5000, 8000, 10000];
const CLS_BUCKETS    = [0.05, 0.1, 0.15, 0.2, 0.25, 0.3, 0.4, 0.5, 1.0];

export const vitalsHistogram = new client.Histogram({
  name: 'web_vitals_duration_ms',
  help: 'Web Vitals timing metrics (LCP/FID/INP/FCP/TTFB in ms; CLS * 1000)',
  labelNames: ['metric', 'page', 'rating'] as const,
  buckets: TIMING_BUCKETS,
  registers: [register],
});

export const clsHistogram = new client.Histogram({
  name: 'web_vitals_cls_score',
  help: 'Cumulative Layout Shift score',
  labelNames: ['page', 'rating'] as const,
  buckets: CLS_BUCKETS,
  registers: [register],
});

// Counter：统计各评级的页面加载次数（Good / NI / Poor）
export const vitalsRatingCounter = new client.Counter({
  name: 'web_vitals_rating_total',
  help: 'Count of Web Vitals reports by metric and rating',
  labelNames: ['metric', 'page', 'rating'] as const,
  registers: [register],
});

export { register };

为什么用 Histogram 而非 Summary？ Histogram 在 Prometheus 服务端聚合分位数（histogram_quantile），可跨实例合并；Summary 在客户端计算，无法合并多实例数据。

3.2 上报接口

// server.ts
import express from 'express';
import { vitalsHistogram, clsHistogram, vitalsRatingCounter, register } from './metrics';

const app = express();
app.use(express.json({ limit: '10kb' }));

const PAGE_ALLOWLIST = /^/[a-zA-Z0-9-_/]{0,100}$/; // 白名单，防注入

app.post('/metrics/vitals', (req, res) => {
  const { name, value, rating, page } = req.body;

  // 基本校验
  if (!['LCP','FID','INP','CLS','FCP','TTFB'].includes(name)) return res.sendStatus(400);
  if (!['good','needs-improvement','poor'].includes(rating)) return res.sendStatus(400);
  if (typeof value !== 'number' || value < 0 || value > 60000) return res.sendStatus(400);

  // 清洗 page：只保留路径，去掉查询参数和锚点
  const safePage = PAGE_ALLOWLIST.test(page) ? page : '/unknown';

  if (name === 'CLS') {
    clsHistogram.observe({ page: safePage, rating }, value);
  } else {
    vitalsHistogram.observe({ metric: name, page: safePage, rating }, value);
  }
  vitalsRatingCounter.inc({ metric: name, page: safePage, rating });

  res.sendStatus(204);
});

// Prometheus scrape endpoint
app.get('/metrics', async (_req, res) => {
  res.set('Content-Type', register.contentType);
  res.end(await register.metrics());
});

app.listen(3000);

3.3 高基数防护

防护措施	说明
page 白名单正则	防止随机路径生成海量 label 值
page 路径归一化	/product/123 → /product/:id（可选，用路由映射表）
不暴露 user/session	绝不作为 label
限流	单 IP 限流，防刷接口污染指标

---

四、Prometheus 配置

# prometheus.yml
scrape_configs:
  - job_name: 'web-vitals-backend'
    static_configs:
      - targets: ['your-backend:3000']
    scrape_interval: 15s

---

五、Grafana 展示：可见即所得

5.1 推荐展示面板（共 8 个 Panel）

Panel 1：核心指标分位数总览（Stat 或 Gauge）

# LCP p75（Google 推荐的评估分位数）
histogram_quantile(0.75,
  sum(rate(web_vitals_duration_ms_bucket{metric="LCP"}[5m])) by (le)
)

对 LCP / INP / FCP / TTFB 各出一个 Stat Panel，阈值颜色：

• 绿色（Good）：LCP < 2500ms、INP < 200ms、FCP < 1800ms、TTFB < 800ms
• 黄色（NI）
• 红色（Poor）

Panel 2：LCP 分位数趋势（Time Series）

# p50 / p75 / p95
histogram_quantile(0.50, sum(rate(web_vitals_duration_ms_bucket{metric="LCP"}[5m])) by (le))
histogram_quantile(0.75, sum(rate(web_vitals_duration_ms_bucket{metric="LCP"}[5m])) by (le))
histogram_quantile(0.95, sum(rate(web_vitals_duration_ms_bucket{metric="LCP"}[5m])) by (le))

Panel 3：INP 分位数趋势（Time Series）

histogram_quantile(0.75, sum(rate(web_vitals_duration_ms_bucket{metric="INP"}[5m])) by (le))

Panel 4：CLS p75 趋势（Time Series）

histogram_quantile(0.75, sum(rate(web_vitals_cls_score_bucket[5m])) by (le))

Panel 5：各指标 Good 率（Bar Gauge 或 Pie）

# LCP Good 率
sum(rate(web_vitals_rating_total{metric="LCP", rating="good"}[1h]))
/
sum(rate(web_vitals_rating_total{metric="LCP"}[1h]))

对 LCP / INP / CLS 各出一条，直观反映"用户体验达标率"。

Panel 6：按页面分组的 LCP p75（Bar Chart）

histogram_quantile(0.75,
  sum(rate(web_vitals_duration_ms_bucket{metric="LCP"}[30m])) by (le, page)
)

快速定位哪个页面是性能瓶颈。

Panel 7：上报量 / 错误率（Time Series）

# 每分钟上报次数
sum(rate(web_vitals_rating_total[1m])) by (metric)

监控数据采集本身是否正常。

Panel 8：TTFB p75 趋势（Time Series）

histogram_quantile(0.75, sum(rate(web_vitals_duration_ms_bucket{metric="TTFB"}[5m])) by (le))

反映服务端响应速度，与后端性能关联。

---

5.2 告警规则示例

# alerts.yml
groups:
  - name: web-vitals
    rules:
      - alert: LCP_P75_Too_High
        expr: |
          histogram_quantile(0.75,
            sum(rate(web_vitals_duration_ms_bucket{metric="LCP"}[10m])) by (le)
          ) > 4000
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "LCP p75 超过 4s，用户体验差"

      - alert: INP_P75_Too_High
        expr: |
          histogram_quantile(0.75,
            sum(rate(web_vitals_duration_ms_bucket{metric="INP"}[10m])) by (le)
          ) > 500
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "INP p75 超过 500ms，页面交互迟钝"

      - alert: Good_Rate_LCP_Drop
        expr: |
          sum(rate(web_vitals_rating_total{metric="LCP",rating="good"}[30m]))
          / sum(rate(web_vitals_rating_total{metric="LCP"}[30m])) < 0.5
        for: 10m
        labels:
          severity: critical
        annotations:
          summary: "LCP Good 率低于 50%，大量用户体验差"

---

六、指标清单汇总

指标名	类型	Labels	用途
web_vitals_duration_ms	Histogram	metric, page, rating	计算 LCP/FID/INP/FCP/TTFB 分位数
web_vitals_cls_score	Histogram	page, rating	计算 CLS 分位数
web_vitals_rating_total	Counter	metric, page, rating	计算 Good/NI/Poor 分布率

共 3 个指标，配合 label 维度满足所有展示需求，无冗余。

---

七、依赖版本参考

组件	版本
web-vitals	^4.x
prom-client（Node.js）	^15.x
Prometheus	^2.45
Grafana	^10.x

---

八、实施步骤

1. 前端 ：npm install web-vitals，在应用入口引入 vitals-reporter.ts
2. 后端 ：部署上报服务，暴露 /metrics/vitals（POST）和 /metrics（GET）
3. Prometheus：添加 scrape job，15s 采集间隔
4. Grafana：导入上述 8 个 Panel，设置阈值颜色映射
5. 告警：配置 Alertmanager 接收 Web Vitals 告警，对接钉钉 / Slack

---

方案遵循 Google Web Vitals 评估标准（2024），以 p75 作为主要健康评估分位数。