<\> Casa do Dev
Notícias abrir
Ferramentas abrir
Vagas abrir
Aprender abrir
Comunidade abrir
Guia de Compras abrir

Prometheus e Grafana: do zero ao painel de monitoramento

DA

6 min

Prometheus e Grafana: do zero ao painel de monitoramento

Aprenda a subir Prometheus e Grafana, coletar métricas, montar o primeiro painel e configurar alertas que chegam antes do usuário.

Neste artigo

Um sistema sem monitoramento avisa o problema pelo usuário. Prometheus e Grafana mudam esse papel: o primeiro coleta e guarda métricas de tudo que roda, e o segundo transforma essas métricas em painéis legíveis. Os dois juntos formam a dupla de monitoramento mais usada em ambientes com containers.

Suba os dois serviços com Docker, aponte o Prometheus para os alvos que expõem métricas e construa o primeiro painel no Grafana consultando esse dado. Se ainda não usa containers, o guia de Docker do zero ao primeiro container resolve a base em uma leitura.

Como subir Prometheus e Grafana pela primeira vez?

Com um docker-compose de dois serviços, o ambiente fica pronto em minutos: o Prometheus na porta 9090 e o Grafana na 3000. O arquivo prometheus.yml declara os alvos que o Prometheus vai consultar, e cada alvo é uma URL que responde com métricas no formato esperado. A estrutura é a mesma do ambiente completo subido com um comando no Docker Compose, com a vantagem de o monitoramento não depender da aplicação para funcionar.

services:
  prometheus:
    image: prom/prometheus
    ports:
      - "9090:9090"
    volumes:
      - ./prometheus.yml:/etc/prometheus/prometheus.yml
  grafana:
    image: grafana/grafana
    ports:
      - "3000:3000"

Como o Prometheus coleta métricas

O modelo é de coleta ativa: o Prometheus consulta cada alvo em intervalos regulares e guarda o valor com o horário. A aplicação expõe métricas como requisições por rota, duração, erro e uso de memória, geralmente por meio de uma biblioteca que publica o endpoint padrão. Quem não pode mudar a aplicação usa exporters, que traduzem métricas de banco, servidor e fila para o mesmo formato.

💡 Dica: comece com quatro métricas apenas: taxa de requisição, taxa de erro, duração média e uso de memória. Painel pequeno que alguém olha vale mais que painel completo que ninguém entende.

Montando o primeiro painel no Grafana

No Grafana, você adiciona o Prometheus como fonte de dados e cria um painel por consulta. A linguagem de consulta, PromQL, pede a métrica e aplica funções como taxa e média por janela de tempo. Um painel mínimo tem linha de requisições por segundo, linha de erro e gráfico de latência. Com três gráficos, já é possível olhar para o sistema e saber se ele está saudável.

Alertas que chegam antes do usuário

O painel responde quando alguém olha, e o alerta não depende disso. No Prometheus ou no Grafana, uma regra compara a métrica com um limite e dispara notificação quando a condição persiste. O cuidado está em alertar pouco e bem: cada alerta precisa pedir ação, porque alerta que ninguém trata vira ruído e o ruído esconde o incidente real.

Monitoramento na rotina do time

Painel que ninguém abre é decoração. Coloque o endereço do Grafana no canal do time, olhe o gráfico depois de cada deploy e use o histórico para investigar lentidão com data. Quando o deploy passa a rodar por CI, o monitoramento fecha o ciclo, como mostra o pipeline de CI e CD do commit ao deploy automático: entrega, observa e corrige com evidência.

As quatro métricas que todo serviço deve expor

Nomear as métricas certas evita o painel bonito que não avisa nada: taxa de requisições por segundo (o fluxo), taxa de erro (a saúde), duração dos percentis 95 e 99 (a experiência) e saturação do recurso (o teto). Essas quatro linhas no Prometheus respondem a noventa por cento dos "está tudo bem?" do dia a dia, e o Grafana desenha cada uma como um painel de decisão.

O erro é instrumentar dezenas de séries sem dono: métrica sem reação associada é ruído que custa memória. Comece pelas quatro, defina o alerta que cada uma aciona e quem recebe, e só depois expanda. O ambiente para esses serviços sai do guia de Docker Compose do zero, e o deploy continuado na cadência segue no pipeline de CI/CD com GitHub Actions.

Um exercício final: causar o incidente de propósito

O teste que fecha o aprendizado é simples e revelador: com o painel aberto, derrube o serviço de propósito em ambiente de teste e acompanhe a reação das métricas. A taxa de requisições cai, a taxa de erro sobe, e a linha do percentil de duração se comporta de um jeito que nenhuma explicação substitui. Quem já viu o gráfico de um serviço morto reconhece o padrão em produção na primeira vez, e o incidente real deixa de ser descoberta para virar confirmação.

O mesmo exercício valida o alerta. Suba a carga até estourar o limite que você definiu e verifique se a notificação chega, para quem deve chegar, com mensagem que descreve o problema em vez de só apontar a regra. Se o alerta demora, chega para a pessoa errada ou dispara cedo demais, o melhor momento de ajustar é agora, sem pressão. Esse ensaio de meia hora costuma corrigir mais falhas de monitoramento do que uma semana de revisão teórica, porque expõe a diferença entre o que o painel mostra e o que o time realmente entende dele.

Perguntas frequentes

Sim, os dois são projetos de código aberto com versões gratuitas completas para auto-hospedar. Existem ofertas gerenciadas em nuvem para quem não quer operar a infraestrutura, mas para aprender e para times pequenos a versão aberta resolve.

Preciso de Docker para rodar os dois?

Não, há binários nativos para Linux, mas Docker simplifica: duas imagens, um arquivo de configuração e o ambiente sobe em qualquer máquina. Para estudo, o caminho por containers é o mais rápido e o mais perto da prática de mercado.

Qual a diferença entre métrica e log?

A métrica é um número no tempo, como requisições por segundo, e responde o quê. O log é o registro do evento, com contexto, e responde por quê. Monitoramento usa métrica para detectar e log para investigar a causa.

O que é um exporter?

É um pequeno serviço que traduz métricas de um sistema para o formato do Prometheus. Existe exporter para banco, servidor, fila e quase tudo mais, o que permite monitorar componentes que você não pode alterar.

Quanto recurso o monitoramento consome?

Para ambientes pequenos, pouco: o Prometheus guarda séries temporais compactas e o Grafana é uma interface de consulta. O consumo cresce com o número de séries e a janela de retenção, então comece com poucas métricas e retenção curta.

Produtos relacionados

Este conteúdo tem links de afiliado: se você comprar por eles, podemos receber uma comissão sem custo extra para você. A escolha dos produtos segue critérios próprios e não é influenciada por comissão.

O que você achou deste artigo?

Responda a Pergunta do Dia Teste seu conhecimento e mantenha sua streak. Crie seu Dev Card público Perfil dev compartilhável em um único link.

Depois dessa formação...

Veja vagas de cloud e DevOps →

Vagas relacionadas

Ver todas as vagas →
DA

Escrito por

Dagmar

Atualizado em 06/10/2026 •

Ver perfil do autor

COMPARTILHAR