在之前的工作中，Prometheus和Grafana这两个工具被频繁使用，它们构成了系统监控的骨干。向这些工具中投入了大量的指标数据，如果没有这些工具，可能无法获得对软件性能问题/瓶颈的深刻洞察。这两个工具确实为提供了巨大的帮助。
但是，这些工具究竟是什么呢？
Prometheus是一个指标收集引擎，它内置了一种查询语言PromQL。Prometheus被设置为从应用程序中抓取指标。这是通过一个配置文件来实现的，可以设置这个文件来抓取选择的应用程序。可以在这里阅读入门指南：，以及查询基础：。
正如刚才提到的，可以配置Prometheus使用一个配置文件来抓取应用程序。这个文件叫做prometheus.yml，下面是一个示例，这个示例设置为抓取Prometheus自己的指标，以及运行在端口9000上的另一个应用程序。稍后会展示这个应用程序。
global:
scrape_interval: 15s
evaluation_interval: 15s
alerting:
alertmanagers:
- static_configs:
- targets:
- alertmanager:9093
rule_files:
- "first_rules.yml"
- "second_rules.yml"
scrape_configs:
- job_name: 'prometheus'
metrics_path: '/metrics'
scheme: 'http'
static_configs:
- targets:
- 'localhost:9090'
- 'localhost:9000'
假设已经设置了类似的东西，应该能够使用如下命令启动Prometheus：
prometheus.exe –config.file=prometheus.yml
然后可以导航到以下URL来测试Prometheus的设置：
http://localhost:9090/
这应该会显示类似于以下的内容。
从这里，可以尝试访问这个URL，它将显示一些内置的Prometheus指标：
http://localhost:9090/metrics
假设取其中一个指标，比如go_memstats_alloc_bytes，可以回到http://localhost:9090/并构建一个简单的图表。
正如刚才看到的，Prometheus提供了相当基础的图表功能。然而，Grafana提供了一种更丰富的图表设置方式，并且它内置了对Prometheus作为数据源的支持。可以从这里下载：。要启动Grafana，只需要启动bin\grafana-server.exe，但请确保也按照前一步所示运行了Prometheus。一旦同时运行了Prometheus和Grafana，可以从http://localhost:3000/启动Grafana UI。
然后可以在Grafana中将Prometheus添加为数据源，操作步骤如下：
一旦完成了这个步骤，可以将注意力转向添加一个新的图表，这可以通过使用“添加查询”按钮来完成。
如果继续使用Prometheus内置的指标作为示例，可以使用go_memstats_alloc_bytes，并添加一个新的面板，使用“添加查询”按钮，可以输入以下指标：
go_memstats_alloc_bytes{instance="localhost:9090",job="prometheus"}
一旦配置完成，应该会看到一个漂亮的小图表，类似于这样：
不会详细介绍如何在Grafana中创建图表的每一个选项，但可以告诉一个非常有用的特性，那就是能够获取一个图表的JSON表示，并用它来创建其他图表。或者也可以复制这个图表，这两个操作都可以通过使用图表顶部的下拉菜单来完成。
这将节省很多时间，当尝试创建自己的面板时。
还想花一点时间谈谈Grafana和Prometheus中的标签。标签允许将项目组合在一个图表上，但根据标签值以某种方式区分它们。例如，假设想要监控某个API的GET和PUT的数量，可以有一个单一的指标，但可以以某种方式应用一些标签值。将在下一节中看到如何使用自己的.NET代码来实现这一点，但目前这就是可以用标签得到的东西。
这个设置类似于Grafana中的这样：
将在下一节中看到如何做到这一点的。
在自己.NET代码中使用Prometheus实际上是相当简单的，这要归功于Prometheus.NET，这是一个很好的Nuget包，可以在提供的链接中阅读更多：。一旦安装了Nuget，只需要设置想要的指标，并将应用程序添加到Prometheus抓取的应用程序列表中，就像在文章开头的Yaml文件中看到的那样。本质上，Prometheus.NET会在选择的端口上暴露一个web服务器，然后可以配置它被抓取。
让看一个配置指标的示例。将使用一个Gauge类型，这是一个可以上升和下降的指标。还将使用标签，这就是驱动上面图表的原因。
using Prometheus;
using System;
using System.Threading;
namespace PrometheusDemo
{
class Program
{
private static readonly Gauge _gauge =
Metrics.CreateGauge(
"sampleapp_ticks_total",
"Just keeps on ticking",
new string[1] { "operation" });
private static double _gaugeValue = 0;
private static Random _rand = new Random();
static void Main(string[] args)
{
var server = new MetricServer(hostname: "localhost", port: 9000);
server.Start();
while (true)
{
if (_gaugeValue > 100)
{
_gaugeValue = 0;
_gauge.Set(0);
}
_gaugeValue = _gaugeValue + 1;
if (_rand.NextDouble() > 0.5)
{
_gauge.WithLabels("PUT").Set(_gaugeValue);
}
else
{
_gauge.WithLabels("GET").Set(_gaugeValue);
}
Console.WriteLine($"Setting gauge value to {_gaugeValue}");
Thread.Sleep(TimeSpan.FromSeconds(1));
}
Console.ReadLine();
}
}
}
这就是整个列表，这足以让暴露一个带有2个标签的单个指标sampleapp_ticks_total：
POST GET