Go微服务健康监控需暴露/liveness、/readiness、/startup三类标准化端点，集成Prometheus采集指标并联动Consul等注册中心自动剔除故障实例，配合分级告警实现秒级异常发现与响应。

在 Go 微服务架构中，健康监控不是“锦上添花”，而是故障快速定位和系统稳定运行的底线能力。核心在于：每个服务暴露标准化健康端点（如 /health），由统一监控系统（如 Prometheus + Grafana）持续采集，再结合告警规则与服务注册中心联动，实现秒级发现异常实例。

定义轻量、语义清晰的健康检查接口

避免复杂逻辑或强依赖外部组件（如 DB 连接池满才返回 unhealthy）。推荐分层设计：

• Liveness：只检查进程是否存活、端口是否可连（例如 HTTP 200 + 空响应体），用于容器编排重启决策
• Readiness：检查服务是否就绪接收流量（例如 DB 连接正常、配置加载完成、依赖服务可通），用于服务注册/负载均衡剔除
• Startup（Go 1.21+ 支持）：仅启动初期校验，如证书加载、本地缓存预热

示例代码（使用标准 net/http）：

http.HandleFunc("/health/live", func(w http.ResponseWriter, r *http.Request) {
    w.WriteHeader(http.StatusOK)
    json.NewEncoder(w).Encode(map[string]string{"status": "ok", "type": "live"})
})

http.HandleFunc("/health/ready", func(w http.ResponseWriter, r *http.Request) {
    if !db.PingContext(r.Context()).IsNil() {
        w.WriteHeader(http.StatusServiceUnavailable)
        json.NewEncoder(w).Encode(map[string]string{"status": "down", "reason": "db unreachable"})
        return
    }
    w.WriteHeader(http.StatusOK)
    json.NewEncoder(w).Encode(map[string]string{"status": "ok", "type": "ready"})
})

集成 Prometheus 实现自动指标采集与可视化

用 promhttp 暴露指标端点（如 /metrics），并为健康状态添加自定义指标：

• 定义 health_status{service="auth", instance="10.0.1.5:8080", type="ready"}，值为 0 或 1
• 配合 up{job="go-microservices"}（Prometheus 自带）判断目标是否可达
• Grafana 中创建看板：用 avg_over_time(health_status[5m]) == 0 标红异常服务；用 count by (service) (up == 0) 统计宕机数

关键点：Prometheus 的 scrape 配置需启用 honor_labels: true，避免覆盖服务注册中心注入的元标签（如 env、version）。

与服务注册中心联动，自动下线故障实例

当健康检查失败时，不能只等监控告警——要主动干预。以 Consul 为例：

• 服务启动时注册带 TTL 的 Check（如 "check": {"http": "http://localhost:8080/health/ready", "interval": "10s", "timeout": "3s"}）
• Consul 每 10 秒调用 /health/ready；连续 3 次失败即标记为 critical 并从 DNS / API 列表中剔除
• 客户端（如 Go 的 consul-api）应监听 health.service 事件，实时更新本地服务列表缓存

注意：避免健康检查路径与业务路径共用中间件（如 JWT 鉴权），否则未授权请求会导致误判。

设置分级告警，避免噪音淹没真实故障

用 Prometheus Alertmanager 配置多级策略：

• P0（立即响应）：任意服务 up == 0 持续 30 秒 → 企业微信/电话告警
• P1（人工介入）：同一服务超过 50% 实例 health_status{type="ready"} == 0 持续 2 分钟 → 邮件 + 钉钉群
• P2（观察项）：单实例 health_status{type="live"} == 0 但 up == 1（说明端口通但进程僵死）→ 记录日志 + 企业微信静默通知

告警消息中必须包含：service_name、instance_ip、last_health_response（可从 Prometheus label 提取或由服务写入 log 日志供 ELK 关联）。