最稳妥方式是用 prometheus_client 手写 /metrics 端点返回纯文本，flask 用 metrics 视图、fastapi 用 response(media_type="text/plain")，避免 json 响应和中间件干扰；优先暴露 http 请求量与延迟、进程资源、业务关键态四类指标；排查 grafana 无数据需先确认 prometheus 是否成功抓取 /metrics。
Python Web服务怎么暴露Prometheus指标
直接用 prometheus_client 暴露指标最稳妥，不依赖框架内部机制，也避免和异步模型（如 FastAPI 的 event loop）冲突。关键不是“加个装饰器”，而是让指标采集端（Prometheus）能稳定抓取 /metrics 这个路径的文本响应。
- Flask：挂一个
Metrics视图，用generate_latest()返回纯文本（Content-Type: text/plain; version=0.0.4），别用jsonify - FastAPI：注册为普通
GET路由，返回Response(content=..., media_type="text/plain")；别用JSONResponse，否则 Prometheus 抓不到 - ASGI 应用（如 Starlette）需注意中间件顺序——
PrometheusMiddleware类库容易干扰，建议手写 endpoint 更可控
哪些指标值得在Web服务里暴露
不是所有指标都该暴露，暴露太多反而影响性能、干扰告警。优先保障四类基础信号：
-
http_request_total{method, status_code, path}：用Counter，按路由分组统计，别只记总数 -
http_request_duration_seconds_bucket{le, method, path}：用Histogram，le分桶必须覆盖常见延迟（如 0.01, 0.05, 0.1, 0.25, 0.5, 1.0） -
process_cpu_seconds_total和process_resident_memory_bytes：开箱即用，但要注意多进程时每个 worker 都会注册，需在启动时调用disable_process_metrics()再手动注册一次 - 业务关键态：比如订单处理队列长度、缓存命中率，用
Gauge或Counter，别用字符串 label 存动态值（如用户ID），会爆炸性增加时间序列数
为什么Grafana查不到Python服务的指标
90% 是因为 Prometheus 没真正抓到数据，而不是 Grafana 配置问题。先确认三件事：
- Python 进程是否真在监听
/metrics？用curl http://localhost:8000/metrics看返回是否是纯文本、有没有# HELP行、有没有你定义的指标名 - Prometheus 的
scrape_configs里targets是否写对？别写成localhost（容器内解析失败），改用宿主机 IP 或服务名；端口要和 Python 服务实际监听端口一致 - 检查 Prometheus UI 的
Status > Targets页面：状态是不是UP？如果显示context deadline exceeded，大概率是网络不通或超时太短，调大scrape_timeout到10s
Grafana Dashboard里指标显示为空或断点
常见原因是 PromQL 查询没对齐时间窗口或 label 不匹配。比如：
- 查
rate(http_request_total[5m])却发现全为 0：确认http_request_total在过去 5 分钟内真有递增，且没有被sum by()错误聚合掉维度 - 面板显示
No data：检查 query 中 label 过滤是否过严，例如写了path="/api/v1/users"，但实际打点用的是path="/api/v1/users/"（结尾斜杠差异） - 多个 Python 实例指标混在一起：用
job和instance做区分，别依赖默认instance（可能只是 IP:port），在 Prometheusscrape_configs里显式加static_configs.labels标注服务名和环境
复杂点在于 label 设计——一旦暴露了带高基数 label（如 user_id）的指标，不仅存储暴涨，查询也会变慢甚至超时。这比写错一行 PromQL 更难回滚。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
