{"canonical_url":"https://engineer.company/sv/glossary/prometheus/","content_markdown":"# Prometheus\n\n## Vad det är\n\nPrometheus är ett system för övervakning med öppen källkod, byggt kring en egen tidsseriedatabas.\nMed några sekunders mellanrum ber det programmen som det bevakar om deras senaste värden över HTTP,\nlagrar varje värde med en tidsstämpel och låter dig ställa databasfrågor mot det, rita grafer och\nskicka larm utifrån det som har sparats. Namnet betecknar servern för sig och, lika ofta, den lilla\nfamilj av komponenter som har vuxit upp kring den.\n\nDet byggdes på SoundCloud, där arbetet började 2012, och tillhör i dag Cloud Native Computing\nFoundation (CNCF). Projektet gick med 2016 som stiftelsens andra projekt, efter Kubernetes, och\nnådde 2018 den högsta mognadsnivån, graduated. Prometheus 3.0, som presenterades i november 2024,\nvar den första större versionen på sju år. Koden är till största delen skriven i Go och publiceras\nunder licensen Apache 2.0.\n\nAllt som lagras är en tidsserie, namngiven av ett mätvärdesnamn och en uppsättning etiketter\n(labels): par av nyckel och värde som säger vilken instans av något som mättes, som i\n`api_http_requests_total{method=\"POST\", handler=\"/messages\"}`. Varje mätpunkt i serien är ett\n64-bitars flyttal, eller ett inbyggt histogram (native histogram), med en tidsstämpel i\nmillisekunder. Ett annat värde på vilken etikett som helst ger en annan serie. Det gör datan lätt\natt dela upp per värddator, sökväg eller statuskod, och det gör den också lätt att överbelasta.\n\nProgram exponerar sina systemmätvärden på en HTTP-ändpunkt, oftast `/metrics`, genom ett\nklientbibliotek som kompileras in i koden eller genom en exporterare (exporter): en liten adapter\nsom översätter ett system som Prometheus inte kan instrumentera direkt, t.ex. en värddator med\nLinux eller en databas. Servern hittar sina mål genom tjänsteupptäckt (service discovery) eller en\nstatisk lista och hämtar data från dem med fasta intervall, det som kallas scraping. Ett batchjobb\nsom avslutas före nästa hämtning kan i stället skicka sina värden till en separat push-gateway.\nLarmregler körs på servern, och utlösta larm går till Alertmanager, som tar bort dubbletter,\ngrupperar dem, tillämpar tystningar och skickar dem vidare till e-post, PagerDuty, OpsGenie och\nliknande mottagare.\n\nPrometheus vägs oftast mot push-baserade insamlare i traditionen från Graphite och StatsD, mot\nallmänna tidsseriedatabaser som InfluxDB och mot hanterade tjänster för mätvärden. Grafana är det\nvanliga ansiktet framför det. Prometheus lagrar tal snarare än händelser, så en loggrad hör hemma i\nloggningen och en spårning (trace) i ett system för spårning. Projektet säger också rakt ut att det\nprioriterar tillförlitlighet framför fullständighet: debitering per anrop, där varje räkning måste\nvara exakt, är ett jobb för ett annat system.\n\n## Varför det spelar roll\n\nBeslutet som Prometheus står mitt i är om du ska driva en egen databas för mätvärden eller hyra en,\noch om du driver den själv, hur stor den måste vara.\n\nAtt driva den själv kostar ingen licensavgift. Kostnaden är en maskin och timmarna hos den som\nhåller den frisk. En hanterad tjänst tar bort det arbetet och ersätter det med en avgift som växer\nmed mängden data som skickas dit, vilket gör varje ny etikett till en rad på en faktura. För några\ndussin maskiner är den egna servern oftast den billigare och enklare vägen. Kalkylen ändras när\nantalet serier når miljontals och teamet hellre betalar än bemannar.\n\nStorleksräkningen är snällare än de flesta tror. Projektets dokumentation om lagring anger i\ngenomsnitt en till två byte per mätpunkt. Tusen serier som hämtas var 15:e sekund och sparas under\nstandardlagringstiden på 15 dagar blir 86,4 miljoner mätpunkter, ungefär 86–173 MB på disk. Det är\nsällan disken som tar slut. Det är minnet: blocket som fylls just nu ligger i minnet, skyddat mot\nkrascher av en write-ahead-logg, och varje aktiv serie kostar något där, oavsett om någon någonsin\nfrågar efter den.\n\nVarje server är medvetet självständig. Den är inte beroende av nätverkslagring, så den fortsätter\natt svara medan infrastrukturen den bevakar faller ihop, och det är just då den behövs som mest.\nPriset är att den lokala lagringen varken är klustrad eller replikerad. Hög tillgänglighet betyder\ntvå identiska servrar som hämtar från samma mål, och historik längre än några veckor betyder att en\nkopia skickas med `remote_write` till ett lager som är byggt för att behålla den.\n\nAtt hämta i stället för att ta emot ger också en praktisk vinst. Eftersom servern är den som frågar\nmärker den när ett mål slutar svara och registrerar det som att `up` sjunker till noll. Och en\ningenjör kan öppna samma `/metrics`-sida i en webbläsare och se exakt det som servern ser, vilket\ngör att en oenighet mellan grafen och applikationen snabbt går att reda ut.\n\n## Så ser det ut i praktiken\n\nI grundarens arbete dyker Prometheus upp som insamlaren bakom en dashboard: en gång för en flotta\nav databasservrar och en gång som andra versionen av en vy som hela kontoret tittade på.\n\nI databasfallet hämtade Prometheus mätvärden från\n[tio databasservrar med två motorer, PostgreSQL 14 och MS SQL Server 2019](/sv/portfolio/ran-10-postgresql-and-ms-sql-servers-on-ubuntu/),\nalla på virtuella servrar med Ubuntu 20.04 LTS. Tillsammans med Grafana följde den CPU, minne,\ndisk-I/O och prestanda för databasfrågor i realtid, vid sidan av automatiserade säkerhetskopior,\nregler för brandväggen och egna skript för logganalys. På alla tio servrarna höll sig upptiden på\n99,9 %. Databasvärdar passar bra för den här sortens hämtning, eftersom de värden som förutsäger\nproblem där, en disk som fylls eller en databasfråga som blir långsammare, rör sig över timmar. En\nmätpunkt med några sekunders mellanrum ser dem långt innan en användare gör det.\n\nKontorsvyn visar steget från en hemmabyggd insamlare till Prometheus.\nI en tidigare roll byggde grundaren\n[en organisations första dashboard för observerbarhet](/sv/portfolio/built-the-companys-first-observability-dashboard/).\nDen började med att läsa CPU, RAM, disk, temperatur med mera från Linux-servrar på distans via SSH, och\nbevakade Docker-containrar på samma sätt. En andra version byggdes om på Prometheus och Grafana,\nkring de mått som valdes tillsammans med DevOps- och utvecklingsteamen: CPU-användning,\nminnesanvändning, tjänsternas upptid och API-latens, med larm vid överskridna tröskelvärden. Med\ndashboarden på plats upptäckte och löste teamen incidenter 40 % snabbare. Att polla över SSH är en\nbra start för en handfull maskiner. En insamlare med etiketter och ett frågespråk är det som låter\nsamma vy fortsätta växa.\n\n## Var det går fel\n\n**Minnet klättrar efter en release som inte ändrade något viktigt.** Någon lade till en etikett\nvars värden saknar gräns: ett användar-ID, en e-postadress, en fullständig URL-sökväg, ett\nanrops-ID. Varje nytt värde blev en ny serie, och servern håller nu miljontals serier där den förut\nhöll tusentals. Namngivningsguiden varnar för exakt det här. Håll etikettvärdena till små, kända\nmängder, skicka detaljer per anrop till loggar eller spårningar och hitta de värsta bovarna med en\nPromQL-fråga som den här:\n\n```promql\ntopk(10, count by (__name__) ({__name__=~\".+\"}))\n```\n\n**En graf visar ett stup eller en topp som aldrig inträffade.** En räknare (counter) går bara uppåt\noch faller till noll när processen startar om. Att rita upp det råa värdet, eller subtrahera för\nhand, gör varje omstart till en krasch eller en rusning. `rate()` förstår nollställningar, så\nberäkna `rate()` först och summera efteråt, över ett fönster som är flera hämtintervall brett:\n\n```promql\nsum by (job) (rate(http_requests_total{status=~\"5..\"}[5m]))\n```\n\nEn inspelningsregel (recording rule) som summerar en räknare innan `rate()` tas gömmer\nnollställningarna inne i summan och tar tillbaka de falska stupen.\n\n**En tjänst går ned och dess larm för felfrekvens förblir grönt.** En regel som felfrekvens över ett\ntröskelvärde utvärderas över de serier som finns. När målet försvinner försvinner även dess serier,\nuttrycket ger ett tomt resultat och larmet upphör av sig självt i värsta tänkbara ögonblick. Larma\npå `up == 0` för varje mål som hämtas, använd `absent()` för varje serie som alltid måste finnas och\nlåt något utanför servern kontrollera att servern själv är igång.\n\n**Förra kvartalets siffror är borta när någon frågar efter dem.** Den lokala lagringen sparar 15\ndagar som standard och är en enda kopia på en enda disk. Den fungerar som ett fönster mot det\nsenaste beteendet, och som arkiv sviker den. Höj lagringstiden med försiktighet, skicka det som\nmåste bestå till långtidslagring via `remote_write` och håll siffror som pengar hänger på i en\ndatabas som är den auktoritativa källan för dem.\n\n## Läs mer\n\n- [Prometheus overview](https://prometheus.io/docs/introduction/overview/)\n  — projektets egen beskrivning av vad det är, vilka komponenter det har och var det passar dåligt.\n- [Data model](https://prometheus.io/docs/concepts/data_model/) — mätvärdesnamn, etiketter och\n  mätpunkter, och varför varje nytt etikettvärde startar en ny serie.\n- [Metric types](https://prometheus.io/docs/concepts/metric_types/) — counter, gauge, histogram\n  och summary, och vilka frågor var och en kan besvara.\n- [Querying basics](https://prometheus.io/docs/prometheus/latest/querying/basics/)\n  — selektorer i PromQL, intervallvektorer och de typer ett uttryck kan returnera.\n- [Storage](https://prometheus.io/docs/prometheus/latest/storage/) — block på två timmar,\n  write-ahead-loggen, lagringstiden och gränssnittet för remote write.\n- [Metric and label naming](https://prometheus.io/docs/practices/naming/) — basenheter, suffixet\n  `_total` och varningen för etiketter med hög kardinalitet.\n\n\u003chttps://engineer.company/sv/glossary/prometheus/\u003e\n","date_modified":"2026-11-12T05:34:23Z","description":"Prometheus för dig som ska samla mätvärden: hur hämtningen fungerar, hur långt en server räcker, vad en slarvig etikett kostar och larm som tiger i fel läge.","formats":{"gemtext":"https://engineer.company/sv/glossary/prometheus/index.gmi","gopher":"https://engineer.company/sv/glossary/prometheus/gophermap","html":"https://engineer.company/sv/glossary/prometheus/","json":"https://engineer.company/sv/glossary/prometheus/index.json","markdown":"https://engineer.company/sv/glossary/prometheus/index.md","pdf":"https://engineer.company/sv/glossary/prometheus/index.pdf"},"kind":"page","language":"sv","title":"Vad är Prometheus?","url":"https://engineer.company/sv/glossary/prometheus/","version":1}