Monitoring
Flowise原生支持Prometheus、Grafana和OpenTelemetry。但是，仅跟踪高级指标，如API请求、流/预测计数。有关计数器指标的列表，请参阅此处。如需详细的逐节点可观察性，我们建议使用Analytic。
普罗米修斯
Prometheus 是一个开源的监控和警报解决方案。
在设置Prometheus之前，请在Flowise中配置以下环境变量：
属性文件 启用指标=true 指标提供者=prometheus METRICS_INCLUDE_NODE_METRICS=true
安装Prometheus后，使用配置文件运行它。Flowise提供了一个默认配置文件，可以在[这里](https://github.com/FlowiseAI/Flowise/blob/main/metrics/prometheus/prometheus.config.yml)找到。
请记住让Flowise实例也运行起来。你可以打开浏览器并访问端口9090。在仪表板上，你应该能看到指标端点 - `/api/v1/metrics` 现已上线。
<figure><img src="../.gitbook/assets/image (178).png" alt=""> <figcaption></figcaption></figure>
默认情况下，`/api/v1/metrics` 可供 Prometheus 从中提取指标。
<figure><img src="../.gitbook/assets/image (177).png" alt="" width="563"><figcaption></figcaption></figure>
## Grafana
Prometheus收集丰富的指标并提供强大的查询语言；Grafana将指标转换为有意义的可视化图表。
Grafana可以通过多种方式安装。请参阅[指南](https://grafana.com/docs/grafana/latest/setup-grafana/installation/)。
默认情况下，Grafana会开放端口9091：
<figure><img src="../.gitbook/assets/image (179).png" alt=""> <figcaption></figcaption></figure>
在左侧边栏，点击“添加新连接”，然后选择“Prometheus”：
<figure><img src="../.gitbook/assets/image (180).png" alt=""> <figcaption></figcaption></figure>
由于我们的Prometheus正在9090端口上运行：
<figure><img src="../.gitbook/assets/image (181).png" alt=""><figcaption></figcaption></figure>
滚动到页面底部并测试连接：
<figure><img src="../.gitbook/assets/image (182).png" alt=""> <figcaption></figcaption></figure>
记下工具栏中显示的数据源ID，我们创建仪表板时需要用到它：
<figure><img src="../.gitbook/assets/image (184).png" alt=""> <figcaption></figcaption></figure>
既然已经成功添加了连接，我们可以开始添加仪表板了。从左侧边栏，点击“仪表板”，然后点击“创建仪表板”。
Flowise提供了2个模板仪表板：
* [grafana.dashboard.app.json.txt](https://github.com/FlowiseAI/Flowise/blob/main/metrics/grafana/grafana.dashboard.app.json.txt)：API指标，如聊天流/代理流数量、预测次数、工具、助手、更新向量等。
* [grafana.dashboard.server.json.txt](https://github.com/FlowiseAI/Flowise/blob/main/metrics/grafana/grafana.dashboard.server.json.txt)：Flowise node.js实例的指标，如堆、CPU、RAM使用情况
如果你正在使用上述模板，请查找并替换所有出现的“cds4j1ybfuhogb”为你之前创建并保存的数据源ID。
<figure><img src="../.gitbook/assets/image (183).png" alt=""> <figcaption></figcaption></figure>
您也可以选择先导入，之后再编辑JSON：
<figure><img src="../.gitbook/assets/image (185).png" alt=""> <figcaption></figcaption></figure>
现在，尝试在Flowise上执行一些操作，你应该能看到显示的指标：
<figure><img src="../.gitbook/assets/image (186).png" alt=""> <figcaption></figcaption></figure>
<figure><img src="../.gitbook/assets/image (187).png" alt=""> <figcaption></figcaption></figure>
## OpenTelemetry
[OpenTelemetry](https://opentelemetry.io/) 是一个用于创建和管理遥测数据的开源框架。要在 Flowise 中启用 OTel，请配置以下环境变量：
属性文件
启用指标=true
指标提供者=open_telemetry
METRICS_INCLUDE_NODE_METRICS=true
METRICS_OPEN_TELEMETRY_METRIC_ENDPOINT=http://localhost:4318/v1/metrics
METRICS_OPEN_TELEMETRY_PROTOCOL=http # http | rpc | proto（默认为http）
METRICS_OPEN_TELEMETRY_DEBUG=true接下来，我们需要OpenTelemetry Collector来接收、处理和导出遥测数据。Flowise提供了一个docker compose文件，可用于启动收集器容器。
cd Flowise
进入metrics目录并执行命令，然后进入otel目录
docker compose up -d收集器将使用同一目录下的otel.config.yml文件进行配置。目前仅支持Datadog和Prometheus，如需配置其他APM工具（如Zipkin、Jaeger、New Relic、Splunk等），请参阅Open Telemetry文档。
请确保在yml文件中为导出器替换为必要的API密钥。
Last updated