答案：通过中间件记录请求路径、耗时和状态码，结合原子操作统计请求数与错误数，使用Prometheus客户端库注册指标并暴露/metrics接口，实现请求监控与可视化分析。
在Go语言开发中，实现简单的请求统计与监控可以帮助我们了解服务的运行状态，比如每秒请求数、响应时间、错误率等。这类功能不需要引入复杂的监控系统也能快速落地，尤其适合中小型项目或初期阶段的服务。
使用中间件记录请求基础指标
最直接的方式是在HTTP服务中通过中间件来收集每个请求的信息。Go的net/http包支持中间件模式，可以在不修改业务逻辑的前提下完成数据采集。
定义一个简单的中间件，记录请求路径、耗时、状态码：
func MetricsMiddleware(next http.Handler) http.Handler {
return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
start := time.Now()
// 使用包装的ResponseWriter捕获状态码
rw := &responseWriter{ResponseWriter: w, statusCode: 200}
next.ServeHTTP(rw, r)
duration := time.Since(start)
// 打印日志或发送到指标系统
log.Printf("method=%s path=%s status=%d duration=%v",
r.Method, r.URL.Path, rw.statusCode, duration)
// 可以在这里累计指标：如QPS、延迟分布等
recordRequest(r.URL.Path, duration, rw.statusCode)
})}
立即学习“go语言免费学习笔记（深入）”；
type responseWriter struct {
http.ResponseWriter
statusCode int
}
func (rw *responseWriter) WriteHeader(code int) {
rw.statusCode = code
rw.ResponseWriter.WriteHeader(code)
}
这个中间件可以嵌入到任何标准的http.Handle或http.HandleFunc之前，例如：
http.Handle("/api/", MetricsMiddleware(http.HandlerFunc(apiHandler)))
使用内存变量进行简单计数
如果只是想统计总请求数、成功/失败次数，可以用sync.Atomic操作保证并发安全。
示例：统计总请求数和错误数
var (
totalRequests int64
errorRequests int64
)
func incrementTotal() {
atomic.AddInt64(&totalRequests, 1)
}
func incrementError() {
atomic.AddInt64(&errorRequests, 1)
}
// 暴露一个/metrics接口输出当前数据
func metricsHandler(w http.ResponseWriter, r *http.Request) {
fmt.Fprintf(w, "total_requests %d\n", atomic.LoadInt64(&totalRequests))
fmt.Fprintf(w, "error_requests %d\n", atomic.LoadInt64(&errorRequests))
}
将metricsHandler注册为/metrics路由，就可以用curl或Prometheus抓取。
结合Prometheus实现可视化监控
虽然上面的方法能记录数据，但要图形化展示还需要更规范的格式。Prometheus是常用的开源监控系统，Go官方提供了客户端库prometheus/client_golang。
步骤如下：
- 导入依赖：github.com/prometheus/client_golang/prometheus 和 github.com/prometheus/client_golang/prometheus/promhttp
- 注册自定义指标
var (
httpRequestsTotal = prometheus.NewCounterVec(
prometheus.CounterOpts{
Name: "http_requests_total",
Help: "Total number of HTTP requests.",
},
[]string{"path", "method", "status"},
)
httpRequestDuration = prometheus.NewHistogramVec(
prometheus.HistogramOpts{
Name: "http_request_duration_seconds",
Help: "Histogram of request latencies.",
Buckets: []float64{0.1, 0.3, 0.5, 1.0, 3.0},
},
[]string{"path"},
))
func init() {
prometheus.MustRegister(httpRequestsTotal)
prometheus.MustRegister(httpRequestDuration)
}
在中间件中更新这些指标：
httpRequestsTotal.WithLabelValues(r.URL.Path, r.Method, fmt.Sprintf("%d", rw.statusCode)).Inc()
httpRequestDuration.WithLabelValues(r.URL.Path).Observe(duration.Seconds())
然后暴露Prometheus标准接口：
http.Handle("/metrics", promhttp.Handler())
启动服务后，访问/metrics即可看到符合Prometheus格式的数据，可用于Grafana展示或Alertmanager告警。
定时输出统计摘要
除了暴露指标接口，也可以每隔一段时间打印一次统计摘要，便于本地调试。
例如每10秒输出一次QPS和平均延迟：
go func() {
ticker := time.NewTicker(10 * time.Second)
var lastCount int64
for range ticker.C {
current := atomic.LoadInt64(&totalRequests)
qps := (current - lastCount) / 10
log.Printf("QPS: %d, Total Requests: %d", qps, current)
lastCount = current
}}()
这种方式轻量，适合资源受限环境。
基本上就这些。从中间件采集、原子计数到对接Prometheus，你可以根据项目复杂度选择合适方案。核心思路是：拦截请求 → 记录数据 → 暴露出口 → 可视化分析。不复杂但容易忽略的是并发安全和指标命名规范。
