关键在于暴露 go_goroutines 指标并正确配置：需显式注册 gocollector、绑定 /metrics 到 0.0.0.0、用趋势判断（如 go_goroutines > 100 and go_goroutines > (go_goroutines offset 2m)）而非绝对阈值，避免因容器重启导致指标中断。
怎么用 Prometheus 抓到 goroutine 数暴涨
关键不是“能不能”，而是 runtime.NumGoroutine() 必须暴露成指标，且采集频率要够高（默认 15s 太慢，goroutine 泄露可能几秒就翻倍）。Prometheus 官方 client_golang 提供了 go_goroutines 这个默认指标，但前提是你的程序启用了 http.DefaultServeMux 并注册了 /metrics —— 很多人漏掉这步，结果 metrics 端点返回 404，Prometheus 一直 scrape 失败。
- 确保在 main 入口调用
prometheus.MustRegister(prometheus.NewGoCollector())（虽然默认 collector 通常已注册，但容器环境里 runtime 可能被裁剪，显式注册更稳） - HTTP handler 必须挂载到
/metrics，例如：http.Handle("/metrics", promhttp.Handler())，路径不能改，否则 Prometheus 配置得同步改，容易漏 - 容器内服务若监听
localhost:8080，Prometheus 从宿主机或 sidecar 抓取时会失败——必须绑定0.0.0.0:8080
为什么 go_goroutines 指标突然跳变却报不了警
因为单纯看瞬时值没意义：启动时 5 个 goroutine，处理请求后涨到 50 是正常；但持续 5 分钟不回落，才可疑。Prometheus 报警规则必须基于变化趋势，而不是阈值绝对值。
- 用
rate(go_goroutines[5m])没用——goroutine 数是计数器，不是累加型指标，rate()会算出负数或零，直接废掉 - 正确做法是用
go_goroutines > 100 and go_goroutines > (go_goroutines offset 2m)，意思是“当前值超 100 且比 2 分钟前还高”，排除抖动 - 容器内存限制为 512MiB 时，goroutine 超过 3000 往往触发 OOMKilled，但报警阈值设 3000 就晚了——建议设 800，并搭配
count by (job, instance) (go_goroutines > 800) > 1防止单点误报
容器里 runtime.NumGoroutine() 返回的数为什么和 ps -T 不一致
根本不是一回事：runtime.NumGoroutine() 统计的是 Go runtime 当前管理的 goroutine 总数（包括已结束但尚未被 GC 清理的），而 ps -T 显示的是 OS 线程（thread）数，一个 OS 线程可跑多个 goroutine，也可能因 GOMAXPROCS 限制长期空闲。监控必须信前者，后者只适合排查线程级阻塞。
- 容器 cgroup 中
tasks文件里的进程数 ≈ OS 线程数，和 goroutine 数无直接换算关系 - 如果你看到
ps -T | wc -l是 12，但go_goroutines是 2300，说明有大量 goroutine 在 channel 上阻塞或 sleep，没释放——这才是泄露信号 -
debug.ReadGCStats()和runtime.ReadMemStats()不能替代 goroutine 监控，它们反映的是内存压力，不是并发结构异常
报警规则写好了，但容器重启后指标断了怎么办
Prometheus 的指标是无状态的，每次 scrape 都是快照。容器重启后实例标签（如 instance="10.244.1.5:8080"）变了，旧时间序列自动终结。这不是 bug，是设计使然——但会导致你没法用“过去 10 分钟均值”这种跨重启逻辑。
立即学习“go语言免费学习笔记（深入）”；
- 别在 alert rule 里写
go_goroutines offset 10m，重启后这个 offset 会查不到数据，表达式直接返回空 - 要用
absent_over_time(go_goroutines[3m])单独告警“指标丢失”，这比 goroutine 泄露更紧急——说明应用挂了或 metrics 端点不可达 - 如果真需要跨重启分析，得靠外部存储（如 Thanos）+ label 重写（把容器名、deployment 名打到
job或cluster标签里），但这已经超出单容器监控范畴
0.0.0.0 写成 localhost，或者 /metrics 被反向代理吞掉，然后花半天调报警规则。 
