GORM v1.23+ 内置 Prometheus 插件可直接暴露连接池指标，需在 gorm.Open() 的 Config.Plugins 中注册 prometheus.New() 插件，指定 Namespace 和 SubSystem，指标前缀为 gorm_db_*（如 gorm_db_connections_idle），并仍需手动挂载 promhttp.Handler() 暴露 /metrics 端点。
怎么用 GORM 内置的 prometheus 插件暴露连接池指标
GORM v1.23+ 自带 prometheus 插件，无需自己调 DB.Stats() 封装 exporter，直接注册就能暴露标准指标。但必须注意：它只监控 GORM 实例背后的 *sql.DB，不代理你手动创建的其他 DB 连接。
关键步骤是加载插件并传入正确参数：
- 插件初始化时需指定
namespace（默认"gorm"）和subsystem（如"db"），避免指标名冲突 - 必须把插件加到
gorm.Open()的Config.Plugins列表里，不是单独启动 - 暴露的指标前缀是
gorm_db_*，例如gorm_db_connections_opened_total、gorm_db_connections_idle - 插件不会自动注册
/metrics端点，仍需你自己用promhttp.Handler()挂载
示例代码片段：
db, err := gorm.Open(mysql.Open(dsn), &gorm.Config{
Plugins: []gorm.Plugin{
prometheus.New(prometheus.Config{
Namespace: "myapp",
SubSystem: "db",
EnableCounter: true,
EnableGauge: true,
}),
},
})为什么 DB.Stats() 返回的值和 Prometheus 指标对不上
两者数据来源一致，但语义和采集时机不同：DB.Stats() 是瞬时快照，而 GORM 的 prometheus 插件内部用的是 Counter + Gauge 组合方式上报——比如 gorm_db_connections_opened_total 是累计值（Counter），而 gorm_db_connections_idle 是当前值（Gauge）。
常见错觉来源：
-
DB.Stats().OpenConnections和gorm_db_connections_opened不是同一个东西：前者是当前打开数，后者是历史累计打开次数 - 插件默认每 15 秒自动采集一次
DB.Stats()并更新 Gauge 指标，不是实时拉取；如果你在两次采集之间调DB.Stats()，数值可能不同 - 若没调
db.Exec()或db.Find()等触发实际 SQL 执行的操作，*sql.DB可能尚未真正建连，此时Idle和OpenConnections都为 0，但插件已开始上报初始值
如何验证 Prometheus 是否真在抓取 GORM 连接池指标
别只看 Grafana 图表是否出数据，先确认底层指标是否生成并可访问：
- 启动服务后，curl 一下你的
/metrics端点，搜索gorm_db_connections，确认有类似# TYPE gorm_db_connections_idle gauge的行 - 检查 Prometheus 的 Targets 页面，确认该实例状态是
UP，且Last Scrape时间在 15 秒内 - 在 Prometheus 表达式浏览器中输入
gorm_db_connections_idle{job="your-job-name"}，看是否返回数值；若无结果，可能是 job 名不匹配或 label 过滤太严 - 如果指标存在但值长期为 0，大概率是 GORM 没执行过任何 SQL —— 插件只在连接池被实际使用后才开始更新 Gauge
哪些连接池指标最值得告警
别一上来就对所有指标设阈值。重点关注三个能反映真实阻塞风险的信号：
-
gorm_db_connections_wait_total持续增长 → 连接池太小或慢查询占住连接，应告警（阈值建议：5m 内增量 > 10） -
gorm_db_connections_idle长期为 0 且gorm_db_connections_opened接近max_open_conns→ 池被耗尽，新请求排队，需立即扩容或查泄漏 -
gorm_db_connections_closed_total短时间内突增 → 可能是SetConnMaxLifetime过短导致频繁重建连接，加重数据库握手开销
注意：GORM 插件不会暴露 WaitDuration，这个得自己定时调 DB.Stats().WaitDuration 上报为 Histogram 才能分析等待时长分布。
