选工具先看用途、安装来源和维护成本,不是看功能列表。 这篇按工具的用法写Prometheus,重点不是功能数量,而是抓取到查询能不能走通。

指标采集、存储和告警规则工具。适合容器和微服务指标;不适合长期存全量日志。

形态与技术栈:Go、时序数据库。主要模块:抓取、指标、规则、告警、服务发现、查询。

选工具先定用途:是替代手工、批量处理,还是监控/备份。Prometheus 的价值在 抓取成功率、查询延迟、存储、告警,不是功能列表有多长。

看五项:安装来源和版本、配置方式、权限要求、维护活跃度、替代方案。五项里缺两项,先别装到生产机。

  • 来源:官网、官方仓库或包管理器,记下版本和签名。
  • 配置:抓取、指标、规则、告警、服务发现、查询 里哪些能配置、配置放在哪、能不能导出。
  • 权限:需要什么系统权限,能不能用普通账号运行。
  • 维护:最近更新、issue 响应、依赖升级,决定一年后的排错成本。
  • 替代:Zabbix、云监控、VictoriaMetrics 里有没有更轻或更稳的选择。

不要一次装全套插件。先用一个最小任务跑通 Prometheus,再按实际用量加功能。

按真实数据走一遍

把主线按 抓取 → 指标 → 规则 走一遍。第一站看数据从哪来,第二站看谁有权改,第三站看结果写到哪;最后在 查询 留一条能查的记录。节点之间对不上,先停下来补接口,不要继续加功能。

这条主线里,最容易被跳过的是 指标 的权限和 规则 的结果校验;跳过这两步,后面只能靠人工补。

先防这些坑

  • 标签爆炸
  • 抓取失败
  • 存储增长
  • 规则错

上线前先演练

假设你已经在测试环境跑通了 Prometheus,现在要决定是否上线。先不要全量。第一步,在 抓取 里用一条真实数据走完整流程,记录输入、输出和耗时;第二步,在 指标 里改一个错误输入、断开一个依赖或收回一项权限,看错误提示和日志能不能对上;第三步,在 规则 里核对结果,确认没有重复写入、没有越权、没有残留临时文件。

这个场景的重点不是功能多,而是 抓取成功率、查询延迟、存储、告警 这几项有没有可复现的记录。只靠“看起来正常”判断,上线后一出问题就说不清是数据、权限还是代码。

复跑时重点看 抓取成功率、查询延迟、存储、告警:只要有一项只能靠截图证明,就先补日志和检查项,不要直接全量。Prometheus 的问题通常不在功能少,而在入口、权限和数据三处没有留下可复核的记录。

最后留一个检查:把这次 抓取 到 查询 的流程写成十行以内的操作记录,交给没有参与的人按记录复跑一次。对方如果能在不追问你的情况下走通,说明入口、权限和文档都够清楚;如果走不通,先补记录,不要急着加功能。

留一份可复跑的记录

  • 版本/提交:记录实际部署的版本号或压缩包名。
  • 测试入口:抓取、指标、规则 各一条 URL/命令。
  • 核心流程:从入口到结果,写清每一步的输入、输出和状态码。
  • 指标:抓取成功率、查询延迟、存储、告警 各记一个基线值。
  • 异常:失败时的提示、日志位置、影响范围和恢复时间。
  • 回滚:备份路径、恢复命令、验证人。

交付前确认

  1. 这次是试用、灰度还是正式全量?
  2. 上线后谁负责日常维护和故障响应?
  3. 授权/许可证是否覆盖当前用法和二次分发?
  4. 核心数据能否导出,换系统时能不能带走?
  5. 出现严重故障时,多长时间能恢复到可用状态?

交接表按 抓取、指标、查询 三块列:改什么、为什么改、怎么退。每项要能指到真实路径或字段;Prometheus 后面升级、迁移和换人,都靠这张表减少来回确认。

上线前安全核对

网络隔离、鉴权、标签、保留。上线前把这几项写成检查项,不要等出事再补。

上线清单

  1. 安装:抓取 的安装来源、版本和路径记下来。
  2. 配置:全局配置和项目配置分开,改一项能回退。
  3. 权限:目录、账号和令牌按最小权限,不用管理员日常运行。
  4. 升级:升级前看变更说明,升级后复测核心命令。
  5. 数据:配置、历史和导出数据有备份,换电脑能恢复。
  6. 指标:抓取成功率、查询延迟、存储、告警 有基线,峰值不抖。
  7. 兼容:目标系统、Shell、终端和插件版本各测一次。
  8. 日志:命令输出、错误日志和系统日志能对上时间。
  9. 扩展:插件/脚本有来源和卸载方式,不装重复能力。
  10. 记录:版本、配置路径、验证命令和回滚方式写下来。

范围与限制

Prometheus 先控制标签基数。用户 ID、URL 这类高基数字段不要进标签;抓取目标和规则要版本化;存储和保留要设上限。

Prometheus 的这次选型,先解决入口、权限和数据里的一个具体问题,不要顺手改支付、会员和服务器底层。范围越小,回滚越快;范围写清楚,后面才好判断值不值得继续投入。

参考

参考:https://code.visualstudio.com/docs;https://git-scm.com/doc。

再核对一次:Zabbix、云监控、VictoriaMetrics 之间的差异不只是界面。许可证、数据迁移和升级成本要一起看,否则换一套源码可能比改现有系统更贵。