Prometheus로 지표 노출하기
요청률, 오류, 처리 시간을 추적하세요.
Prometheus로 지표 노출하기은(는) CoddyKit의 무료 MLOps Academy 강의입니다. 이것은 4개 중 2번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 MLOps Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. MLOps Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.
Logs vs Metrics
Logs tell the story of one request. Metrics are numbers aggregated over many requests, so you can see trends like rate and error count at a glance. 📈
Meet Prometheus
Prometheus is the standard tool for collecting these numbers. Your service exposes metrics, and Prometheus regularly reads them for you.
Pull, Not Push
Prometheus uses a pull model: it scrapes a metrics URL on your service every few seconds. Your job is just to expose that endpoint.
The Python Client
The prometheus_client library lets your Python service define and serve metrics with almost no boilerplate.
from prometheus_client import Counter, Histogram, start_http_serverA Counter Counts Up
A Counter only ever increases. It is perfect for totals like how many predictions your model has served since startup.
predictions = Counter("predictions_total", "Total predictions served")
predictions.inc()A Histogram Times Things
A Histogram records a distribution, ideal for request duration. It buckets values so you can later read p50 and p99 latency.
latency = Histogram("predict_seconds", "Prediction latency in seconds")
with latency.time():
model.predict(x)Labels Add Dimensions
Labels split one metric by category, like model version or status. Then you can compare error rates per version side by side.
errors = Counter("errors_total", "Errors", ["model"])
errors.labels(model="churn-v3").inc()Expose the /metrics Endpoint
Prometheus scrapes a path conventionally named /metrics. The client can serve it for you on its own port.
start_http_server(8000)
# metrics now live at http://localhost:8000/metricsWhat a Metric Looks Like
On that endpoint each metric is plain text: a name, optional labels, and a value. Prometheus reads this format on every scrape.
predictions_total 1423.0
predict_seconds_bucket{le="0.1"} 1390.0Configure the Scrape
Tell Prometheus where to look by adding your service as a target in its config. Then it pulls metrics on a fixed interval.
scrape_configs:
- job_name: model-api
static_configs:
- targets: ["model-api:8000"]Pick the Right Type
Rule of thumb: use a Counter for things that only grow, a Histogram for durations, and a Gauge for values that go up and down.
Quick Check
You want to track request latency so you can later read p99. Which Prometheus metric type fits?
Recap
You exposed a /metrics endpoint with prometheus_client, using Counters and Histograms plus labels. Prometheus now pulls live numbers from your model service. ✅
자주 묻는 질문
“Prometheus로 지표 노출하기” 강의는 무료인가요?
네 — “Prometheus로 지표 노출하기” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 MLOps Academy 강의 전체를 잠금 해제할 수 있습니다. MLOps Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
“Prometheus로 지표 노출하기”에서 뭘 배우나요?
요청률, 오류, 처리 시간을 추적하세요. 브라우저에서 직접 실행하는 실습 코드로 MLOps Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
MLOps Academy을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 MLOps Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 2번째 강의입니다.
“Prometheus로 지표 노출하기” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 MLOps Academy 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 MLOps Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.
이 강의의 모든 강의
- 예측을 위한 구조화된 로그
- Prometheus로 지표 노출하기
- Grafana 대시보드 만들기
- 지연 시간과 오류 급증 알림