python应用暴露自定义指标到prometheus的核心是使用prometheus-client库，1. 安装库：pip install prometheus_client；2. 定义指标类型：包括counter（计数器，仅增）、gauge（计量器，可增减）、summary（摘要，客户端计算分位数）和histogram（直方图，服务端计算分位数）；3. 使用标签（labels）增加维度，但需避免高基数标签（如用户id、请求id）以防止性能问题；4. 通过start_http_server(端口)启动http服务，在/metrics路径暴露指标；5. 对于短生命周期任务，使用pushgateway推送指标而非拉取模式；6. 遵循命名规范（如snake_case、_total结尾、含单位）并提供清晰描述。此外，可构建自定义exporter监控第三方系统，或结合web框架中间件实现自动化指标采集，所有方案均基于prometheus-client实现。
在Python中操作Prometheus，最直接也最常用的方式就是利用官方提供的
prometheus-client库。它允许你从Python应用程序中轻松地暴露各种指标，供Prometheus服务器进行抓取。这个库提供了创建、更新不同类型指标的API，并且能启动一个简单的HTTP服务器来暴露这些指标。
解决方案
要开始用Python暴露Prometheus指标，首先你需要安装
prometheus-client库：
pip install prometheus_client
然后，在你的Python应用中，你可以定义不同类型的指标，并更新它们的值。一个典型的设置会是这样：
立即学习“Python免费学习笔记（深入）”；
from prometheus_client import start_http_server, Counter, Gauge, Summary, Histogram
import random
import time
# 定义一个计数器，用于统计请求总数
REQUEST_COUNT = Counter('my_app_requests_total', 'Total number of requests to my application.')
# 定义一个计量器，用于实时显示某个值（比如当前活跃用户数）
ACTIVE_USERS = Gauge('my_app_active_users', 'Current number of active users.')
# 定义一个摘要，用于记录请求处理时间，提供分位数信息
REQUEST_LATENCY_SECONDS = Summary('my_app_request_latency_seconds', 'Request latency in seconds.')
# 定义一个直方图，也用于记录请求处理时间，但提供可配置的桶
REQUEST_DURATION_HISTOGRAM = Histogram('my_app_request_duration_seconds', 'Request duration in seconds histogram.')
def process_request():
"""模拟一个处理请求的函数"""
REQUEST_COUNT.inc() # 每次调用，计数器加1
# 随机模拟处理时间
processing_time = random.uniform(0.01, 0.5)
time.sleep(processing_time)
# 更新摘要和直方图
REQUEST_LATENCY_SECONDS.observe(processing_time)
REQUEST_DURATION_HISTOGRAM.observe(processing_time)
# 模拟活跃用户数变化
if random.random() < 0.5:
ACTIVE_USERS.inc()
else:
ACTIVE_USERS.dec()
if __name__ == '__main__':
# 启动一个HTTP服务器，在端口8000暴露指标
# 注意：这通常在一个单独的线程中运行，不会阻塞主应用逻辑
start_http_server(8000)
print("Prometheus metrics server started on port 8000")
# 模拟主应用逻辑持续运行
while True:
process_request()
time.sleep(0.1) # 模拟请求间隔这段代码展示了如何初始化不同类型的指标，并在一个模拟的业务逻辑中更新它们。
start_http_server(8000)会启动一个轻量级的HTTP服务，在
http://localhost:8000/metrics路径下暴露这些指标，Prometheus服务器就可以配置来抓取这个端点。
Python应用如何暴露自定义指标到Prometheus？
当我们在谈论Python应用如何暴露自定义指标时，核心其实就是利用
prometheus-client提供的四种基本指标类型：
Counter（计数器）、
Gauge（计量器）、
Summary（摘要）和
Histogram（直方图）。理解它们各自的用途是关键。
Counter是最简单的，它只能增加，不能减少。我通常用它来记录那些只会单向增长的事件，比如总的请求次数、错误发生的次数。一旦定义，你只需要调用
.inc()（默认加1）或者
.inc(amount)来增加它的值。我个人觉得，对于任何“总量”性质的统计，
Counter都是首选。
Gauge则不同，它能增能减，能设任意值。这让它非常适合表示那些可以上下波动的量，比如当前的CPU使用率、内存占用、队列长度，甚至是活跃的用户数。你可以用
.inc()、
.dec()、
.set(value)来操作它。有时候，我甚至会用它来暴露一些配置参数，虽然这不是它的主要设计目的，但确实能帮助调试。
Summary和
Histogram都用于测量事件的持续时间或大小分布。它们之间的区别，我简单理解就是：
Summary给你的是分位数（比如P99、P95），并且它会计算总和和总数；而
Histogram则将数据放入预定义的桶中，然后你可以通过这些桶来推断分位数，同时也能计算总和和总数。选择哪个，很大程度上取决于你对数据精度的要求以及后续查询的习惯。
Summary在客户端计算分位数，对于高基数（label组合多）的场景，可能会消耗更多客户端资源。
Histogram则在服务器端（Prometheus）计算分位数，通过
histogram_quantile函数，这在处理大量数据时通常更灵活，也更适合聚合。对我而言，如果对精确分位数要求高，或者数据范围变化大，我更倾向于使用
Histogram，因为它提供了更细粒度的控制，可以自定义桶的边界。
在实际操作中，指标的命名规范也非常重要。Prometheus社区有一些约定俗成的规则，比如使用
snake_case，以
_total结尾表示计数器，包含单位（如
_seconds，
_bytes）。良好的命名习惯不仅让你的指标更易读，也能让其他人更容易理解你的系统状态。
from prometheus_client import Counter, Gauge, Summary, Histogram, generate_latest
from http.server import BaseHTTPRequestHandler, HTTPServer
import time
import random
# 带标签的计数器，可以按不同的HTTP方法统计
HTTP_REQUESTS_TOTAL = Counter(
'http_requests_total',
'Total HTTP requests received',
['method', 'endpoint'] # 定义标签
)
# 计量器，用于表示一个瞬时值，例如缓存命中率
CACHE_HIT_RATIO = Gauge('cache_hit_ratio', 'Current cache hit ratio')
# 直方图，用于记录API响应时间，并自定义桶
API_RESPONSE_TIME_SECONDS = Histogram(
'api_response_time_seconds',
'API response time in seconds',
buckets=[0.005, 0.01, 0.025, 0.05, 0.1, 0.25, 0.5, 1.0, 2.5, 5.0, 10.0, float('inf')]
)
class MetricsHandler(BaseHTTPRequestHandler):
def do_GET(self):
if self.path == '/metrics':
self.send_response(200)
self.send_header('Content-type', 'text/plain; version=0.0.4; charset=utf-8')
self.end_headers()
self.wfile.write(generate_latest()) # 获取所有注册的指标数据
else:
self.send_response(404)
self.end_headers()
def run_mock_api():
"""模拟一个带指标更新的API服务"""
while True:
method = random.choice(['GET', 'POST', 'PUT'])
endpoint = random.choice(['/users', '/products', '/orders'])
# 更新计数器，带标签
HTTP_REQUESTS_TOTAL.labels(method=method, endpoint=endpoint).inc()
# 模拟API处理时间
response_time = random.uniform(0.01, 1.0)
API_RESPONSE_TIME_SECONDS.observe(response_time)
# 随机更新缓存命中率
CACHE_HIT_RATIO.set(random.uniform(0.7, 0.99))
time.sleep(random.uniform(0.1, 0.5))
if __name__ == '__main__':
# 在单独的线程中启动HTTP服务器
from threading import Thread
metrics_server_thread = Thread(target=lambda: HTTPServer(('0.0.0.0', 8000), MetricsHandler).serve_forever())
metrics_server_thread.daemon = True # 设置为守护线程，主程序退出时自动退出
metrics_server_thread.start()
print("Metrics server running on http://localhost:8000/metrics")
# 运行模拟API
run_mock_api()
这段代码展示了如何使用标签（labels）来增加指标的维度，这在Prometheus中非常强大，可以让你根据不同的维度（比如HTTP方法、API端点）来切分和聚合数据。同时，也展示了如何自定义
Histogram的桶，以及手动设置HTTP服务器来暴露指标，这在某些更复杂的场景下可能会用到。
采集Python应用指标时有哪些常见陷阱和优化建议？
在使用
prometheus-client来暴露Python应用的指标时，确实会遇到一些小坑，或者说，有一些地方需要我们特别注意，才能让监控系统既高效又实用。我个人在实践中总结了几点：
首先，最常见的陷阱就是高基数（High Cardinality）问题。如果你在指标的标签中使用了像用户ID、请求ID、会话ID或者时间戳这类非常动态且唯一的值，那么Prometheus在存储和查询这些指标时会面临巨大的压力。每一个独特的标签组合都会被视为一个新的时间序列。想象一下，如果你的应用每秒处理数千个请求，每个请求都有一个唯一的ID作为标签，那Prometheus的存储空间很快就会爆炸，查询也会变得异常缓慢。我记得有一次，我们不小心把一个日志ID加到了某个核心指标的标签里，结果不到半天，Prometheus的磁盘使用率就飙升了。所以，我的建议是：对标签的设计要非常谨慎，只使用那些具有业务意义且基数有限的维度，比如HTTP方法、状态码、API路径（但要避免包含动态参数的路径）、服务版本、部署区域等。
其次，是关于指标更新的频率与性能。虽然
prometheus-client本身设计得很高效，但如果你在非常热的代码路径（比如每个微秒都在执行的循环里）频繁地更新大量指标，这仍然可能对应用本身的性能造成轻微影响。通常，这并不是一个大问题，因为Python的GIL（全局解释器锁）会限制并发，而且指标更新操作本身很快。但如果你的应用对延迟极其敏感，或者指标数量真的非常庞大，你可能需要考虑批量更新，或者只在关键路径上进行更新。不过，说实话，对于大多数Web应用和后台服务，这种性能开销通常可以忽略不计。
再来就是短生命周期任务的指标暴露。
prometheus-client默认是启动一个HTTP服务器，等待Prometheus来抓取。但如果你的Python脚本是一个短生命周期的任务（比如一个定时脚本，运行几秒钟就结束了），Prometheus可能还没来得及抓取，你的脚本就已经退出了。这种情况下，传统的拉取模式就不太适用。解决方案通常是使用Prometheus Pushgateway。你的Python脚本可以将指标推送到Pushgateway，然后Prometheus从Pushgateway抓取。这为短生命周期任务提供了一个非常优雅的监控方式。
from prometheus_client import push_to_gateway, Counter
import random
import time
# 定义一个计数器
BATCH_JOB_RUNS_TOTAL = Counter('batch_job_runs_total', 'Total runs of the batch job.')
BATCH_JOB_FAILURES_TOTAL = Counter('batch_job_failures_total', 'Total failures of the batch job.')
def run_batch_job():
"""模拟一个批处理任务"""
BATCH_JOB_RUNS_TOTAL.inc()
print("Batch job started...")
# 模拟任务执行时间
time.sleep(random.uniform(1, 5))
if random.random() < 0.2: # 20% 失败率
BATCH_JOB_FAILURES_TOTAL.inc()
print("Batch job failed!")
else:
print("Batch job completed successfully.")
# 任务结束后，将指标推送到Pushgateway
# job参数是必须的，用于标识这个批处理任务
# 可以添加分组键（groupingkey）来进一步区分，比如按实例ID
push_to_gateway('localhost:9091', job='my_python_batch_job', grouping_key={'instance': 'my_server_1'}, registry=None)
print("Metrics pushed to Pushgateway.")
if __name__ == '__main__':
# 假设Pushgateway运行在localhost:9091
run_batch_job()这段代码展示了如何使用
push_to_gateway将指标推送到Pushgateway。
registry=None表示推送所有默认注册的指标。
job参数是Prometheus用来识别这个任务的名称，
grouping_key则可以让你为同一
job下的指标添加额外的维度，比如区分不同的实例。
最后，一个小的优化点是，确保你的指标描述（docstring）清晰明了。这不仅方便你自己，也方便团队里的其他人理解这些指标的含义。一个好的指标描述能省去很多沟通成本。
除了标准库，还有哪些方法可以与Prometheus集成？
当提到Python与Prometheus的集成，
prometheus-client无疑是官方且最直接的方式。但“除了标准库”这个说法，其实可以理解为除了
prometheus-client这个“标准”的Python客户端库之外，还有没有其他思路或工具。从这个角度来看，答案是肯定的，主要可以归纳为以下几类：
首先，是Prometheus Pushgateway，前面已经提到了。它并不是一个替代
prometheus-client的方案，而是
prometheus-client的一种补充用法。当你的Python应用是短生命周期的脚本、批处理任务或者无法被Prometheus直接抓取（例如在严格防火墙后）时，Pushgateway就显得尤为重要。你的Python程序不再是等待被拉取，而是主动将指标“推”给Pushgateway，由Pushgateway再暴露给Prometheus抓取。这对于那些跑完就退出的任务，或者需要聚合来自多个短暂实例的指标，是非常实用的。
其次，是自定义Prometheus Exporter。虽然
prometheus-client可以让你在Python应用内部暴露指标，但有时候你可能需要监控一个非Python服务，或者一个没有内置Prometheus指标暴露能力的第三方系统。在这种情况下，你可以用Python编写一个独立的程序，作为该服务的“Prometheus Exporter”。这个Exporter会连接到目标服务（比如数据库、消息队列、操作系统API等），获取其内部状态数据，然后将这些数据转换成Prometheus可识别的指标格式，并通过自身的HTTP端口暴露出来。这个Exporter本身通常也会使用
prometheus-client来暴露它自己的内部运行状态指标（比如它处理了多少次请求，连接目标服务花了多长时间等）。这种方式的优点是高度灵活，可以监控任何你能通过Python访问到的数据源。
举个例子，假设你想监控一个没有Prometheus接口的遗留系统。你可以写一个Python脚本：
- 连接到那个遗留系统（可能是通过SSH、REST API、数据库查询等）。
- 解析获取到的数据。
- 使用
prometheus-client
将这些数据转换为Prometheus指标。 - 启动一个HTTP服务器，暴露这些指标。
from prometheus_client import Gauge, start_http_server
import time
import random
# 假设这是从某个遗留系统获取到的数据
LEGACY_SYSTEM_STATUS = Gauge('legacy_system_status', 'Status of the legacy system (1=ok, 0=error)')
LEGACY_SYSTEM_QUEUE_DEPTH = Gauge('legacy_system_queue_depth', 'Current depth of the legacy system queue')
def fetch_legacy_data():
"""模拟从遗留系统获取数据"""
# 实际场景中，这里会是调用API、SSH命令或数据库查询
status = 1 if random.random() > 0.1 else 0 # 10% 几率出错
queue_depth = random.randint(0, 100)
return status, queue_depth
def run_exporter():
while True:
status, queue_depth = fetch_legacy_data()
LEGACY_SYSTEM_STATUS.set(status)
LEGACY_SYSTEM_QUEUE_DEPTH.set(queue_depth)
print(f"Fetched legacy data: Status={status}, QueueDepth={queue_depth}")
time.sleep(10) # 每10秒更新一次
if __name__ == '__main__':
start_http_server(8001) # Exporter在8001端口暴露
print("Legacy system exporter started on port 8001")
run_exporter()这个简单的例子展示了如何构建一个独立的Exporter。它定期从一个模拟的“遗留系统”获取数据，并将其转换为Prometheus指标。
最后，一些高级框架或库的集成。虽然这本质上还是基于
prometheus-client，但它们可能提供更高级别的抽象，让你在特定的Python Web框架（如Flask, Django, FastAPI）中更方便地集成指标。例如，有些库会提供中间件，自动帮你记录HTTP请求的计数、延迟等，而无需你手动在每个路由中添加代码。这些库通常会封装
prometheus-client的调用，提供更“开箱即用”的体验。它们并非完全不同的集成方式，而是让
prometheus-client在特定生态系统中用起来更顺手。但归根结底，核心逻辑依然是
prometheus-client在背后默默工作。
