如何将Dify运行指标接入Prometheus与Grafana进行监控详细步骤

在生产环境中，当Dify突然变慢、请求频繁报错、或者Token用量疯狂飙升却找不到源头的时候，那种无力感确实让人头疼。这时候，你得让系统自己“交代”状态——通过Prometheus实时抓取Dify的指标，然后在Grafana上一目了然地呈现出来，形成一个可量化、能告警、还能下钻排查的监控闭环。整个过程不需要改Dify的源码，全靠它本身暴露的/metrics端点和标准的OpenMetrics协议来对接。

确认Dify是否已启用指标暴露功能

默认情况下，Dify v0.7.0以上的镜像其实已经内置了Prometheus兼容的metrics中间件，但不会自动开启。你得让系统知道要暴露这些指标——设置环境变量 【ENABLE_METRICS=true】。如果没设置，容器启动后访问/metrics路径会直接返回404，后续的采集动作全都白搭。

验证方法很简单：在能访问Dify API服务的机器上执行 curl http://你的-dify-api地址:8080/metrics。如果返回的内容里包含类似 # HELP http_request_duration_seconds HTTP请求处理耗时分布 的OpenMetrics文本，那就说明指标已经成功暴露了。

配置Prometheus抓取Dify指标

方法一：静态配置（适用于单实例或测试环境）

如果只是单实例或者测试环境玩一玩，静态配置足够了。编辑 prometheus.yml，在 scrape_configs 下添加以下内容：

- job_name: 'dify-api'
  static_configs:
  - targets: ['dify-api:8080']
    labels:
      app: 'dify'
      env: 'prod'

需要注意：target地址必须跟Prometheus所在网络能直连。Docker Compose环境下可以直接用服务名，K8s里要用Service的完整DNS名（比如 dify-api.default.svc.cluster.local）。

方法二：Kubernetes动态发现（推荐用于生产集群）

生产集群规模大了以后，用Pod标签自动发现Dify实例会更省心：

- job_name: 'dify-otel'
  kubernetes_sd_configs:
  - role: pod
    selectors:
    - matchExpressions:
      - key: app.kubernetes.io/name
        operator: In
        values: [dify-api]
  metrics_path: '/metrics'
  relabel_configs:
  - source_labels: [__meta_kubernetes_pod_label_app_kubernetes_io_instance]
    target_label: instance
  - source_labels: [__meta_kubernetes_pod_container_name]
    target_label: container

这种配置确保了只抓取带 app.kubernetes.io/name=dify-api 标签的Pod，不会误采其他服务的指标。

部署并验证Dify Exporter（可选增强方案）

Dify原生的/metrics端点虽然够用，但如果你需要更细粒度的维度——比如按模型、按应用名、按LLM provider拆分Token消耗——那就得引入一个独立的Exporter来补全这个短板。

第一步：启动Dify Exporter服务，执行以下命令：

docker run -d --name dify-exporter \
  -p 9876:9876 \
  -e DIFY_API_URL=http://dify-api:8080 \
  -e DIFY_API_KEY=sk-xxx \
  ghcr.io/dify-ai/exporter:latest

第二步：在Prometheus中新增一个抓取任务，指向这个Exporter：

- job_name: 'dify-exporter'
  static_configs:
  - targets: ['dify-exporter:9876']

这个Exporter会主动调用Dify的Admin API，拉取应用级的统计信息，然后转换为Prometheus格式的指标，比如 dify_app_token_usage_total{app_name="hr-bot",model="gpt-4o"}。这样一来，你就能看到每个应用、每个模型的具体消耗情况了。

导入Grafana看板并配置核心告警

① 先到Grafana里添加一个Prometheus数据源，URL填 http://prometheus:9090（或者你实际的地址）。

② 导入官方提供的Dify Dashboard（ID: 21872），这个看板里已经预置了“每秒Token消耗TOP5模型”“P95请求延迟趋势”“缓存命中率变化”这些关键视图，不需要自己从头画。

③ 配置告警规则——在Prometheus的 alerts.yml 中添加以下内容：

- alert: DifyHighTokenUsage
  expr: sum(increase(dify_token_usage_total[1h])) > 1000000
  for: 5m
  labels:
    severity: critical
  annotations:
    summary: "Token usage exceeded 1M in last hour"

④ 启用Alertmanager，配置好企业微信或钉钉的webhook，这样告警就能直接推送到你日常用的群里。

完成这一步之后，Grafana仪表盘就可以实时展示Dify各个维度的运行状态，告警规则也开始生效了。整个监控链路跑通后，无论是性能瓶颈还是资源异常，都能第一时间感知并快速定位。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：如何将Dify运行指标接入Prometheus与Grafana进行监控详细步骤要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题