👋 大家好，欢迎来到我的技术博客！
📚 在这里，我会分享学习笔记、实战经验与技术思考，力求用简单的方式讲清楚复杂的问题。
🎯 本文将围绕Prometheus这个话题展开，希望能为你带来一些启发或实用的参考。
🌱 无论你是刚入门的新手，还是正在进阶的开发者，希望你都能有所收获！

---

Prometheus - 环境搭建实操：Linux 系统快速部署与基础配置

在当今云原生和微服务架构盛行的时代，可观测性（Observability）已成为保障系统稳定性和性能的关键支柱。而在这三大可观测性支柱——日志（Logging）、指标（Metrics）和追踪（Tracing）中，指标监控无疑是构建实时告警、容量规划和性能分析的基础。Prometheus 作为 CNCF（Cloud Native Computing Foundation）毕业的顶级项目，凭借其强大的多维数据模型、灵活的查询语言 PromQL、高效的本地存储以及活跃的社区生态，已成为现代监控体系的事实标准 📊。

本文将带你从零开始，在 Linux 系统上完成 Prometheus 的快速部署与基础配置，并通过一个真实的 Java 应用示例，展示如何将应用指标暴露给 Prometheus 并实现可视化监控。无论你是 DevOps 工程师、后端开发者还是 SRE，掌握 Prometheus 的部署与集成技能都将为你的技术栈增添重要一环 💪。

为什么选择 Prometheus？

在深入部署之前，让我们先理解 Prometheus 的核心优势：

• 多维数据模型：所有数据都以时间序列形式存储，通过指标名称和键值对标签（labels）进行标识，支持强大的过滤和聚合。
• PromQL 查询语言：一种功能强大且直观的查询语言，可对采集的数据进行实时计算、聚合和预测。
• Pull 模型：Prometheus 主动从目标（Targets）拉取指标，简化了网络配置，天然支持服务发现。
• 自治性：单节点设计，无需依赖分布式存储，每个服务器都是独立的，降低了运维复杂度。
• 丰富的生态系统：拥有大量官方和社区维护的 Exporter，可轻松监控各种系统（如 Node Exporter 监控主机、Blackbox Exporter 监控网络等）和中间件（如 MySQL、Redis、Kafka）。

📌 小贴士：虽然 Pull 模型是主流，但 Prometheus 也通过 Pushgateway 支持 Push 模式，适用于批处理任务等短暂生命周期的场景。

环境准备

在开始部署前，请确保你有一台运行 Linux 操作系统的服务器。本文以 Ubuntu 22.04 LTS 为例，但操作步骤在 CentOS、Debian 等主流发行版上基本一致。你需要具备以下条件：

• 一台具有公网 IP 或内网可访问的 Linux 服务器（建议 2 核 CPU、2GB 内存以上）
• 具有 sudo 权限的用户账户
• 基本的 Linux 命令行操作能力
• 网络可访问外网（用于下载 Prometheus 二进制包）

首先，更新系统软件包索引：

sudo apt update && sudo apt upgrade -y

安装必要的工具，如 wget 和 tar（通常已预装）：

sudo apt install -y wget tar

下载并安装 Prometheus

Prometheus 官方提供预编译的二进制文件，我们可以直接从其官网下载最新稳定版本。截至本文撰写时，最新稳定版为 2.47.1，但请始终以 Prometheus 官方下载页面 为准。

步骤 1：创建专用用户和目录

出于安全考虑，我们不建议以 root 用户运行 Prometheus。创建一个专用的系统用户：

sudo useradd --no-create-home --shell /bin/false prometheus

创建存放 Prometheus 二进制文件和配置文件的目录：

sudo mkdir /etc/prometheus
sudo mkdir /var/lib/prometheus

设置目录所有权：

sudo chown prometheus:prometheus /etc/prometheus
sudo chown prometheus:prometheus /var/lib/prometheus

步骤 2：下载并解压 Prometheus

进入临时目录，下载 Prometheus 压缩包：

cd /tmp
wget https://github.com/prometheus/prometheus/releases/download/v2.47.1/prometheus-2.47.1.linux-amd64.tar.gz

解压并进入目录：

tar xvf prometheus-2.47.1.linux-amd64.tar.gz
cd prometheus-2.47.1.linux-amd64

将二进制文件复制到 /usr/local/bin（这是存放本地编译或手动安装程序的标准位置）：

sudo cp prometheus /usr/local/bin/
sudo cp promtool /usr/local/bin/

设置正确的权限：

sudo chown prometheus:prometheus /usr/local/bin/prometheus
sudo chown prometheus:prometheus /usr/local/bin/promtool

将配置文件和示例文件复制到 /etc/prometheus：

sudo cp -r consoles/ console_libraries/ /etc/prometheus
sudo chown -R prometheus:prometheus /etc/prometheus/consoles
sudo chown -R prometheus:prometheus /etc/prometheus/console_libraries

步骤 3：创建基础配置文件

Prometheus 的行为由 YAML 格式的配置文件控制。创建主配置文件 /etc/prometheus/prometheus.yml：

sudo nano /etc/prometheus/prometheus.yml

填入以下最简配置：

# 全局配置
global:
  scrape_interval: 15s  # 默认抓取间隔
  evaluation_interval: 15s  # 规则评估间隔

# 告警规则文件（可选）
rule_files:
  # - "rules.yml"

# 抓取配置
scrape_configs:
  # 监控 Prometheus 自身
  - job_name: 'prometheus'
    static_configs:
      - targets: ['localhost:9090']

这个配置做了三件事：

1. 设置全局抓取间隔为 15 秒（即每 15 秒从目标拉取一次指标）。
2. 定义了一个名为 prometheus 的抓取任务（job），目标是 localhost:9090 —— 这正是 Prometheus 自身的 HTTP 接口地址。
3. 注释掉了告警规则文件，后续可按需启用。

保存并退出编辑器，然后设置配置文件权限：

sudo chown prometheus:prometheus /etc/prometheus/prometheus.yml

步骤 4：配置 systemd 服务

为了让 Prometheus 在系统启动时自动运行，并方便管理，我们将其注册为 systemd 服务。

创建服务文件：

sudo nano /etc/systemd/system/prometheus.service

填入以下内容：

[Unit]
Description=Prometheus
Wants=network-online.target
After=network-online.target

[Service]
User=prometheus
Group=prometheus
Type=simple
ExecStart=/usr/local/bin/prometheus \
    --config.file=/etc/prometheus/prometheus.yml \
    --storage.tsdb.path=/var/lib/prometheus/ \
    --web.console.templates=/etc/prometheus/consoles \
    --web.console.libraries=/etc/prometheus/console_libraries \
    --web.listen-address=0.0.0.0:9090
Restart=always

[Install]
WantedBy=multi-user.target

关键参数说明：

• --config.file：指定配置文件路径。
• --storage.tsdb.path：指定时序数据库（TSDB）的存储路径。
• --web.listen-address：监听所有网络接口的 9090 端口（默认只监听 localhost）。

重载 systemd 配置并启动服务：

sudo systemctl daemon-reload
sudo systemctl start prometheus
sudo systemctl enable prometheus  # 设置开机自启

检查服务状态：

sudo systemctl status prometheus

如果看到 active (running)，说明 Prometheus 已成功启动 ✅。

步骤 5：验证部署

打开浏览器，访问 http://<你的服务器IP>:9090。你应该能看到 Prometheus 的 Web UI 界面。

在顶部导航栏点击 Status > Targets，你会看到一个名为 prometheus 的目标，状态为 UP，表示 Prometheus 已成功抓取自身指标。

你还可以在 Graph 页面输入 up 并执行查询。up 是一个内置指标，值为 1 表示目标健康，0 表示不健康。你应该会看到一条值为 1 的时间序列。

🔍 探索提示：尝试输入 prometheus_build_info，这会返回 Prometheus 的版本、构建信息等，是验证监控是否生效的好方法。

配置防火墙（可选但推荐）

如果你的服务器启用了防火墙（如 ufw），需要开放 9090 端口：

sudo ufw allow 9090/tcp
sudo ufw reload

监控你的第一个 Java 应用

Prometheus 的强大之处在于它能轻松集成各种应用。接下来，我们将创建一个简单的 Spring Boot 应用，并通过 Micrometer 库暴露指标给 Prometheus。

为什么选择 Micrometer？

Micrometer 是一个应用指标门面（Facade），类似于 SLF4J 之于日志。它提供了统一的 API，可以将指标发送到多种监控系统（包括 Prometheus、Datadog、InfluxDB 等）。Spring Boot 2.x 原生集成了 Micrometer，使得暴露 Prometheus 指标变得异常简单 🚀。

步骤 1：创建 Spring Boot 项目

你可以使用 Spring Initializr 快速生成项目。选择以下依赖：

• Spring Web
• Spring Boot Actuator
• Micrometer Registry Prometheus

或者，如果你熟悉 Maven，pom.xml 应包含：

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-actuator</artifactId>
    </dependency>
    <dependency>
        <groupId>io.micrometer</groupId>
        <artifactId>micrometer-registry-prometheus</artifactId>
        <scope>runtime</scope>
    </dependency>
</dependencies>

步骤 2：配置 Actuator 端点

Spring Boot Actuator 提供了生产就绪的功能，如健康检查、指标暴露等。我们需要启用 Prometheus 指标端点。

在 application.yml 中添加：

management:
  endpoints:
    web:
      exposure:
        include: health,info,prometheus  # 暴露这些端点
  endpoint:
    health:
      show-details: always
  metrics:
    tags:
      application: ${spring.application.name}

这里的关键是 management.endpoints.web.exposure.include，它明确指定了要暴露的 Web 端点。prometheus 端点会以 Prometheus 文本格式返回所有指标。

步骤 3：编写一个简单的 REST 控制器

创建一个控制器，用于模拟业务逻辑：

// src/main/java/com/example/demo/DemoController.java
package com.example.demo;

import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class DemoController {

    @GetMapping("/hello")
    public String hello(@RequestParam(defaultValue = "World") String name) {
        return "Hello, " + name + "!";
    }

    @GetMapping("/error")
    public String error() {
        throw new RuntimeException("Something went wrong!");
    }
}

步骤 4：自定义业务指标（可选）

除了自动收集的 JVM、HTTP 请求等指标，你可能还想跟踪特定业务逻辑。例如，统计某个操作的调用次数：

// src/main/java/com/example/demo/CustomMetricsService.java
package com.example.demo;

import io.micrometer.core.instrument.Counter;
import io.micrometer.core.instrument.MeterRegistry;
import org.springframework.stereotype.Service;

@Service
public class CustomMetricsService {

    private final Counter customCounter;

    public CustomMetricsService(MeterRegistry meterRegistry) {
        this.customCounter = Counter.builder("custom_business_operation_total")
                .description("Total number of custom business operations")
                .register(meterRegistry);
    }

    public void performOperation() {
        // 执行业务逻辑
        System.out.println("Performing a custom operation...");
        // 增加计数器
        customCounter.increment();
    }
}

然后在控制器中注入并使用：

@RestController
public class DemoController {

    private final CustomMetricsService customMetricsService;

    public DemoController(CustomMetricsService customMetricsService) {
        this.customMetricsService = customMetricsService;
    }

    @GetMapping("/custom")
    public String custom() {
        customMetricsService.performOperation();
        return "Custom operation performed!";
    }
}

步骤 5：运行 Java 应用

打包并运行应用（假设应用名为 demo）：

./mvnw clean package
java -jar target/demo-0.0.1-SNAPSHOT.jar

默认情况下，Spring Boot 应用运行在 8080 端口。访问 http://localhost:8080/actuator/prometheus，你应该能看到类似如下的文本输出：

# HELP jvm_memory_used_bytes The amount of used memory
# TYPE jvm_memory_used_bytes gauge
jvm_memory_used_bytes{area="heap",id="G1 Eden Space",} 1.2345678E7
...
# HELP http_server_requests_seconds Timer of HTTP server requests
# TYPE http_server_requests_seconds summary
http_server_requests_seconds_count{exception="None",method="GET",outcome="SUCCESS",status="200",uri="/hello",} 5.0
...
# HELP custom_business_operation_total Total number of custom business operations
# TYPE custom_business_operation_total counter
custom_business_operation_total 3.0

这就是 Prometheus 能理解的指标格式！🎉

步骤 6：配置 Prometheus 抓取 Java 应用

现在，我们需要告诉 Prometheus 去抓取这个 Java 应用的指标。编辑 Prometheus 配置文件：

sudo nano /etc/prometheus/prometheus.yml

在 scrape_configs 下添加一个新的 job：

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

  # 监控 Java 应用
  - job_name: 'java-app'
    static_configs:
      - targets: ['localhost:8080']  # 假设 Java 应用和 Prometheus 在同一台机器

⚠️ 注意：如果 Java 应用部署在另一台服务器上，请将 localhost 替换为该服务器的 IP 地址。

重新加载 Prometheus 配置（无需重启服务）：

sudo kill -HUP $(pgrep prometheus)

或者，更优雅的方式是使用 Prometheus 的热重载 API（需在启动时添加 --web.enable-lifecycle 参数，出于安全考虑默认禁用）。

回到 Prometheus Web UI，刷新 Status > Targets 页面。你应该能看到一个新的目标 java-app，状态为 UP。

现在，你可以在 Graph 页面查询 Java 应用的指标了！例如：

• http_server_requests_seconds_count：查看 HTTP 请求总数。
• jvm_memory_used_bytes：查看 JVM 内存使用情况。
• custom_business_operation_total：查看自定义业务操作计数。

深入理解 Prometheus 数据模型

为了更有效地使用 Prometheus，理解其核心数据模型至关重要。Prometheus 的所有数据都以**时间序列（Time Series）**的形式存储。

什么是时间序列？

一个时间序列由两部分组成：

1. 指标名称（Metric Name）：描述被测量的内容，如 http_requests_total。
2. 标签（Labels）：键值对，用于区分同一指标的不同维度，如 method="POST", status="200"。

例如，以下是一个完整的时间序列样本：

http_requests_total{method="POST", handler="/api/v1/create", status="201"} 42

• 指标名称：http_requests_total
• 标签：method="POST", handler="/api/v1/create", status="201"
• 值：42
• 时间戳：隐式存在（由 Prometheus 自动添加）

这种多维数据模型使得你可以轻松地进行切片（slicing）和切块（dicing）分析。例如，你可以查询：

• 所有 POST 请求的总数：sum(http_requests_total{method="POST"})
• 特定处理器的错误率：rate(http_requests_total{status=~"5.."}[5m]) / rate(http_requests_total[5m])

常见指标类型

Prometheus 客户端库（如 Micrometer）通常支持以下四种指标类型：

1. Counter（计数器）：单调递增的数值，用于累计事件次数（如请求总数、错误数）。不能减少。

   • 示例：http_requests_total
   • Java 代码：Counter counter = Counter.builder("my_counter").register(registry); counter.increment();

2. Gauge（仪表盘）：可任意增减的数值，用于表示瞬时值（如内存使用量、队列长度）。

   • 示例：jvm_memory_used_bytes
   • Java 代码：Gauge gauge = Gauge.builder("my_gauge", myObject, obj -> obj.getValue()).register(registry);

3. Histogram（直方图）：对观测值进行采样，并统计落入不同桶（buckets）的数量，同时记录总和与计数。常用于延迟、响应大小等。

   • 示例：http_request_duration_seconds_bucket
   • Java 代码：Timer timer = Timer.builder("my_timer").register(registry); timer.record(() -> doSomething());

4. Summary（摘要）：类似 Histogram，但直接在客户端计算分位数（如 P95, P99）。由于分位数无法在服务端聚合，通常推荐使用 Histogram。

   • 示例：较少见，因聚合问题不常用。

下图展示了 Prometheus 指标类型及其用途的对比：

配置告警规则

监控的价值不仅在于观察，更在于主动发现问题。Prometheus 通过 Alertmanager 组件实现告警管理，但告警规则本身是在 Prometheus 中定义的。

步骤 1：创建告警规则文件

在 /etc/prometheus/ 目录下创建 alert.rules.yml：

sudo nano /etc/prometheus/alert.rules.yml

添加一个简单的规则：当 Java 应用实例宕机超过 1 分钟时触发告警。

groups:
- name: example
  rules:
  - alert: InstanceDown
    expr: up == 0
    for: 1m
    labels:
      severity: critical
    annotations:
      summary: "Instance {{ $labels.instance }} down"
      description: "{{ $labels.instance }} of job {{ $labels.job }} has been down for more than 1 minute."

规则说明：

• expr：PromQL 表达式，up == 0 表示目标不可达。
• for：持续满足条件的时间，避免瞬时抖动导致误报。
• labels：附加到告警上的标签，可用于路由。
• annotations：告警的详细信息，{{ $labels.xxx }} 是模板变量。

步骤 2：在主配置中引用规则文件

编辑 /etc/prometheus/prometheus.yml，取消注释并修改 rule_files：

rule_files:
  - "alert.rules.yml"

重载配置：

sudo kill -HUP $(pgrep prometheus)

步骤 3：验证告警规则

在 Prometheus Web UI 中，点击 Alerts 菜单。你应该能看到 InstanceDown 规则，状态为 inactive（因为目标是 UP 的）。

为了测试，你可以临时停止 Java 应用：

# 假设 Java 应用 PID 为 12345
kill 12345

等待 1 分钟后刷新 Alerts 页面，状态应变为 pending，再过一会儿变为 firing。

🛑 注意：这只是告警规则的定义。要真正收到通知（如邮件、Slack），你需要部署并配置 Alertmanager，这超出了本文范围，但可参考 Alertmanager 官方文档。

可视化：Grafana 集成（简要介绍）

虽然 Prometheus 自带 Web UI，但 Grafana 提供了更强大、更美观的可视化能力。Grafana 原生支持 Prometheus 作为数据源。

快速集成步骤

1. 安装 Grafana：参考 Grafana 官方安装指南。
2. 添加数据源：在 Grafana 中，进入 Configuration > Data Sources，选择 Prometheus，填入 Prometheus 的 URL（如 http://localhost:9090）。
3. 导入仪表盘：Grafana 社区提供了大量现成的仪表盘模板。例如，搜索 JVM Micrometer Dashboard（ID: 4701），一键导入即可监控 Java 应用的 JVM、HTTP 请求等关键指标。

下图展示了典型的 Prometheus + Grafana + Java 应用监控架构：

最佳实践与常见问题

1. 配置管理

• 版本控制：将 prometheus.yml 和告警规则文件纳入 Git 等版本控制系统。
• 配置验证：使用 promtool check config /etc/prometheus/prometheus.yml 在部署前验证配置语法。

2. 性能与资源

• 存储：Prometheus 的本地存储不适合长期保留（默认 15 天）。对于长期存储，可考虑 Thanos、Cortex 或远程写入（Remote Write）到兼容的 TSDB。
• 抓取间隔：不要盲目设置过短的 scrape_interval，会增加目标和 Prometheus 的负载。15-60 秒通常是合理范围。

3. 安全

• 网络隔离：Prometheus 的 Web UI 和 API 默认无认证。在生产环境中，应通过反向代理（如 Nginx）添加 Basic Auth 或集成 OAuth。
• 最小权限：确保 Prometheus 运行用户只有必要权限。

4. 常见问题排查

• Target Down：检查目标是否可达（telnet <ip> <port>），防火墙是否开放，应用是否暴露了 /metrics 端点。
• No Data：在 Prometheus Graph 中查询 up，确认目标状态；检查应用日志是否有错误。
• 高内存使用：可能是查询过于复杂或数据量过大。使用 tsdb analyze 工具分析存储。

结语

通过本文的实操，你应该已经成功在 Linux 系统上部署了 Prometheus，并将其与一个 Java 应用集成，实现了从指标暴露、抓取到查询的完整监控闭环。这仅仅是 Prometheus 强大功能的冰山一角 🌊。

Prometheus 的学习曲线可能稍显陡峭，但其带来的价值——实时洞察系统健康状况、快速定位性能瓶颈、预防故障发生——是无可估量的。随着你对 PromQL 的熟练和对指标模型的深入理解，你将能构建出更加精细、智能的监控体系。

下一步，你可以探索：

• 使用 Service Discovery（如 Consul、Kubernetes）动态发现监控目标。
• 部署 Alertmanager 实现多渠道告警通知。
• 集成 Grafana 创建炫酷的业务监控大盘。
• 学习 Recording Rules 预计算复杂查询，提升查询性能。

监控不是目的，而是手段。真正的目标是构建一个可靠、高效、可观察的系统，让用户满意，让开发者安心。愿你在可观测性的道路上越走越远！🚀

📚 延伸阅读：

• Prometheus 官方文档
• Micrometer 官方文档
• Prometheus 最佳实践

---

🙌 感谢你读到这里！
🔍 技术之路没有捷径，但每一次阅读、思考和实践，都在悄悄拉近你与目标的距离。
💡 如果本文对你有帮助，不妨 👍 点赞、📌 收藏、📤 分享 给更多需要的朋友！
💬 欢迎在评论区留下你的想法、疑问或建议，我会一一回复，我们一起交流、共同成长 🌿
🔔 关注我，不错过下一篇干货！我们下期再见！✨