Мониторинг Go приложений: метрики и алерты на продвинутом уровне

Мониторинг Go приложений: метрики и алерты на продвинутом уровне

Современные Go-приложения требуют не только высокой производительности, но и надёжного мониторинга. Базовый сбор метрик (CPU, память, запросы) — это лишь первый шаг. На продвинутом уровне необходимо внедрять пользовательские метрики, настраивать алерты на основе бизнес-логики и обеспечивать отказоустойчивость. В этой статье мы рассмотрим, как реализовать комплексный мониторинг Go-приложений с помощью Prometheus, Grafana и собственных алертов.

1. Продвинутый сбор метрик в Go с Prometheus

Библиотека prometheus/client_golang позволяет собирать не только стандартные метрики, но и пользовательские. Рассмотрим пример настройки кастомного сборщика метрик для HTTP-сервера.

package main

import (
    "net/http"
    "github.com/prometheus/client_golang/prometheus"
    "github.com/prometheus/client_golang/prometheus/promhttp"
)

var (
    requestDuration = prometheus.NewHistogramVec(
        prometheus.HistogramOpts{
            Name:    "http_request_duration_seconds",
            Help:    "Время выполнения HTTP-запросов.",
            Buckets: prometheus.DefBuckets,
        },
        []string{"method", "path", "status"},
    )
    activeRequests = prometheus.NewGauge(
        prometheus.GaugeOpts{
            Name: "http_active_requests_total",
            Help: "Текущее количество активных запросов.",
        },
    )
)

func init() {
    prometheus.MustRegister(requestDuration)
    prometheus.MustRegister(activeRequests)
}

func metricsMiddleware(next http.Handler) http.Handler {
    return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
        activeRequests.Inc()
        defer activeRequests.Dec()

        timer := prometheus.NewTimer(prometheus.ObserverFunc(func(v float64) {
            requestDuration.WithLabelValues(r.Method, r.URL.Path, "200").Observe(v)
        }))
        defer timer.ObserveDuration()

        next.ServeHTTP(w, r)
    })
}

func main() {
    mux := http.NewServeMux()
    mux.Handle("/metrics", promhttp.Handler())
    mux.Handle("/api", metricsMiddleware(http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
        w.Write([]byte("Hello, Go!"))
    })))
    http.ListenAndServe(":8080", mux)
}

В этом примере мы создаём гистограмму для длительности запросов и gauge для активных запросов. Использование меток (labels) позволяет детализировать метрики по методам, путям и статусам.

2. Настройка алертов на основе бизнес-логики

Алерты должны быть не только техническими (высокая загрузка CPU), но и бизнесовыми. Например, превышение времени ответа для критического эндпоинта или падение количества успешных транзакций. Конфигурация алертов в Prometheus (файл alerts.yml):

groups:
  - name: go_app_alerts
    rules:
      - alert: HighRequestLatency
        expr: http_request_duration_seconds{job="go-app"} > 1.0
        for: 5m
        labels:
          severity: critical
        annotations:
          summary: "Высокая задержка запроса ({{ $value }}s)"
          description: "Эндпоинт {{ $labels.path }} имеет задержку более 1 секунды в течение 5 минут."

      - alert: ActiveRequestsSurge
        expr: http_active_requests_total{job="go-app"} > 100
        for: 2m
        labels:
          severity: warning
        annotations:
          summary: "Всплеск активных запросов ({{ $value }})"
          description: "Количество активных запросов превысило 100 в течение 2 минут."

      - alert: ErrorRateHigh
        expr: rate(http_requests_total{status=~"5.."}[5m]) > 0.1
        for: 10m
        labels:
          severity: critical
        annotations:
          summary: "Высокий уровень ошибок 5xx"
          description: "Уровень ошибок превышает 10% за последние 10 минут."

Обратите внимание на использование for — это параметр, определяющий, как долго условие должно выполняться до отправки алерта. Это помогает избежать ложных срабатываний при кратковременных скачках.

3. Интеграция с Grafana: продвинутые дашборды

Grafana позволяет визуализировать метрики и алерты. Для продвинутого мониторинга создайте дашборд, который включает:

• График задержек: перцентили (p50, p95, p99) времени ответа.
• Тепловая карта запросов: распределение запросов по времени и статусам.
• Алерты в реальном времени: панель с активными алертами.
• Мониторинг ресурсов: память, горутины, GC-статистика.

Пример запроса для перцентилей в Grafana (PromQL):

histogram_quantile(0.95, sum(rate(http_request_duration_seconds_bucket[5m])) by (le, path))

Также настройте уведомления в Grafana через Slack, Telegram или PagerDuty. Для этого используйте встроенные каналы оповещений (Alerting → Contact points).

4. Отказоустойчивость и самодиагностика

Продвинутый мониторинг включает проверку самого мониторинга. Реализуйте в Go-приложении эндпоинт /health, который возвращает статус зависимостей (база данных, кэш, внешние API). Пример:

func healthHandler(w http.ResponseWriter, r *http.Request) {
    checks := map[string]bool{
        "database": checkDB(),
        "cache":    checkCache(),
        "api":      checkExternalAPI(),
    }
    status := http.StatusOK
    for _, ok := range checks {
        if !ok {
            status = http.StatusServiceUnavailable
            break
        }
    }
    w.WriteHeader(status)
    json.NewEncoder(w).Encode(checks)
}

Добавьте метрику health_check_status и алерт на её основе. Например, если /health возвращает 503 в течение 1 минуты — отправлять уведомление.

Заключение

Продвинутый мониторинг Go-приложений превращает сырые данные в actionable инсайты. Используйте кастомные метрики Prometheus, настраивайте алерты на основе бизнес-логики, визуализируйте всё в Grafana и не забывайте про самодиагностику. Такой подход позволит не только быстро реагировать на ин