MoniGO - Golang实时应用性能监控与分析库

MoniGO是一个轻量级的Golang实时性能监控库，它可以帮助开发者收集和分析应用程序的运行指标。下面我将介绍MoniGO的基本用法和示例代码。

安装MoniGO

go get github.com/monigo/monigo

基本使用

1. 初始化监控器

package main

import (
	"github.com/monigo/monigo"
	"time"
)

func main() {
	// 初始化监控器
	monitor := monigo.NewMonitor(
		monigo.WithInterval(5 * time.Second),  // 每5秒收集一次指标
		monigo.WithMemoryProfiling(true),     // 启用内存分析
		monigo.WithCPUProfiling(true),        // 启用CPU分析
		monigo.WithGoroutineTracking(true),   // 跟踪goroutine数量
	)
	
	// 启动监控
	monitor.Start()
	defer monitor.Stop()
	
	// 你的应用代码...
}

2. 自定义指标监控

// 添加自定义指标
monitor.AddCustomMetric("requests_processed", monigo.Counter, "Total processed requests")

// 在业务代码中更新指标
func handleRequest() {
	// 处理请求的业务逻辑...
	
	// 增加计数器
	monitor.Increment("requests_processed")
}

3. 性能分析端点

MoniGO可以暴露一个HTTP端点用于实时查看性能数据：

// 添加HTTP监控端点
monitor.AddHTTPEndpoint(":8080", "/metrics")

// 然后可以通过访问 http://localhost:8080/metrics 查看实时指标

4. 告警配置

// 设置CPU使用率告警
monitor.SetAlert(monigo.AlertConfig{
	Metric:     "cpu_usage",
	Threshold:  80,  // 80%使用率
	Duration:   1 * time.Minute,
	Handler: func(alert *monigo.Alert) {
		fmt.Printf("警报! CPU使用率超过80%: %.2f%%\n", alert.Value)
		// 这里可以添加邮件/短信通知逻辑
	},
})

高级功能

1. 分布式追踪

// 启用分布式追踪
monitor.EnableTracing(
	monigo.WithJaeger("http://jaeger:14268/api/traces"),
	monigo.WithServiceName("my-service"),
)

// 创建追踪span
func processOrder(ctx context.Context) {
	span := monitor.StartSpan(ctx, "process_order")
	defer span.End()
	
	// 业务逻辑...
}

2. 自定义数据导出

// 自定义导出到Prometheus
promExporter := monigo.NewPrometheusExporter()
monitor.AddExporter(promExporter)

// 或者导出到InfluxDB
influxExporter := monigo.NewInfluxDBExporter(
	"http://influxdb:8086",
	"my_database",
	"username",
	"password",
)
monitor.AddExporter(influxExporter)

示例：完整的Web服务监控

package main

import (
	"github.com/gin-gonic/gin"
	"github.com/monigo/monigo"
	"net/http"
	"time"
)

func main() {
	// 初始化监控
	monitor := monigo.NewMonitor(
		monigo.WithInterval(10 * time.Second),
		monigo.WithHTTPEndpoint(":8081", "/metrics"),
	)
	monitor.Start()
	defer monitor.Stop()

	// 添加自定义指标
	monitor.AddCustomMetric("http_requests", monigo.Counter, "Total HTTP requests")
	monitor.AddCustomMetric("response_time", monigo.Histogram, "HTTP response time in ms")

	// 设置告警
	monitor.SetAlert(monigo.AlertConfig{
		Metric:    "memory_usage",
		Threshold: 90,
		Handler:   notifyMemoryAlert,
	})

	// 创建Gin路由
	r := gin.Default()
	
	// 添加监控中间件
	r.Use(func(c *gin.Context) {
		start := time.Now()
		
		c.Next()
		
		duration := time.Since(start).Milliseconds()
		monitor.Increment("http_requests")
		monitor.RecordValue("response_time", float64(duration))
	})

	r.GET("/", func(c *gin.Context) {
		c.String(http.StatusOK, "Hello, MoniGO!")
	})

	r.Run(":8080")
}

func notifyMemoryAlert(alert *monigo.Alert) {
	// 实现你的告警通知逻辑
	println("内存警报:", alert.Value, "%")
}

监控数据可视化

MoniGO收集的数据可以通过以下方式可视化：

1. Prometheus + Grafana：将数据导出到Prometheus，然后用Grafana创建仪表盘
2. 内置Web UI：MoniGO提供了简单的内置Web界面
3. 自定义导出：可以将数据导出到任何你喜欢的监控系统

最佳实践

1. 在生产环境中，建议将监控数据导出到外部存储系统
2. 对于关键业务指标，设置合理的告警阈值
3. 监控间隔不宜过短(至少5秒)，以免影响应用性能
4. 定期审查监控指标，移除不再需要的指标

MoniGO是一个灵活的工具，你可以根据实际需求选择启用或禁用特定功能。它的轻量级设计确保了对应用性能的最小影响，同时提供了强大的监控能力。