Neste artigo
- Como subir Prometheus e Grafana pela primeira vez?
- Como o Prometheus coleta métricas
- Montando o primeiro painel no Grafana
- Alertas que chegam antes do usuário
- Monitoramento na rotina do time
- As quatro métricas que todo serviço deve expor
- Um exercício final: causar o incidente de propósito
- Preciso de Docker para rodar os dois?
- Qual a diferença entre métrica e log?
- O que é um exporter?
- Quanto recurso o monitoramento consome?
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.