别再裸奔搞监控了！一篇带你上手 Prometheus+Grafana 的实战指南

大家好，我是 Echo_Wish。今天我们来聊聊 Prometheus + Grafana ——一个在运维、数据可观测、SRE、边缘监控领域都快成为标配的组合拳。

我写这篇文章的目的很简单，不是跟你背理论，而是——

看完就能上手，搭好监控、出图、报警，全链打通。

而不是只会喊：“Prometheus 是普罗米修斯，来自希腊神话中的火种”。这跟我们监控没半毛钱关系，咱实战才是王道。

🥇 一句话概述：为啥都爱 Prometheus + Grafana？

• Prometheus 负责采集和存储
• Grafana 负责展示和告警
• 二者搭起来最轻、最快、最灵活
• 云原生时代已经成为事实标准

更关键的一点：

Prometheus 是拉模式，一切指标都可量化、可定义，讲究自助式监控。

不再需要黑盒猜系统状态，而是把系统变成“透明仪表盘”。

我第一次用 Prometheus 时，内心只有一句：

“卧槽，监控就应该这么爽！”

🚀 二、快速上手 Prometheus：能跑起来比啥都强

我们别绕圈，直接用最常见的方式启动：

📌 1. 下载 Prometheus

wget https://github.com/prometheus/prometheus/releases/latest/download/prometheus-2.46.0.linux-amd64.tar.gz
tar -zxvf prometheus-2.46.0.linux-amd64.tar.gz
cd prometheus-2.46.0.linux-amd64

启动：

./prometheus --config.file=prometheus.yml

浏览器访问：

http://localhost:9090

看到 UI，就算启动成功。

🛠 三、Prometheus 配置解析——监控第一个目标

Prometheus 要监控什么？靠 prometheus.yml 定义。

最经典的例子 —— 监控 Prometheus 自己：

scrape_configs:
  - job_name: 'prometheus'
    scrape_interval: 15s
    static_configs:
      - targets: ['localhost:9090']

解释一下：

• scrape_interval 抓数据频率
• job_name 名字随便起
• targets 就是指标端点

能抓到什么？比如：

• 采集耗时
• TSDB 内存使用量
• 抓指标失败次数

基本看到这，你已经监控了一个系统了。

🧩 四、让真正的应用暴露指标！Hello Metrics 👋

我们用一个 Go 程序演示暴露业务指标：

package main

import (
    "github.com/prometheus/client_golang/prometheus/promhttp"
    "net/http"
)

func main() {
    http.Handle("/metrics", promhttp.Handler())
    http.ListenAndServe(":8080", nil)
}

运行以后，打开：

http://localhost:8080/metrics

你会看到一堆以 _total结尾的玩意，看似乱码，其实就是业务指标基础原语。

如果嫌 Go 不亲民，用 Python 也一样：

from prometheus_client import start_http_server, Counter

c = Counter('requests_total', 'Total requests')

start_http_server(8000)

while True:
    c.inc()

打开：

http://localhost:8000

Prometheus 就能拉。

🔍 五、PromQL —— 运维的 SQL

PromQL 就是 Prometheus 的灵魂。比如 CPU 使用率：

rate(process_cpu_seconds_total[5m])

某个服务 QPS：

rate(http_requests_total[1m])

按状态分组：

sum(rate(http_requests_total[1m])) by (status)

这玩意一旦上瘾，你会觉得 SQL 都不香了。

🎨 六、Grafana 出场：监控不仅要准，还要漂亮

Prometheus 有图能力，但一般没人用，因为 Grafana 的仪表盘帅太多。

启动 Grafana：

docker run -d -p 3000:3000 grafana/grafana

访问：

http://localhost:3000

默认登录：

• 用户名：admin
• 密码：admin

然后添加 Prometheus 数据源：

• URL：http://localhost:9090

Done！

📊 七、Grafana 可视化实战：按业务逻辑出图

比如：

QPS 曲线

sum(rate(http_requests_total[1m])) by (job)

内存

process_resident_memory_bytes

错误率

sum(rate(http_requests_total{status=~"5.."}[5m]))

搞成折线、柱状、饼图随便你。

你甚至能搞这样的大盘：

📌 3 行指标体现系统健康：

• RT（99 分位）
• QPS（1m）
• Error（5m涨幅）

这已经是标准 SRE 大屏套路。

🪖 八、Play with Alert —— 没报警就不是监控

Prometheus 自带 Alertmanager，可以这样定义报警：

groups:
- name: instance_down
  rules:
  - alert: InstanceDown
    expr: up == 0
    for: 1m
    labels:
      severity: critical
    annotations:
      summary: "实例挂了"

报警逻辑挺有意思：

• expr 是 PromQL
• for 是持续时间
• seveirty 告警等级
• summary 展示内容

Slack、钉钉、企业微信、PagerDuty 全能对接。

报警不是提示你“挂了”，而是告诉你：

“滚去修系统！”

🧲 九、Grafana 也能报警

Grafana 8+ 有自身报警系统，比如：

• 阈值报警
• 速率报警
• 无数据报警
• PromQL 报警

配个邮件渠道，你就能收到一封“惨叫”的邮件：

Latency P99 > 500ms over 10m

这就是“运维的紧箍咒”。

☁️ 十、容器与云原生监控才是 Prometheus 的春天

说句大实话：

99% 使用 Prometheus 的公司，都在 Kubernetes 上。

K8s 暴露了 Metrics，把整个集群变成可观测系统。

你只要这样加：

- job_name: 'kubernetes-nodes'
  kubernetes_sd_configs:
  - role: node

节奏变成：

• Node 指标
• Pod 指标
• Kubelet 指标
• APIServer 指标
• etcd 指标

全部自动抓。

Grafana 上直接导入：

ID: 315
ID: 6417

你就会看到：

• CPU 饼图
• Pod 崩溃趋势
• 节点资源利用
• 网络延时

你会突然意识到：

过去裸奔太久了。

💡 十一、我的一些感悟：监控永远不是“装工具”，是“打造运营能力”**

很多公司搞监控，流于形式：

• 大屏很好看
• 报警没人响应
• 图写了一堆
• SLA 依旧扑街

原因很简单：

数据要驱动决策，而不是驱动 PPT。

一个健康的监控体系必须：

• 能发现问题
• 能定位问题
• 能趋势预判
• 能指导容量规划
• 能支撑 SLA 评估

否则都是花架子。

🏁 十二、写在最后

Prometheus + Grafana 的魅力在于：

• 开源、免费、标准化
• 插件丰富、生态爆表
• 学习成本极低
• 足够灵活

一句话总结：

监控不是为了看图，是为了把系统变成可度量的科学工程。

从今天开始，别再裸奔运维了。
让数据测量系统，让指标告诉你真相。