跳转至

prometheus 3.6.0-rc.0 / 2025-08-12

为什么要使用Prometheus

在数据驱动的时代，你是否曾陷入这样的困境：服务器突然宕机却无人预警，用户体验断崖式下跌却后知后觉，传统监控工具像一座座孤岛，数据碎片化让你在故障排查中疲于奔命？Prometheus正是为解决这些痛点而生——它不仅是监控工具，更是现代分布式系统的“预言家”。它以多维数据模型和灵活的查询语言，将混沌的指标数据转化为清晰的业务洞察，让你在问题发生前捕捉蛛丝马迹。当其他监控方案还在复杂配置中挣扎时，Prometheus已用单二进制部署、自发现机制和强大的社区生态，重新定义了监控的敏捷性与可靠性。

Prometheus是什么

Prometheus是一款开源的系统监控与警报工具包，最初由SoundCloud开发，现已成为云原生计算基金会的顶级项目。它的核心是一个时序数据库，通过拉取（Pull）模式从目标收集指标，并支持多维数据查询（PromQL）和可视化。简单来说，它像是系统的“体检医生”，持续测量应用性能、资源使用等指标，并通过仪表盘（如Grafana）和警报规则帮你快速发现问题。

入门示例

假设你运营一个电商网站，需要监控订单服务的延迟和错误率。以下是典型实现步骤：

  1. 暴露指标：在订单服务的Go代码中集成Prometheus客户端库，添加如下代码片段： 

    import (
    "net/http"
    "github.com/prometheus/client_golang/prometheus/promhttp"
)
func main() {
    http.Handle("/metrics", promhttp.Handler())
    http.ListenAndServe(":8080", nil)
}

  2. 配置抓取：在Prometheus配置文件中定义抓取目标： 

    scrape_configs:
  - job_name: "order-service"
    static_configs:
      - targets: ["orders:8080"]

  3. 编写查询：在Prometheus界面中使用PromQL分析数据：

  4. 计算每分钟错误请求率：rate(http_requests_total{status="500"}[1m])

  5. 获取P99延迟：histogram_quantile(0.99, rate(http_request_duration_seconds_bucket[5m]))

  6. 设置警报：当错误率持续超过1%时触发告警： 

    groups:
- name: order-service-alerts
  rules:
  - alert: HighErrorRate
    expr: rate(http_requests_total{status="500"}[5m]) > 0.01
    for: 10m

Prometheus 3.6.0-rc.0版本更新

2025-08-12发布的3.6.0-rc.0版本主要更新包括：
1. 新增PromQL函数step()及持续时间类型的min()/max()运算（需启用功能标志）。
2. API新增/v1/status/tsdb/blocks端点用于查看数据块元数据。
3. 模板系统增加toDuration()和now()函数支持。
4. OTLP集成增强，支持新的转义策略和范围元数据标签。
5. 修复了查询优化导致的数值误差及原生直方图处理问题。

更新日志

  • 功能 PromQL：在功能标志promql-duration-expr后新增step()函数及持续时间的min()/max()运算。
  • 功能 API：新增/v1/status/tsdb/blocks端点，用于暴露已加载数据块的元数据。
  • 功能 模板：新增toDuration()和now()函数。
  • 增强 服务发现：支持向目标附加命名空间元数据。
  • 增强 OTLP：通过otlp.translation_strategy支持新的UnderscoreEscapingWithoutSuffixes策略。
  • 增强 OTLP：通过otlp.promote_scope_metadata支持将范围元数据作为指标标签。
  • 增强 OTLP：启用功能标志type-and-unit-labels时添加__type__和__unit__标签。
  • 增强 追踪：在抓取期间发送traceparent HTTP头。
  • 增强 UI：在“查询页面设置”中增加禁用查询信息和警告的选项。
  • 增强 UI：改进对_count/_sum/_bucket后缀的元数据处理。
  • 性能 PromQL：通过内部优化提升性能。
  • 修复 配置：修复配置验证期间产生的“未知全局名称转义方法”错误消息。
  • 修复 服务发现：修复关闭期间的竞态条件。
  • 修复 OTLP：在每个资源的最早和最晚样本之间生成target_info样本。
  • 修复 PromQL：当NaN作为参数传递给topk()、bottomk()、limitk()和limit_ratio()时失败。
  • 修复 PromQL：修复原生计数器直方图的外推计算。
  • 修复 PromQL：通过禁用某些优化减少数值误差。
  • 修复 PromQL：修复在子查询中使用原生直方图时的不一致问题。
  • 修复 PromQL：修复启用功能标志type-and-unit-labels时直方图的rate()和increase()注解不一致问题。
  • 修复 抓取：修复slicelabels构建中的内存损坏问题。
  • 修复 TSDB：修复启用功能标志created-timestamp-zero-ingestion时追加数据导致的恐慌。
  • 修复 TSDB：修复追加空桶原生直方图数据时的恐慌问题。

总结

本次更新聚焦于查询语言增强、OTLP集成优化与稳定性提升，新增多项数据查询与处理能力，同时修复了底层存储、查询计算及数据抓取中的关键问题，进一步强化了监控数据的准确性与系统可靠性。