接口上线第一天跑得好好的，第二天凌晨三点挂了，没人知道，直到客户投诉才发现——这种事你经历过几次？没有监控的API就是裸奔，出了问题只能被动救火。Prometheus加Grafana是目前最主流的监控方案，部署不复杂，效果立竿见影。
采集什么指标
监控不是越多越好，先盯住四个黄金指标：请求量（QPS）、错误率、响应时间（P95/P99）、资源利用率。QPS反映流量大小，错误率反映可用性，P95响应时间反映用户体验，资源利用率反映容量水位。这四个指标覆盖了API接口开发中最核心的健康度维度。Prometheus通过Pull模式采集数据，你的应用需要暴露/metrics端点。Java项目用Micrometer，PHP项目用promphp/client，Node.js用prom-client。以Node.js为例，暴露HTTP请求总量和响应时间直方图只需要十几行代码。
Grafana看板配置
Prometheus存的是原始数据，Grafana负责可视化。装好Grafana后，添加Prometheus数据源，然后建Dashboard。推荐分三个面板：第一个放QPS和错误率折线图，一眼看流量和异常；第二个放P95/P99响应时间，用百分位而不是平均值——平均值会掩盖长尾问题；第三个放CPU、内存、连接池使用率，看资源是否到瓶颈。面板配置好了记得设置刷新间隔，生产环境5秒刷新一次就够了。
告警规则怎么写
看板是被动的，告警才是主动的。在Prometheus里配置告警规则，比如：5分钟内错误率超过5%就告警，P95响应时间连续3分钟超过1秒就告警。Alertmanager负责把告警发出去，支持邮件、企业微信、钉钉、飞书等渠道。告警别配太敏感，否则天天收到告警反而会麻木。一个原则：收到了就必须处理，不处理的不配告警。两个实用建议：一是告警要带上下文信息，比如接口名、当前值、阈值，方便快速定位；二是分级——P0级别打电话、P1级别发消息、P2级别记录日志就行。
监控覆盖度自检
怎么判断监控做够了？问自己几个问题：接口挂了能不能5分钟内发现？慢了能不能知道慢在哪一步？流量突增能不能自动感知？如果答案都是“能“，说明监控体系基本到位了。监控是基础设施，早投入早受益。