✏️【本日實作紀錄：Prometheus Metrics 與 Grafana 監控儀表板】

在 Day 25 完成 全系統 E2E 端到端測試與 Locust 壓力測試 後，PrescriptionVLM 已確定能在高併發流量下維持承載能力與快取效果。

然而，當系統正式長期運行在雲端 VPS 時，運營者無法時刻盯著 Terminal 的日誌。我們需要一個視覺化的監控面板，隨時掌控系統的 CPU/記憶體用量、API 請求量、HTTP 回應狀態碼分佈、Gemini VLM 解析耗時以及 Redis 快取命中率。

今天我們將為 PrescriptionVLM 系統導入 Prometheus 數據指標收集與 Grafana 視覺化監控面板。完成項目包含：

• prometheus-flask-exporter 整合 — 在 Flask API 中暴露 /metrics 端點，採集 HTTP 請求、延遲與快取命中數據。
• Prometheus 服務配置 — 定期抓取 Flask 後端與 Redis 容器的營運指標。
• Grafana 監控儀表板與容器編排 — 打造可視化 Dashboards，呈現 API 吞吐量與系統狀態。

一、可觀測性監控架構

在微服務與生產環境營運中，Prometheus + Grafana 是常見的監控方案：

• Prometheus（指標採集與時序資料庫）：定期向 Flask 應用的 /metrics 端點與 Redis Exporter 拉取效能指標，並存入時序資料庫。
• Grafana（視覺化數據儀表板）：連結 Prometheus 資料源，將時序指標轉換為直觀的折線圖、圓餅圖與數據看板。
• 整合日誌與指標：配合 Day 18 實作的結構化日誌與 Request-ID，形成「指標 + 日誌」雙重觀測。

二、升級專案依賴（requirements.txt）

請開啟專案根目錄的 requirements.txt，加入 Prometheus Flask 導出套件：

prometheus-flask-exporter==0.23.0

三、在 Flask 中暴露指標端點與自訂快取 Metrics（app.py）

開啟 app.py，導入 PrometheusMetrics 並建立自訂指標來追蹤 Redis 快取命中狀況：

from prometheus_flask_exporter import PrometheusMetrics
from prometheus_client import Counter

# 初始化 PrometheusMetrics，自動追蹤 HTTP 請求數與 Latency
metrics = PrometheusMetrics(app)

# 靜態標籤資訊
metrics.info('app_info', 'PrescriptionVLM Application Info', version='1.0.0')

# 自訂 Prometheus 計數器：追蹤快取命中與未命中次數
cache_hit_counter = Counter('prescription_cache_hits_total', 'Total number of Redis cache hits')
cache_miss_counter = Counter('prescription_cache_misses_total', 'Total number of Redis cache misses')

在 /analyze-prescription API 邏輯中更新計數器：

# ── 快取命中 (Cache Hit) 時 ──
cache_hit_counter.inc()

# ── 快取未命中 (Cache Miss) 時 ──
cache_miss_counter.inc()

四、建立 Prometheus 監控配置（prometheus/prometheus.yml）

在專案根目錄建立 prometheus/prometheus.yml 檔案，設定 Scrape 目標：

global:
  scrape_interval: 5s # 每 5 秒拉取一次指標
  evaluation_interval: 5s

scrape_configs:
  - job_name: 'prescription-vlm'
    metrics_path: '/metrics'
    static_configs:
      - targets: ['web:5000']

  - job_name: 'redis'
    static_configs:
      - targets: ['redis-exporter:9121']

五、更新 docker-compose.yml 導入 Prometheus & Grafana 服務

修改專案根目錄的 docker-compose.yml，加入 Prometheus、Grafana 與 Redis Exporter 容器：

version: '3.8'

services:
  redis:
    image: redis:7.2-alpine
    container_name: prescription_redis
    ports:
      - "6379:6379"
    restart: always

  redis-exporter:
    image: oliver006/redis_exporter:v1.58.0
    container_name: prescription_redis_exporter
    environment:
      - REDIS_ADDR=redis:6379
    restart: always

  web:
    build:
      context: .
      dockerfile: Dockerfile
    container_name: prescription_service
    env_file:
      - .env
    environment:
      - REDIS_HOST=redis
      - REDIS_PORT=6379
    depends_on:
      - redis
    restart: always

  nginx:
    image: nginx:1.25-alpine
    container_name: prescription_nginx
    ports:
      - "80:80"
      - "443:443"
    volumes:
      - ./nginx/nginx.conf:/etc/nginx/conf.d/default.conf:ro
      - ./certbot/conf:/etc/letsencrypt:ro
      - ./certbot/www:/var/www/certbot:ro
    depends_on:
      - web
    restart: always

  prometheus:
    image: prom/prometheus:v2.51.0
    container_name: prescription_prometheus
    volumes:
      - ./prometheus/prometheus.yml:/etc/prometheus/prometheus.yml:ro
    ports:
      - "9090:9090"
    restart: always

  grafana:
    image: grafana/grafana:10.4.0
    container_name: prescription_grafana
    ports:
      - "3000:3000"
    depends_on:
      - prometheus
    restart: always

六、測試與成果驗證

1. 透過 Docker Compose 啟動完整監控容器組

在 Terminal 執行命令：

docker-compose up --build -d

2. 驗證 Prometheus Metrics 端點

使用 curl 觀察 Flask 產生的數據指標：

curl http://127.0.0.1:5000/metrics

• 預期成果：回傳包含 flask_http_request_duration_seconds 與 prescription_cache_hits_total 的 Prometheus 格式數據。

3. 配置 Grafana 儀表板

1. 開啟瀏覽器訪問 http://localhost:3000（預設帳密：admin / admin）。
2. 在 Data Sources 中新增 Prometheus，連線網址填入 http://prometheus:9090 並點擊 Save & Test。
3. 建立 Dashboards，加入圖表觀察 API 請求次數與快取命中率。

七、版本控制與提交 GitHub

測試通過後，將 Day 26 的修改提交至 GitHub：

git add requirements.txt app.py prometheus/ docker-compose.yml

git commit -m "保留雙引號 改填寫自己要記錄的標記 ex.鐵人賽第二十六天"

git push

八、本日小結與明日預告

今天我們為 PrescriptionVLM 構建了可視化的 Prometheus + Grafana 系統監控，讓運營者能直觀地掌控 API 流量、回應延遲與快取效率。

明天（Day 27），我們將進一步強化運營維護能力，實作 Grafana Alerting 系統異常告警與 LINE Bot 告警通知推播，當系統發生 5xx 錯誤或 API 延遲過高時通知開發團隊！