运维人员, 需要监控机器的 CPU、内存、硬盘的使用情况，以此来保证运行在机器上的应用的稳定性。
研发人员, 他们关注某个异常指标的变化情况，从而来保证业务的稳定运行。
产品或运营，他们更关心产品层面的事情，例如：某个活动参加人数的增长情况，活动积分的发放情况
所以弄清楚此时此刻系统的运行是否正常, 各项业务指标是否超过阈值, 就需要一套数据监控解决方案。它能让你随时掌控系统的运行状态，快速定位出现问题的位置，快速排除故障

当然, 对于流量不是很大的系统来说，出现几分钟的故障可能造成不了多少损失。但是对于像淘宝、美团、字节跳动这样的巨无霸来说，宕机 1 分钟损失的金额可能就是几百万

特性

多维数据模型，其中包含由指标名称和键/值对标识的时间序列数据
PromQL，一种灵活的查询语言,表现力/内置统计函数强大
不依赖分布式存储；单服务器节点是自治的
时间序列收集通过HTTP上的pull模型进行
通过中间网关支持推送（push）时间序列
通过服务发现或静态配置发现目标
支持多种模式的图形和仪表盘
Golang 实现，运行速度快
支持对云的或容器的监控
属于一站式监控告警平台，依赖少，功能齐全
低成本

简单使用

SpringBoot配置

引入依赖

        <!-- spring-boot-actuator依赖,监控系统健康情况的工具 -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-actuator</artifactId>
        </dependency>
        <!-- prometheus依赖 -->
        <dependency>
            <groupId>io.micrometer</groupId>
            <artifactId>micrometer-registry-prometheus</artifactId>
            <version>1.6.12</version>
        </dependency>
        <!--micrometer核心包, 按需引入, 使用Meter注解或手动埋点时需要-->
        <dependency>
            <groupId>io.micrometer</groupId>
            <artifactId>micrometer-core</artifactId>
            <version>1.6.12</version>
        </dependency>
        <!--micrometer获取JVM相关信息, 并展示在Grafana上, 按需引入-->
        <dependency>
            <groupId>io.github.mweirauch</groupId>
            <artifactId>micrometer-jvm-extras</artifactId>
            <version>0.2.2</version>
        </dependency>

配置文件application.properties

management.endpoints.web.exposure.include=*
management.metrics.export.simple.enabled=true
management.metrics.export.jmx.enabled=true
# 默认使用项目端口, 可单独指定
management.server.port=9003
management.endpoints.web.base-path=/actuator
management.metrics.tags.application=${spring.application.name}
management.metrics.tags.tag=${spring.application.name}
management.metrics.export.prometheus.enabled=true
management.metrics.distribution.percentiles-histogram.http.server.requests= false
management.metrics.distribution.minimum-expected-value.http.server.requests= 20ms
management.metrics.distribution.maximum-expected-value.http.server.requests= 200ms
management.endpoint.metrics.enabled=true
management.endpoint.health.show-details=always
management.endpoint.health.probes.enabled=true
management.endpoint.prometheus.enabled=true

include=* 配置为开启 Actuator 服务，Spring Boot Actuator 自带了一个/actuator/Prometheus 的监控端点供给Prometheus 抓取数据。不过默认该服务是关闭的，所以，使用该配置将打开所有的 Actuator 服务

启动

访问http://127.0.0.1:9003/actuator/prometheus

Spring Boot Actuator 默认的端点很多，详见

Spring Boot Actuator: Production-ready Features

应用添加到Prometheus

下载

前面Spring Boot应用已经启动成功，并暴露了/actuator/Prometheus的监控端点。接下来我们将此应用添加到Prometheus。

Windows下载安装Prometheus_prometheus安装windows_瑶山的博客-CSDN博客

配置

修改Prometheus配置文件prometheus.yml

  # 采集SpringBoot监控数据
  - job_name: 'prometheusapp'
    metrics_path: '/actuator/prometheus'
    static_configs:
      - targets: ['localhost:9003']

完整配置

# my global config
global:
  scrape_interval: 15s # Set the scrape interval to every 15 seconds. Default is every 1 minute.
  evaluation_interval: 15s # Evaluate rules every 15 seconds. The default is every 1 minute.
  # scrape_timeout is set to the global default (10s).

# Alertmanager configuration
alerting:
  alertmanagers:
    - static_configs:
        - targets:
          # - alertmanager:9093

# Load rules once and periodically evaluate them according to the global 'evaluation_interval'.
rule_files:
  # - "first_rules.yml"
  # - "second_rules.yml"

# A scrape configuration containing exactly one endpoint to scrape:
# Here it's Prometheus itself.
scrape_configs:
  # The job name is added as a label `job=<job_name>` to any timeseries scraped from this config.
  - job_name: "prometheus"

    # metrics_path defaults to '/metrics'
    # scheme defaults to 'http'.

    static_configs:
      - targets: ["localhost:9090"]

  # 采集SpringBoot监控数据
  - job_name: 'prometheusapp'
    metrics_path: '/actuator/prometheus'
    static_configs:
      - targets: ['localhost:9003']