{"canonical_url":"https://engineer.company/da/glossary/prometheus/","content_markdown":"# Prometheus\n\n## Hvad det er\n\nPrometheus er et open source-system til overvågning, bygget op om sin egen\ntidsseriedatabase. Med få sekunders mellemrum spørger det de programmer, det\nholder øje med, om deres aktuelle tal over HTTP, gemmer hver værdi med et\ntidsstempel og lader dig forespørge, tegne grafer og sætte alarmer op på det,\nder er gemt. Navnet bruges både om selve serveren og om den lille familie af\nkomponenter, der er vokset op omkring den.\n\nProjektet blev bygget hos SoundCloud, hvor arbejdet begyndte i 2012, og hører i\ndag under Cloud Native Computing Foundation. Det blev optaget i 2016 som\nfondens andet projekt efter Kubernetes og nåede status som graduated i 2018.\nPrometheus 3.0, annonceret i november 2024, var den første hovedversion i syv\når. Koden er overvejende skrevet i Go og udgivet under Apache 2.0-licensen.\n\nAlt, hvad Prometheus gemmer, er tidsserier. En serie er navngivet af en metrik\nog et sæt labels, par af nøgle og værdi, der fortæller, hvilken forekomst af\nnoget der blev målt, for eksempel\n`api_http_requests_total{method=\"POST\", handler=\"/messages\"}`. Hver måling i\nserien er et 64-bit flydende kommatal eller et native histogram, og den bærer\net tidsstempel i millisekunder. Får en label en ny værdi, er det en ny serie.\nDet gør data nemme at skære op efter vært, rute eller statuskode, og det gør\ndem også nemme at overbelaste.\n\nProgrammerne viser deres tal frem på et HTTP-endpoint, som regel `/metrics`.\nDet sker gennem et klientbibliotek, der er bygget ind i koden, eller gennem en\nexporter: en lille adapter, der oversætter tallene fra et system, Prometheus\nikke selv kan instrumentere, for eksempel en Linux-vært eller en database.\nServeren finder sine mål via service discovery eller en statisk liste og\nhenter, på engelsk scraper, dem efter en fast plan. Et batchjob, der slutter\nfør næste hentning, kan i stedet skubbe sine tal til en separat push gateway.\nAlarmreglerne kører på serveren, og de alarmer, der går af, sendes til\nAlertmanager, som fjerner dubletter, grupperer dem, håndterer silences og\nsender dem videre til e-mail, PagerDuty, OpsGenie og lignende modtagere.\n\nTypisk sammenlignes Prometheus med push-baserede indsamlere i Graphite- og\nStatsD-traditionen, med generelle tidsseriedatabaser som InfluxDB og med\nhostede metriktjenester. Grafana er det sædvanlige ansigt udadtil. Prometheus\ngemmer tal og ikke hændelser, så en loglinje eller et trace hører hjemme et\nandet sted. Projektet siger også ligeud, at det prioriterer pålidelighed over\nfuldstændighed: fakturering pr. forespørgsel, hvor hver optælling skal være\nnøjagtig, er en opgave for et andet system.\n\n## Hvorfor det betyder noget\n\nBeslutningen bag Prometheus handler om, hvorvidt man skal drive sin egen\nmetrikdatabase eller leje en, og hvis man driver den selv, hvor stor den skal\nvære.\n\nDer er ingen licensbetaling. Udgiften er en maskine og timerne fra den, der\nholder den sund. En hostet tjeneste tager det arbejde væk og erstatter det med\nen regning, der vokser med mængden af data, man sender, så hver ny label bliver\ntil en linje på fakturaen. Til et par dusin maskiner er den selvdrevne server\nsom regel den billigste og enkleste vej. Regnestykket vender, når antallet af\nserier når op i millioner, og teamet hellere vil betale end bemande opgaven.\n\nStørrelsesberegningen er venligere, end de fleste regner med. Projektets\ndokumentation om lagring sætter gennemsnittet til 1–2 byte pr. måling. Tusind\nserier hentet hvert 15. sekund og gemt i standardperioden på 15 dage giver 86,4\nmillioner målinger, cirka 86–173 MB på disken. Det er sjældent disken, der\nløber fuld. Det er hukommelsen: den blok, der er ved at blive fyldt, ligger i\nhukommelsen, beskyttet mod nedbrud af en write-ahead-log, og hver aktiv serie\nkoster plads dér, uanset om nogen nogensinde spørger efter den.\n\nHver server er med vilje selvstændig. Den læner sig ikke op ad netværkslagring\nog bliver derfor ved med at svare, mens den infrastruktur, den overvåger, er ved\nat falde sammen, og det er netop dér, man har mest brug for den. Prisen er, at\ndet lokale lager hverken er klyngebaseret eller replikeret. Høj tilgængelighed\nbetyder to ens servere, der henter fra de samme mål, og historik ud over nogle\nfå uger betyder en kopi sendt med `remote_write` til et lager, der er bygget til\nat gemme den.\n\nAt hente frem for at modtage giver også en praktisk gevinst. Fordi serveren selv\nspørger, opdager den, når et mål holder op med at svare, og registrerer det som\n`up` faldet til nul. Og en udvikler kan åbne den samme `/metrics`-side i en\nbrowser og se præcis det, serveren ser, så en uenighed mellem grafen og\napplikationen hurtigt bliver afgjort.\n\n## Sådan ser det ud i praksis\n\nI grundlæggerens arbejde dukker Prometheus op som indsamleren bag et dashboard:\nén gang bag en gruppe databaseservere og én gang som anden version af et\noverblik, hele kontoret fulgte med i.\n\nDatabasesagen var\n[ti servere med PostgreSQL 14 og MS SQL Server 2019](/da/portfolio/ran-10-postgresql-and-ms-sql-servers-on-ubuntu/)\npå virtuelle Ubuntu 20.04 LTS-servere. Prometheus og Grafana fulgte CPU,\nhukommelse, disk-I/O og forespørgselsydelse, mens det skete, side om side med\nautomatiske backups, firewallregler og egne scripts til loganalyse. På tværs af\nalle ti servere lå oppetiden på 99,9 %. Databaseværter egner sig godt til at\nblive hentet fra, fordi de tal, der varsler problemer dér, en disk, der fyldes,\neller en forespørgsel, der bliver langsommere, bevæger sig over timer, og en\nmåling med få sekunders mellemrum ser dem længe før en bruger.\n\nKontoroverblikket viser skridtet fra en hjemmelavet indsamler til Prometheus.\nI en tidligere rolle byggede grundlæggeren\n[en organisations første observability-dashboard](/da/portfolio/built-the-companys-first-observability-dashboard/).\nDet begyndte med at læse CPU, RAM, disk, temperatur og mere fra Linux-servere over\nSSH og holdt øje med Docker-containere på samme måde. En anden version blev\nbygget op på Prometheus og Grafana omkring de metrikker, der var valgt sammen\nmed DevOps- og udviklingsteamene: CPU-udnyttelse, hukommelsesforbrug, oppetid\nfor tjenester og API-latens, med alarmer, når en tærskel blev overskredet. Med\ndashboardet på plads opdagede og løste teamene hændelser 40 % hurtigere.\nPolling over SSH er en fin start for en håndfuld maskiner; en scraper med labels\nog et forespørgselssprog er det, der lader det samme overblik vokse videre.\n\n## Hvor det går galt\n\n**Hukommelsen stiger efter en release, der kun ændrede småting.** Nogen har\ntilføjet en label, hvis værdier er ubegrænsede: et bruger-id, en e-mailadresse,\nen fuld URL-sti, et request-id. Hver ny værdi blev til en ny serie, og serveren\nholder nu på millioner, hvor den før holdt på tusinder. Navngivningsguiden\nadvarer netop mod det. Hold labelværdier inden for små, kendte mængder, send\ndetaljer pr. forespørgsel til logge eller traces, og find de værste syndere med\nen forespørgsel som denne:\n\n```promql\ntopk(10, count by (__name__) ({__name__=~\".+\"}))\n```\n\n**En graf viser et fald eller en spids, der aldrig fandt sted.** En tæller går\nkun op, og den falder til nul, når processen genstarter. Tegner man den rå\nværdi eller trækker værdierne fra hinanden i hånden, bliver hver genstart til et\nnedbrud eller en bølge af trafik. `rate()` forstår nulstillinger, så tag raten\nførst og læg sammen bagefter, over et vindue på flere hentningsintervaller:\n\n```promql\nsum by (job) (rate(http_requests_total{status=~\"5..\"}[5m]))\n```\n\nEn recording rule, der summerer en tæller, før raten tages, gemmer\nnulstillingerne inde i summen og bringer de falske fald tilbage.\n\n**En tjeneste går ned, og dens fejlalarm forbliver grøn.** En regel som en\nfejlrate over en tærskel evalueres over de serier, der findes. Når målet\nforsvinder, forsvinder dets serier også, udtrykket giver et tomt resultat, og\nalarmen ophører af sig selv på det værst tænkelige tidspunkt. Sæt en alarm på\n`up == 0` for hvert mål, brug `absent()` til serier, der altid skal være der,\nog lad noget uden for serveren tjekke, at serveren selv kører.\n\n**Tallene fra sidste kvartal er væk, når nogen spørger efter dem.** Det lokale\nlager gemmer 15 dage som standard og er én kopi på én disk. Det fungerer som et\nvindue mod den seneste adfærd, og som arkiv skuffer det. Hæv opbevaringstiden\nmed omtanke, send det, der skal holde, til langtidslagring via `remote_write`,\nog hold tal, som der hænger penge på, i en egentlig database.\n\n## Læs mere\n\n- [Prometheus overview](https://prometheus.io/docs/introduction/overview/)\n  — projektets egen beskrivelse af, hvad det er, hvilke komponenter det har, og\n  hvornår det er det forkerte valg.\n- [Data model](https://prometheus.io/docs/concepts/data_model/) — metriknavne,\n  labels og målinger, og hvorfor hver labelværdi starter en ny serie.\n- [Metric types](https://prometheus.io/docs/concepts/metric_types/) — counter,\n  gauge, histogram og summary, og hvilke spørgsmål hver af dem kan besvare.\n- [Querying basics](https://prometheus.io/docs/prometheus/latest/querying/basics/)\n  — PromQL-selektorer, range vectors og de typer, et udtryk kan returnere.\n- [Storage](https://prometheus.io/docs/prometheus/latest/storage/) — blokke på to\n  timer, write-ahead-loggen, opbevaringstid og remote write.\n- [Metric and label naming](https://prometheus.io/docs/practices/naming/) —\n  basisenheder, endelsen `_total` og advarslen mod labels med høj kardinalitet.\n\n\u003chttps://engineer.company/da/glossary/prometheus/\u003e\n","date_modified":"2026-11-12T05:34:23Z","description":"Sådan henter og gemmer Prometheus metrikker, hvor langt én server rækker, hvad en uovervejet label koster, og hvilke alarmer der tier, når de skal lyde.","formats":{"gemtext":"https://engineer.company/da/glossary/prometheus/index.gmi","gopher":"https://engineer.company/da/glossary/prometheus/gophermap","html":"https://engineer.company/da/glossary/prometheus/","json":"https://engineer.company/da/glossary/prometheus/index.json","markdown":"https://engineer.company/da/glossary/prometheus/index.md","pdf":"https://engineer.company/da/glossary/prometheus/index.pdf"},"kind":"page","language":"da","title":"Hvad er Prometheus?","url":"https://engineer.company/da/glossary/prometheus/","version":1}