全链路监控的四部分：链路采集、指标采集、日志采集、深度分析
-
链路采集包括调用链和服务拓扑，是全链路分析的串联器。
-
指标采集整合到服务链路上，使全链路具备基础监控能力。
-
日志采集的数据源，也是全链路分析的数据源。
-
深度分析包括离线、在线模块，满足全链路的问题定位需求。
在微服务架构中，不同维度有不同的监控方式。
（1）健康检查。健康检查是对应用本身健康状况的监控，检查服务是否还正常存活。
（2）日志。日志是排查问题的主要方式，日志可以提供丰富的信息用于定位和解决问题。
（3）调用链监控。调用链监控可以完整的呈现出一次请求的全部信息，包括服务调用链路、所耗时间等。
（4）指标监控。指标是一些基于时间序列的离散数据点，通过聚合和计算后能反映出一些重要指标的趋势。
在上述4中监控方式中，健康检查是云平台等基础设施提供的能力，日志则一般有单独的日志中心进行日志的采集、存储、计算和查询，调用链监控一般也有独立的解决方案进行服务调用的埋点、采集、计算和查询。
指标监控采用，选择Prometheus的主要原因：
（1） 成熟的社区支撑。Prometheus是一个开源的监控软件，拥有活跃的社区，能够很好地与云原生环境搭配。
（2） 易于部署和运维。Prometheus核心只有一个二进制文件，没有其他的第三方依赖，部署运维均十分方便。
（3）采用Pull模型，通过HTTP的Pull方式从各个监控目标拉取监控数据。Push模型一般通过Agent方式去采集信息并推送到收集器中，每个服务的Agent都需要配置监控数据项与监控服务端的信息，在大量服务时会加大运维难度；另外，采用Push模型，在流量高峰期间监控服务端会同时接收到大量请求和数据，会给监控服务端造成很大压力，严重时甚至服务不可用。
（4）强大的数据模型。Prometheus采集到的监控数据均以指标的形式存在于内置的时序数据库中，除了基本的指标名称外，还支持自定义的标签。通过标签可以定义出丰富的维度，方便进行监控数据的聚合和计算。
（5）强大的查询语言PromQL。通过PromQL可以实现对监控数据的查询、聚合、可视化、告警。
（6）完善的生态。常见的操作系统、数据库、中间件、类库、编程语言，Prometheus都提供了接入方案，并且提供了Java/Golang/Ruby/Python等语言的客户端SDK，能够快速实现自定义的监控逻辑。
（7）高性能。Prometheus单一实例即可处理数以百计的监控指标，每秒处理数十万的数据，在数据采集和查询方面有着优异的性能表现。