创立利用

咱们首先从一个最简略的 Go 应用程序开始，在端口 8080 的 /metrics 端点上裸露客户端库的默认注册表，临时还没有跟踪任何其余自定义的监控指标。

先创立一个名为 instrument-demo 的目录，在该目录上面初始化我的项目：

 $ mkdir instrument-demo && cd instrument-demo $ go mod init github.com/cnych/instrument-demo

下面的命令会在 instrument-demo 目录上面生成一个 go.mod 文件，在同目录上面新建一个 main.go 的入口文件，内容如下所示：

package mainimport ( "net/http" "github.com/prometheus/client_golang/prometheus/promhttp")func main() {    // Serve the default Prometheus metrics registry over HTTP on /metrics. http.Handle("/metrics", promhttp.Handler()) http.ListenAndServe(":8080", nil)}

而后执行上面的命令下载 Prometheus 客户端库依赖：

$ export GOPROXY="https://goproxy.cn"$ go mod tidygo: finding module for package github.com/prometheus/client_golang/prometheus/promhttpgo: found github.com/prometheus/client_golang/prometheus/promhttp in github.com/prometheus/client_golang v1.11.0go: downloading google.golang.org/protobuf v1.26.0-rc.1

而后间接执行 go run 命令启动服务：

$ go run main.go

而后咱们能够在浏览器中拜访 http://localhost:8080/metrics 来取得默认的监控指标数据：

# HELP go_gc_duration_seconds A summary of the pause duration of garbage collection cycles.# TYPE go_gc_duration_seconds summarygo_gc_duration_seconds{quantile="0"} 0go_gc_duration_seconds{quantile="0.25"} 0go_gc_duration_seconds{quantile="0.5"} 0go_gc_duration_seconds{quantile="0.75"} 0go_gc_duration_seconds{quantile="1"} 0go_gc_duration_seconds_sum 0go_gc_duration_seconds_count 0# HELP go_goroutines Number of goroutines that currently exist.# TYPE go_goroutines gaugego_goroutines 6......# HELP go_threads Number of OS threads created.# TYPE go_threads gaugego_threads 8# HELP promhttp_metric_handler_requests_in_flight Current number of scrapes being served.# TYPE promhttp_metric_handler_requests_in_flight gaugepromhttp_metric_handler_requests_in_flight 1# HELP promhttp_metric_handler_requests_total Total number of scrapes by HTTP status code.# TYPE promhttp_metric_handler_requests_total counterpromhttp_metric_handler_requests_total{code="200"} 1promhttp_metric_handler_requests_total{code="500"} 0promhttp_metric_handler_requests_total{code="503"} 0

咱们并没有在代码中增加什么业务逻辑，然而能够看到仍然有一些指标数据输入，这是因为 Go 客户端库默认在咱们裸露的全局默认指标注册表中注册了一些对于 promhttp 处理器和运行工夫相干的默认指标，依据不同指标名称的前缀能够看出：

go_*：以 go_ 为前缀的指标是对于 Go 运行时相干的指标，比方垃圾回收工夫、goroutine 数量等，这些都是 Go 客户端库特有的，其余语言的客户端库可能会裸露各自语言的其余运行时指标。
promhttp_*：来自 promhttp 工具包的相干指标，用于跟踪对指标申请的解决。
这些默认的指标是十分有用，然而更多的时候咱们须要本人管制，来裸露一些自定义指标。这就须要咱们去实现自定义的指标了。

增加自定义指标

接下来咱们来自定义一个的 gauge 指标来裸露以后的温度。创立一个新的文件 custom-metric/main.go，内容如下所示：

package mainimport ( "net/http" "github.com/prometheus/client_golang/prometheus" "github.com/prometheus/client_golang/prometheus/promhttp")func main() {    // 创立一个没有任何 label 标签的 gauge 指标 temp := prometheus.NewGauge(prometheus.GaugeOpts{  Name: "home_temperature_celsius",  Help: "The current temperature in degrees Celsius.", }) // 在默认的注册表中注册该指标 prometheus.MustRegister(temp) // 设置 gauge 的值为 39 temp.Set(39) // 裸露指标 http.Handle("/metrics", promhttp.Handler()) http.ListenAndServe(":8080", nil)}

下面文件中和最后的文件就有一些变动了：

  • 咱们应用 prometheus.NewGauge() 函数创立了一个自定义的 gauge 指标对象，指标名称为 home_temperature_celsius，并增加了一个正文信息。
  • 而后应用 prometheus.MustRegister() 函数在默认的注册表中注册了这个 gauge 指标对象。
  • 通过调用 Set() 办法将 gauge 指标的值设置为 39。
  • 而后像之前一样通过 HTTP 裸露默认的注册表。
    须要留神的是除了 prometheus.MustRegister() 函数之外还有一个 prometheus.Register() 函数，个别在 golang 中咱们会将 Mustxxx 结尾的函数定义为必须满足条件的函数，如果不满足会返回一个 panic 而不是一个 error 操作，所以如果这里不能失常注册的话会抛出一个 panic。

当初咱们来运行这个程序：

$ go run ./custom-metric

启动后从新拜访指标接口 http://localhost:8080/metrics，认真比照咱们会发现多了一个名为 home_temperature_celsius 的指标：

...# HELP home_temperature_celsius The current temperature in degrees Celsius.# TYPE home_temperature_celsius gaugehome_temperature_celsius 42...

这样咱们就实现了增加一个自定义的指标的操作，整体比较简单，当然在理论的我的项目中须要联合业务来确定增加哪些自定义指标。

自定义注册表

后面咱们是应用 prometheus.MustRegister() 函数来将指标注册到全局默认注册中，此外咱们还能够应用 prometheus.NewRegistry() 函数来创立和应用本人的非全局的注册表。

既然有全局的默认注册表，为什么咱们还须要自定义注册表呢？这次要是因为：

  • 全局变量通常不利于保护和测试，创立一个非全局的注册表，并明确地将其传递给程序中须要注册指标的中央，这也一种更加举荐的做法。

  • 全局默认注册表包含一组默认的指标，咱们有时候可能心愿除了自定义的指标之外，不心愿裸露其余的指标。
    上面的示例程序演示了如何创立、应用和裸露一个非全局注册表对象，创立一个文件 custom-registry/main.go，内容如下所示：

    package mainimport ( "net/http" "github.com/prometheus/client_golang/prometheus" "github.com/prometheus/client_golang/prometheus/promhttp")func main() { // 创立一个自定义的注册表 registry := prometheus.NewRegistry() // 可选: 增加 process 和 Go 运行时指标到咱们自定义的注册表中 registry.MustRegister(prometheus.NewProcessCollector(prometheus.ProcessCollectorOpts{})) registry.MustRegister(prometheus.NewGoCollector()) // 创立一个简略呃 gauge 指标。 temp := prometheus.NewGauge(prometheus.GaugeOpts{Name: "home_temperature_celsius",Help: "The current temperature in degrees Celsius.", }) // 应用咱们自定义的注册表注册 gauge registry.MustRegister(temp) // 设置 gague 的值为 39 temp.Set(39) // 裸露自定义指标 http.Handle("/metrics", promhttp.HandlerFor(registry, promhttp.HandlerOpts{Registry: registry})) http.ListenAndServe(":8080", nil)}

    下面咱们没有应用全局默认的注册表了，而是创立的一个自定义的注册表：

  • 首先应用 prometheus.NewRegistry() 函数创立咱们本人的注册表对象。
  • 而后应用自定义注册表对象下面的 MustRegister() 哈是来注册 guage 指标，而不是调用 prometheus.MustRegister() 函数（这会应用全局默认的注册表）。
  • 如果咱们心愿在自定义注册表中也有过程和 Go 运行时相干的指标，咱们能够通过实例化 Collector 收集器来增加他们。

  • 最初在裸露指标的时候必须通过调用 promhttp.HandleFor() 函数来创立一个专门针对咱们自定义注册表的 HTTP 处理器，为了同时裸露后面示例中的 promhttp_* 相干的指标，咱们还须要在 promhttp.HandlerOpts 配置对象的 Registry 字段中传递咱们的注册表对象。
    同样咱们从新运行下面的自定义注册表程序：

    $ go run ./custom-metric

    启动后再次拜访指标接口 http://localhost:8080/metrics，能够发现和下面示例中的指标数据是雷同的。

指标定制

  • Gauges（仪表盘）：Gauge类型代表一种样本数据能够任意变动的指标，即可增可减。
  • Counters（计数器）：counter类型代表一种样本数据枯燥递增的指标，即只增不减，除非监控零碎产生了重置。
  • Histograms（直方图）：创立直方图指标比 counter 和 gauge 都要简单，因为须要配置把观测值纳入的 bucket 的数量，以及每个 bucket 的上边界。Prometheus 中的直方图是累积的，所以每一个后续的 bucket 都蕴含前一个 bucket 的察看计数，所有 bucket 的上限都从 0 开始的，所以咱们不须要明确配置每个 bucket 的上限，只须要配置下限即可。
  • Summaries（摘要）：与Histogram相似类型，用于示意一段时间内的数据采样后果（通常是申请持续时间或响应大小等），但它间接存储了分位数（通过客户端计算，而后展现进去），而不是通过区间计算

Gauges

后面的示例咱们曾经理解了如何增加 gauge 类型的指标，创立了一个没有任何标签的指标，间接应用 prometheus.NewGauge() 函数即可实例化一个 gauge 类型的指标对象，通过prometheus.GaugeOpts 对象能够指定指标的名称和正文信息：

queueLength := prometheus.NewGauge(prometheus.GaugeOpts{ Name: "queue_length", Help: "The number of items in the queue.",})

咱们晓得 gauge 类型的指标值是能够回升或降落的，所以咱们能够为 gauge 指标设置一个指定的值，所以 gauge 指标对象裸露了 Set()、Inc()、Dec()、Add() 和 Sub() 这些函数来更改指标值：

// 应用 Set() 设置指定的值queueLength.Set(0)// 减少或缩小queueLength.Inc()   // +1：gauge减少1.queueLength.Dec()   // -1：gauge缩小1.queueLength.Add(23) // 减少23个增量.queueLength.Sub(42) // 缩小42个.

Counters

要创立一个 counter 类型的指标和 gauge 比拟相似，只是用 prometheus.NewCounter() 函数来初始化指标对象：

totalRequests := prometheus.NewCounter(prometheus.CounterOpts{ Name: "http_requests_total", Help: "The total number of handled HTTP requests.",})

咱们晓得 counter 指标只能随着工夫的推移而一直减少，所以咱们不能为其设置一个指定的值或者缩小指标值，所以该对象上面只有 Inc() 和 Add() 两个函数：

totalRequests.Inc()   // +1：计数器减少1.totalRequests.Add(23) // +n：计数器减少23.

当服务过程重新启动的时候，counter 指标值会被重置为 0，不过不必放心数据错乱，咱们个别会应用的 rate() 函数会主动解决。

最终 counter 指标会被渲染成如下所示的数据：

# HELP http_requests_total The total number of handled HTTP requests.# TYPE http_requests_total counterhttp_requests_total 7734

Histograms

创立直方图指标比 counter 和 gauge 都要简单，因为须要配置把观测值纳入的 bucket 的数量，以及每个 bucket 的上边界。Prometheus 中的直方图是累积的，所以每一个后续的 bucket 都蕴含前一个 bucket 的察看计数，所有 bucket 的上限都从 0 开始的，所以咱们不须要明确配置每个 bucket 的上限，只须要配置下限即可。

同样要创立直方图指标对象，咱们应用 prometheus.NewHistogram() 函数来进行初始化：

requestDurations := prometheus.NewHistogram(prometheus.HistogramOpts{  Name:    "http_request_duration_seconds",  Help:    "A histogram of the HTTP request durations in seconds.",  // Bucket 配置：第一个 bucket 包含所有在 0.05s 内实现的申请，最初一个包含所有在10s内实现的申请。  Buckets: []float64{0.05, 0.1, 0.25, 0.5, 1, 2.5, 5, 10},})