📚 课程目录第3章 Prometheus数据源

3. Prometheus 数据源：安装与配置、指标抓取、PromQL 基础查询

Prometheus 是 Grafana 最核心的时序数据源之一，也是灰度发布准入面板中实时流量、错误率、延迟等指标的主要来源。本章将围绕 Prometheus 的本地安装、数据源配置、指标抓取机制以及 PromQL 基础查询展开，为后续面板开发打下数据基础。

3.1 Prometheus 安装与启动

在开发环境中，推荐使用 Docker 快速部署 Prometheus 实例。以下为标准的启动流程：

拉取镜像：docker pull prom/prometheus:latest
准备配置文件：创建 prometheus.yml，定义全局配置与抓取目标。
启动容器：将配置文件挂载至容器内 /etc/prometheus/ 目录。
验证运行：访问 http://localhost:9090 确认 Prometheus UI 正常加载。

快速启动命令示例：

docker run -d \
  --name prometheus \
  -p 9090:9090 \
  -v $(pwd)/prometheus.yml:/etc/prometheus/prometheus.yml \
  prom/prometheus:latest

3.2 数据源配置（Grafana 侧）

Prometheus 运行后，需在 Grafana 中将其添加为数据源。配置路径为 Configuration → Data Sources → Add data source → Prometheus。关键配置项如下：

配置项	说明	推荐值
Name	数据源名称，用于面板中引用	`Prometheus`
URL	Prometheus HTTP API 地址	`http://localhost:9090`
Access	访问模式，Browser 或 Server	`Server`（推荐）
Scrape interval	Grafana 默认查询步长	`15s`
Timeout	查询超时时间	`30s`

提示： 若 Grafana 与 Prometheus 部署在同一 Docker 网络，URL 可使用容器名称代替 localhost，例如 http://prometheus:9090。

3.3 指标抓取机制

Prometheus 通过 Pull 模型 主动从目标端点抓取指标。每个目标需暴露 /metrics 端点，返回符合 Prometheus 格式的文本数据。抓取配置在 prometheus.yml 的 scrape_configs 块中定义。

以下为灰度发布场景中常见的抓取配置示例：

scrape_configs:
  - job_name: 'gray-release-app'
    scrape_interval: 10s
    metrics_path: '/metrics'
    static_configs:
      - targets:
        - 'app-canary:8080'
        - 'app-stable:8080'
        labels:
          group: 'gray-release'
  - job_name: 'envoy-stats'
    scrape_interval: 15s
    metrics_path: '/stats/prometheus'
    static_configs:
      - targets:
        - 'envoy-admin:9901'

注意： 灰度发布场景中，务必为金丝雀（canary）和稳定（stable）实例添加区分标签（如 version、group），以便在 PromQL 中按版本聚合对比。

3.4 PromQL 基础查询

PromQL（Prometheus Query Language）是 Grafana 面板中查询时序数据的核心语言。以下为灰度发布面板中最常用的 PromQL 模式：

3.4.1 即时查询与范围查询

查询类型	语法示例	返回结果
即时向量	`http_requests_total{version="canary"}`	当前最新值
范围向量	`http_requests_total{version="canary"}[5m]`	过去 5 分钟所有样本
速率计算	`rate(http_requests_total{version="canary"}[1m])`	每秒请求增长率

3.4.2 灰度发布常用 PromQL 模式

金丝雀 vs 稳定流量对比：
sum(rate(http_requests_total{version="canary"}[1m])) / sum(rate(http_requests_total{version="stable"}[1m]))
错误率计算：
sum(rate(http_requests_total{status=~"5..", version="canary"}[1m])) / sum(rate(http_requests_total{version="canary"}[1m])) * 100
P99 延迟：
histogram_quantile(0.99, sum(rate(http_request_duration_seconds_bucket{version="canary"}[5m])) by (le))

  关键概念： 在 Grafana 面板中，PromQL 查询通常配合 模板变量（如 $version、$app）使用，实现动态切换金丝雀/稳定版本。

3.5 数据源验证与调试

完成配置后，在 Grafana 数据源设置页点击 Save & Test，若返回绿色提示 "Data source is working" 则表示连接成功。常见问题排查：

连接超时：检查 Grafana 与 Prometheus 之间的网络连通性，确认 URL 协议（http/https）与端口正确。
无数据返回：在 Prometheus UI 的 Graph 页面手动执行 up 查询，确认目标是否处于 1（正常）状态。
标签不匹配：在 PromQL 中使用 {__name__=~".*"} 列出所有指标，检查标签键名是否与面板模板变量一致。

调试技巧： 在 Grafana 面板的 Query 编辑器中，使用 Query Inspector 功能查看原始请求与响应，快速定位 PromQL 语法错误或数据格式问题。