首先集成Prometheus客户端库，再定义Counter、Gauge、Histogram等指标并注册；接着通过HTTP中间件自动收集请求量、延迟等数据；然后暴露/metrics端点供Prometheus抓取；配置prometheus.yml添加抓取任务；最后结合Grafana展示QPS、延迟、错误率等关键指标，并可集成Alertmanager实现告警。
微服务架构下，系统被拆分为多个独立服务，调用链复杂，对可观测性要求更高。Prometheus 作为云原生生态中主流的监控方案，与 Golang 天然契合。通过在 Go 微服务中集成 Prometheus，可以轻松实现指标暴露、采集和告警。下面详细介绍如何使用 Prometheus 监控 Golang 微服务。
1. 引入 Prometheus 客户端库
要在 Go 项目中启用 Prometheus 监控，首先需要引入官方客户端库：
go get github.com/prometheus/client_golang/prometheusgo get github.com/prometheus/client_golang/prometheus/promhttp
这两个包分别用于定义指标和提供 HTTP 接口供 Prometheus 抓取。
2. 定义并注册监控指标
Prometheus 支持 Counter（计数器）、Gauge（仪表盘）、Histogram（直方图）和 Summary（摘要）四种核心指标类型。在微服务中常见用途如下：
立即学习“go语言免费学习笔记（深入）”；
- Counter：记录请求总数、错误数等只增不减的值
- Gauge：表示当前并发数、内存使用量等可变数值
- Histogram：统计请求延迟分布，例如 P90、P99 延迟
示例代码：
package mainimport ( "net/http" "time" "github.com/prometheus/client_golang/prometheus" "github.com/prometheus/client_golang/prometheus/promhttp" )
var ( httpRequestsTotal = prometheus.NewCounterVec( prometheus.CounterOpts{ Name: "http_requests_total", Help: "Total number of HTTP requests.", }, []string{"method", "endpoint", "code"}, )
httpRequestDuration = prometheus.NewHistogramVec( prometheus.HistogramOpts{ Name: "http_request_duration_seconds", Help: "HTTP request latency in seconds.", Buckets: []float64{0.1, 0.3, 0.5, 1.0, 3.0}, }, []string{"method", "endpoint"}, ))
func init() { prometheus.MustRegister(httpRequestsTotal) prometheus.MustRegister(httpRequestDuration) }
3. 在 HTTP 中间件中收集指标
为了自动收集每个请求的指标，建议使用中间件方式封装处理逻辑。
func metricsMiddleware(next http.HandlerFunc) http.HandlerFunc { return func(w http.ResponseWriter, r *http.Request) { start := time.Now()// 执行实际处理 next.ServeHTTP(w, r) // 请求结束后记录指标 method := r.Method endpoint := r.URL.Path status := w.(interface{ Status() int }).Status() httpRequestsTotal.WithLabelValues(method, endpoint, http.StatusText(status)).Inc() httpRequestDuration.WithLabelValues(method, endpoint).Observe(time.Since(start).Seconds()) }}
注意：若 ResponseWriter 不直接支持 Status()，可包装一个自定义 writer 实现接口。
4. 暴露 /metrics 端点
Prometheus 通过 Pull 模式定期抓取目标的 /metrics 接口。需在服务中添加该路由：
func main() { http.Handle("/metrics", promhttp.Handler())// 示例业务接口 http.HandleFunc("/api/users", metricsMiddleware(func(w http.ResponseWriter, r *http.Request) { w.WriteHeader(http.StatusOK) w.Write([]byte("user list")) })) http.ListenAndServe(":8080", nil)}
启动服务后访问 http://localhost:8080/metrics 可查看原始指标数据。
5. 配置 Prometheus 抓取任务
修改 prometheus.yml，添加微服务 job：
scrape_configs: - job_name: 'go-microservice' static_configs: - targets: ['host.docker.internal:8080'] # 若在 Docker 中运行，使用宿主机地址重启 Prometheus 后，在 Web UI 的 Targets 页面确认状态为 UP，说明抓取正常。
6. 使用 Grafana 展示监控面板
将 Prometheus 添加为数据源后，可导入官方推荐的 Go 监控看板（如 ID: 12683），或创建自定义图表展示 QPS、延迟、错误率等关键指标。
常用查询示例：
- 每秒请求数：
rate(http_requests_total[5m]) - 平均响应延迟：
rate(http_request_duration_seconds_sum[5m]) / rate(http_request_duration_seconds_count[5m]) - 错误率（非 2xx）：
sum(rate(http_requests_total{code!="200"}[5m])) / sum(rate(http_requests_total[5m]))
基本上就这些。只要在服务中正确埋点并暴露指标，Prometheus 就能自动完成采集。结合 Alertmanager 还可设置阈值告警，比如延迟超过 1 秒或错误率突增时通知团队。整个流程简单高效，适合大多数 Golang 微服务场景。
