3、容量规划工具：Prometheus监控体系、Grafana可视化、自定义指标采集

聊到容量规划，很多人第一反应是「拍脑袋」。但真正落地的团队，靠的是数据。而数据从哪来？就是监控体系。

我个人习惯把监控体系比作「眼睛」。没有它，你连系统跑在什么水位都不知道，谈何规划？今天我们就来拆解这套工具链：Prometheus 负责采集和存储，Grafana 负责展示，自定义指标则是你业务特有的「体检报告」。

3.1 Prometheus 监控体系：不止是拉取数据

Prometheus 的核心是 Pull 模型。它主动去目标机器上抓取指标，而不是等着被推送。这个设计有个好处：你只要配好 targets，它就能稳定采集，不受目标端故障影响。

我在项目中遇到过一个问题：某次业务高峰期，Pushgateway 被打爆了，所有推送数据全部丢失。后来我全面改用 Pull 模式，配合服务发现，再也没出过类似问题。

你想想看，一个典型的架构是什么样的？

说白了，Prometheus 就是通过 Exporters 把系统指标暴露成 HTTP 接口，然后自己定期去拉。拉回来的数据存在时序数据库里，你可以用 PromQL 做各种聚合计算。

3.2 Grafana 可视化：让数据会说话

数据光有数字不行，得变成图表。Grafana 就是干这个的。它支持 Prometheus 作为数据源，画折线图、柱状图、热力图都行。

我记得有一次帮客户做容量分析，他们服务器 CPU 使用率一直显示 30%，但业务就是卡。我打开 Grafana 一看，发现是平均聚合掩盖了真相。改成 P99 分位图后，瞬间看到每 10 秒就有一次 CPU 飙到 95%。

举个例子，一个简单的 CPU 使用率面板，PromQL 查询是这样的：

100 - (avg by (instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)

这个查询的意思是：取过去 5 分钟 CPU 空闲时间的平均变化率，然后用 100 减去它，得到使用率。嗯，这里要注意：rate 函数必须用在 Counter 类型的指标上，Gauge 类型不能用。

3.3 自定义指标采集：你的业务，你说了算

系统指标（CPU、内存、磁盘）谁都会看。但容量规划真正值钱的地方，在于业务指标。比如：

• 队列积压数量
• 订单处理延迟
• API 调用失败率
• 数据库连接池使用率

这些指标 Prometheus 原生没有，得自己写 Exporter 暴露出来。

我曾经帮一个电商团队做过自定义指标。他们想知道「每秒新增订单数」和「库存扣减成功率」。我们用 Python 写了个简单的 Exporter，从业务数据库里查数据，然后暴露成 Prometheus 格式。

代码大概长这样：

from prometheus_client import start_http_server, Gauge
import time
import random

# 定义自定义指标
order_count = Gauge('app_orders_total', 'Total orders placed')
inventory_success = Gauge('app_inventory_success_rate', 'Inventory deduction success rate')

def collect_metrics():
    while True:
        # 模拟从业务系统获取数据
        orders = random.randint(100, 500)
        success_rate = random.uniform(0.95, 1.0)
        
        order_count.set(orders)
        inventory_success.set(success_rate)
        
        time.sleep(15)  # 每15秒采集一次

if __name__ == '__main__':
    start_http_server(8000)  # 暴露HTTP端口
    collect_metrics()

启动后，访问 http://localhost:8000/metrics 就能看到指标。然后在 Prometheus 配置里加上这个 target，Grafana 里就能画图了。

3.4 容量规划中的关键指标

有了工具，还得知道看什么。我整理了一张表，是容量规划最常用的指标：

指标类别	具体指标	采集方式	容量规划用途
CPU	使用率、负载、上下文切换	node_exporter	判断是否需要扩容 CPU
内存	使用率、可用内存、Swap	node_exporter	判断内存是否成为瓶颈
磁盘	使用率、IOPS、吞吐量	node_exporter	预估磁盘扩容时间点
网络	带宽使用率、丢包率	node_exporter	判断带宽是否够用
业务	QPS、延迟、错误率	自定义 Exporter	直接反映业务容量

你想想看，如果只盯着 CPU 看，可能内存早就爆了你还不知道。所以我的习惯是：每个服务至少监控 5 个维度的指标，然后统一放到 Grafana 的一个仪表盘里。

3.5 小结

Prometheus + Grafana + 自定义指标，这套组合拳打好了，容量规划就有了数据基础。说白了，工具只是手段，关键是你得知道「看什么」和「怎么看」。

我个人经验是：先跑通基础监控（CPU、内存、磁盘），再逐步加入业务指标。别想一口吃成胖子。等你把自定义指标也跑起来，你会发现——原来系统的真实水位，跟你之前想的完全不一样。

---