4. Prometheus 与 Grafana 集成

Prometheus 作为云原生生态的事实标准监控系统，负责指标的采集、存储与告警计算；Grafana 则提供统一的可视化层。两者通过标准数据源协议集成，构成灰度发布准入调试中“数据驱动决策”的基石。本章将深入讲解从数据源配置到面板绑定的完整链路。

4.1 Prometheus 数据源配置

在 Grafana 中添加 Prometheus 数据源是集成的第一步。配置路径为 Configuration → Data Sources → Add data source → Prometheus。核心配置项如下表所示：

4.2 指标采集与存储机制

Prometheus 采用 拉（Pull）模式 采集指标，通过 scrape_config 定义目标端点。灰度发布场景下，通常需要为金丝雀实例和稳定实例分别添加标签以区分流量组。

以下是一个典型的采集配置片段，用于区分灰度组：

scrape_configs:
  - job_name: 'myapp-canary'
    kubernetes_sd_configs:
      - role: pod
    relabel_configs:
      - source_labels: [__meta_kubernetes_pod_label_release]
        regex: canary
        action: keep
      - source_labels: [__meta_kubernetes_pod_label_app]
        target_label: app
      - source_labels: [__meta_kubernetes_pod_label_release]
        target_label: release_group
  - job_name: 'myapp-stable'
    kubernetes_sd_configs:
      - role: pod
    relabel_configs:
      - source_labels: [__meta_kubernetes_pod_label_release]
        regex: stable
        action: keep
      - source_labels: [__meta_kubernetes_pod_label_app]
        target_label: app
      - source_labels: [__meta_kubernetes_pod_label_release]
        target_label: release_group

存储方面，Prometheus 使用本地 TSDB（时间序列数据库），默认保留 15 天。关键存储参数包括：

• --storage.tsdb.retention.time：数据保留时长，灰度发布调试建议保留 7~30 天。
• --storage.tsdb.retention.size：存储上限，避免磁盘写满。
• --storage.tsdb.path：数据目录，建议挂载独立持久卷。

4.3 PromQL 基础查询

PromQL（Prometheus Query Language）是 Grafana 面板与 Prometheus 交互的核心语言。灰度发布准入调试中，最常用的三类查询模式如下：

4.4 Grafana 面板绑定 Prometheus

面板绑定是将 PromQL 查询结果可视化的最后一步。在 Grafana 面板编辑器中，按以下步骤完成绑定：

1. 选择数据源：在面板右上角下拉框中选择已配置的 Prometheus 数据源。
2. 输入查询：在 Metrics 输入框中写入 PromQL 表达式，支持自动补全。
3. 设置 Legend 格式：使用 {{label_name}} 模板化图例，例如 {{release_group}} - {{instance}}。
4. 配置时间范围：面板右上角的时间选择器会覆盖 PromQL 中的时间参数。
5. 调整可视化类型：根据指标特性选择 Time series、Stat、Table 或 Bar gauge。

4.5 灰度发布场景的 PromQL 实战模式

在准入调试阶段，以下三种 PromQL 模式可直接用于面板绑定：

• 金丝雀 vs 稳定组对比：
  sum by (release_group) (rate(http_requests_total{job="myapp"}[5m])) — 在面板中通过图例区分两组流量。
• 错误率准入门禁：
  sum(rate(http_requests_total{status=~"5..", release_group="canary"}[5m])) / sum(rate(http_requests_total{release_group="canary"}[5m])) — 计算金丝雀 5xx 错误率。
• 延迟分位数监控：
  histogram_quantile(0.99, sum(rate(http_request_duration_seconds_bucket{release_group="canary"}[5m])) by (le)) — 展示 p99 延迟。