Prometheus Grafana 监控面板

引言

大家好，今天想跟你们聊聊监控这个话题。说实话，之前我们团队在监控这块走了不少弯路，最开始用的一些简单脚本+邮件告警，说白了就是自欺欺人——出问题了自己都看不到。后来引入了 Prometheus + Grafana 这套组合，才算是真正把监控这件事做扎实了。

这篇文章我会从零开始，带你们搭建一套完整的监控面板。不是什么高大上的架构，就是实实在在能用的那种。咱们开始吧。

一、为什么要用 Prometheus + Grafana

先简单说说为什么选这两个工具。Prometheus 负责采集和存储指标数据，Grafana 负责把数据可视化。它们俩配合起来，简直是监控界的"黄金搭档"。

Prometheus 的优势在于：

- 采集方式简单，通过 HTTP 接口就能拉取数据

- 自带强大的查询语言 PromQL

- 生态丰富，几乎所有主流服务都有现成的 Exporter

Grafana 则更加灵活：

- 支持多种数据源，不仅仅是 Prometheus

- 面板类型丰富，曲线图、热力图、仪表盘都能做

- 告警规则配置方便，支持多种通知渠道

我们团队现在基本上所有项目的监控都用这套方案，从服务器资源到业务指标，都能清晰直观地看到。

二、环境准备和基础配置

首先你得有个 Prometheus 服务。Docker 方式最简单，一条命令就搞定：

docker run -d \
--name prometheus \
-p 9090:9090 \
-v /path/to/prometheus.yml:/etc/prometheus/prometheus.yml \
prom/prometheus

配置文件 prometheus.yml 大概长这样：

global:
scrape_interval: 15s

scrape_configs:
- job_name: 'prometheus'
static_configs:
- targets: ['localhost:9090']
  
- job_name: 'node'
static_configs:
- targets: ['node-exporter:9100']

这里我配置了两个采集目标：Prometheus 本身和 Node Exporter。Node Exporter 用来采集服务器硬件指标，CPU、内存、磁盘这些。

Grafana 的启动也很简单：

docker run -d \
--name grafana \
-p 3000:3000 \
-v grafana-data:/var/lib/grafana \
grafana/grafana

首次登录默认用户名密码都是 admin，记得改掉。

三、接入第一个监控面板

登录 Grafana 后，先添加数据源。点击左侧齿轮图标 → Data Sources → Add data source，选择 Prometheus，URL 填 http://prometheus:9090（如果是本机就是 http://localhost:9090）。

接下来我们创建一个面板来监控服务器 CPU 使用率。

点击左侧 + 图标 → Dashboard → Add new panel。在 Query 区域输入 PromQL：

100 - (avg by (instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)

这行查询的意思是：计算 CPU 的非空闲时间百分比，也就是实际使用率。irate 是 Prometheus 用来计算瞬时增长率的函数，比 rate 更灵敏，适合这种波动较大的指标。

右侧可以设置面板样式。我通常会：

- 把 Title 改成"服务器 CPU 使用率"

- Legend 改成 {{instance}}，这样会显示具体的服务器 IP

- 勾选 "Instant" 可以看实时值，不勾选就是曲线图

设置完后点 Apply，一个 CPU 监控面板就完成了。

四、常用监控指标分享

做了这么多项目，我总结了一些最常用的监控指标，分享给大家：

1. 内存使用情况

(node_memory_MemTotalBytes - node_memory_MemAvailableBytes) / node_memory_MemTotalBytes * 100

这个直接显示内存使用百分比，超过 80% 就该注意了。

2. 磁盘空间

(node_filesystem_avail_bytes{mountpoint="/"} / node_filesystem_size_bytes{mountpoint="/"}) * 100

监控根分区剩余空间，单位是百分比更直观。

3. 网络流量

sum by (instance) (irate(node_network_receive_bytes_total[5m])) / 1024 / 1024

这是接收速率，单位 MB/s。发送速率把 receive 改成 transmit 就行。

4. 请求量和错误率

如果你用的是 Nginx，可以安装 nginx_exporter，然后这样监控：

sum(rate(nginx_http_requests_total[5m]))

错误率：

sum(rate(nginx_http_requests_total{status=~"5.."}[5m])) / sum(rate(nginx_http_requests_total[5m])) * 100

这些指标对于判断服务健康状况特别重要。

五、告警配置不能少

光有面板不行，还得有告警。要不然出了问题没人知道，Grafana 的告警功能就很实用。

在面板编辑页面，点击右侧 Alert → Create Alert。配置大概是这样：

- Evaluate every: 5m（每 5 分钟检查一次）

- For: 10m（持续 10 分钟才触发，避免抖动）

- Conditions: 查询结果 > 80

然后配置通知渠道。点击 Grafana 左侧铃铛图标 → Notification channels → Add channel。支持邮件、钉钉、企业微信、Webhook 等多种方式。

我建议至少配置两个渠道：一个实时通讯（钉钉/企业微信），一个存档（邮件），这样重要告警不会漏掉。

总结

今天聊了这么多，其实核心就几点：Prometheus 负责采集数据，Grafana 负责展示和告警。先把基础的面板搭起来，监控服务器资源；然后逐步接入业务指标，比如请求量、响应时间、错误率等；最后配上告警规则，形成完整的监控体系。

监控这件事，真的越早做越好。等出了问题再想起来装监控，黄花菜都凉了。希望这篇文章能帮到你们，有问题欢迎评论区交流。