Go应用通过Prometheus客户端暴露指标，Prometheus抓取后由Grafana展示。首先在Go服务中引入prometheus/client_golang，注册Counter、Gauge、Histogram等指标并启用/metrics接口；接着配置Prometheus的scrape_configs定时拉取目标实例指标；最后在Grafana中添加Prometheus数据源，使用PromQL查询如rate(http_requests_total[5m])或histogram_quantile(0.95, rate(request_duration_seconds_bucket[5m]))，创建请求量、延迟等监控面板。还可导入模板ID 1860快速搭建仪表盘。完整链路为：Go暴露metrics → Prometheus采集存储 → Grafana可视化分析。
Go语言开发的服务如果需要做性能监控或业务指标观测，Grafana 是一个非常强大的可视化工具。它本身不采集数据，而是展示来自数据源（如 Prometheus、InfluxDB 等）的指标。要实现 Golang 应用的 Grafana 可视化监控，核心在于：暴露监控指标、选择合适的数据存储，并在 Grafana 中配置面板展示。
暴露 Go 应用的监控指标
使用 Prometheus 客户端库是目前最主流的方式。通过 prometheus/client_golang 包，你可以轻松地在 Go 服务中注册并暴露 metrics。
安装依赖：
go get github.com/prometheus/client_golang/prometheusgo get github.com/prometheus/client_golang/prometheus/promhttp在 HTTP 服务中添加 metrics 接口：
立即学习“go语言免费学习笔记（深入）”；
func main() { // 注册默认的 metrics 收集器 http.Handle("/metrics", promhttp.Handler())// 示例：自定义一个计数器
httpRequestsTotal := prometheus.NewCounter(
prometheus.CounterOpts{
Name: "http_requests_total",
Help: "Total number of HTTP requests",
},
)
prometheus.MustRegister(httpRequestsTotal)
// 模拟请求计数
http.HandleFunc("/", func(w http.ResponseWriter, r *http.Request) {
httpRequestsTotal.Inc()
w.Write([]byte("Hello World"))
})
http.ListenAndServe(":8080", nil) }
启动服务后访问 http://localhost:8080/metrics，可以看到类似如下输出：
# HELP http_requests_total Total number of HTTP requests # TYPE http_requests_total counter http_requests_total 5配置 Prometheus 抓取指标
Prometheus 负责定时从你的 Go 服务拉取 metrics 数据。你需要在 prometheus.yml 中配置 job：
确保 Prometheus 能访问到你的 Go 服务地址。启动 Prometheus 后，进入其 Web 界面（默认 9090 端口），在 “Status > Targets” 中确认目标状态为 UP，表示抓取正常。
在 Grafana 中接入 Prometheus 并创建仪表盘
安装并启动 Grafana（可通过 Docker 或系统包管理器安装），登录后（默认账号密码 admin/admin）进行以下操作：
- 进入 Configuration > Data Sources，添加 Prometheus 数据源，填入 Prometheus 的访问地址（如 http://localhost:9090）
- 保存并测试连接成功
- 点击 "+" 图标创建 Dashboard，添加 Panel
- 在 Query 编辑器中输入 PromQL 查询语句，例如：
rate(http_requests_total[5m])查看每秒请求数 - 设置图表类型（如折线图）、时间范围、刷新频率等
你还可以导入现成的模板，比如 Grafana 官方提供的 ID 为 1860 的 “Prometheus Stats” 面板，快速查看 Prometheus 自身及目标服务的基础指标。
扩展监控维度
除了计数器（Counter），你还可以使用：
- Gauge：记录可增可减的值，如内存使用量
- Histogram：统计分布，如请求延迟分布（histogram_quantile 可计算 P95/P99）
- Summary：类似 Histogram，适合精确分位数计算
例如监控请求耗时：
histogram := prometheus.NewHistogram(prometheus.HistogramOpts{ Name: "request_duration_seconds", Help: "HTTP request duration in seconds", Buckets: []float64{0.1, 0.3, 0.5, 1.0, 3.0}, }) prometheus.MustRegister(histogram)// 在 handler 中记录 timer := prometheus.NewTimer(histogram) defer timer.ObserveDuration()
在 Grafana 中使用 PromQL：histogram_quantile(0.95, rate(request_duration_seconds_bucket[5m])) 展示 P95 延迟。
基本上就这些。整个链路是：Go 应用暴露 metrics → Prometheus 抓取存储 → Grafana 查询展示。这套方案稳定、灵活，适合大多数 Go 微服务监控场景。关键是把指标设计好，后续可视化就很自然了。
