Bekannt als das Überwachungssystem der nächsten Generation! Mal sehen, wie großartig es ist

Wenn wir von Prometheus sprechen, müssen wir SoundCloud erwähnen, eine ähnliche Online-Musik-Sharing-Plattform zum Video-Sharing YouTube, da sie den Weg der Microservice-Architektur immer weiter beschreiten, über Hunderte von Diensten verfügen und es bei der Verwendung der traditionellen Überwachungssysteme StatsD und Graphite viele Einschränkungen gibt.

Also begannen sie 2012 mit der Entwicklung eines neuen Überwachungssystems. Der ursprüngliche Autor von Prometheus ist Matt T. Proud, der ebenfalls 2012 zu SoundCloud kam. Tatsächlich hatte Matt vor seinem Beitritt zu SoundCloud bei Google gearbeitet und sich von Googles Clustermanager Borg und dessen Überwachungssystem Borgmon inspirieren lassen Wie bei vielen Google-Projekten wird als Programmiersprache Go verwendet.

Als Lösung für das Überwachungssystem der Microservice-Architektur ist Prometheus natürlich auch untrennbar mit Containern verbunden. Bereits am 9. August 2006 stellte Eric Schmidt auf der Suchmaschinenkonferenz erstmals das Konzept des Cloud Computing vor. In den folgenden zehn Jahren verlief die Entwicklung des Cloud Computing rasant.

Im Jahr 2013 schlug Matt Stine von Pivotal das Konzept von Cloud Native vor, das aus einer Microservice-Architektur, DevOps und einer agilen Infrastruktur besteht, die durch Container dargestellt wird, um Unternehmen bei der schnellen, kontinuierlichen, zuverlässigen und skalierbaren Bereitstellung von Software zu unterstützen.

Um Cloud-Computing-Schnittstellen und verwandte Standards zu vereinheitlichen, wurde im Juli 2015 die Cloud Native Computing Foundation (CNCF) ins Leben gerufen, die der Linux Foundation angegliedert ist. Das erste Projekt, das der CNCF beitrat, war Googles Kubernetes, und Prometheus war das zweite, das sich der CNCF anschloss (im Jahr 2016).

Derzeit wird Prometheus häufig im Überwachungssystem von Kubernetes-Clustern eingesetzt. Studierende, die sich für die Geschichte von Prometheus interessieren, können sich die Rede von SoundCloud-Ingenieur Tobias Schmidt auf der PromCon-Konferenz 2016 ansehen: „The History of Prometheus“ bei SoundCloud.

1. Prometheus-Übersicht

Auf dem offiziellen Blog von SoundCloud finden Sie einen Artikel darüber, warum sie ein neues Überwachungssystem entwickeln müssen: Prometheus: Monitoring bei SoundCloud die folgenden vier Merkmale:

Einfach ausgedrückt sind es die folgenden vier Merkmale:

• Mehrdimensionales Datenmodell
• Bequeme Bereitstellung und Wartung
• Flexible Datenerfassung
• Leistungsstarke Abfragesprache

Tatsächlich das zweiteilige mehrdimensionale Datenmodell und die leistungsstarke Abfragesprache Diese Funktion ist genau das, was eine Zeitreihendatenbank benötigt, sodass Prometheus nicht nur ein Überwachungssystem, sondern auch eine Zeitreihendatenbank ist. Warum nutzt Prometheus also nicht direkt die vorhandene Zeitreihendatenbank als Back-End-Speicher? Denn SoundCloud möchte, dass sein Monitoring-System nicht nur die Eigenschaften einer Zeitreihendatenbank aufweist, sondern auch sehr einfach bereitzustellen und zu warten sein.

Wenn man sich die populäreren Zeitreihendatenbanken ansieht (siehe Anhang unten), haben sie entweder zu viele Komponenten oder starke externe Abhängigkeiten. Zum Beispiel: Druid verfügt über eine Reihe von Komponenten wie Historical, MiddleManager, Broker, Coordinator, Overlord und Router, und es hängt auch davon ab Für ZooKeeper, Deep Storage (HDFS oder S3 usw.), Metadatenspeicher (PostgreSQL oder MySQL) sind die Bereitstellungs- und Wartungskosten sehr hoch. Prometheus verwendet eine dezentrale Architektur, die unabhängig bereitgestellt werden kann und nicht auf externen verteilten Speicher angewiesen ist. Sie können in wenigen Minuten ein Überwachungssystem erstellen.

Darüber hinaus ist die Datenerfassungsmethode von Prometheus auch sehr flexibel. Um die Überwachungsdaten des Ziels zu sammeln, müssen Sie zunächst die Datenerfassungskomponente auf dem Ziel installieren. Sie sammelt Überwachungsdaten auf dem Ziel und stellt Prometheus eine HTTP-Schnittstelle zur Abfrage zur Verfügung .Daten, dies unterscheidet sich vom herkömmlichen Push-Modus.

Prometheus bietet jedoch auch eine Möglichkeit, den Push-Modus zu unterstützen. Sie können Ihre Daten an Push Gateway übertragen, und Prometheus erhält Daten von Push Gateway über Pull. Der aktuelle Exporter kann bereits die meisten Daten von Drittanbietern sammeln, z. B. Docker, HAProxy, StatsD, JMX usw. Auf der offiziellen Website finden Sie eine Liste der Exporter.

Zusätzlich zu diesen vier Hauptfunktionen unterstützt Prometheus im Zuge der Weiterentwicklung immer mehr erweiterte Funktionen, wie z. B. Serviceerkennung, umfangreichere Diagrammanzeige, Verwendung von externem Speicher, leistungsstarke Alarmregeln und verschiedene Benachrichtigungsmethoden. Das folgende Bild ist das Gesamtarchitekturdiagramm von Prometheus:

Wie aus dem obigen Bild ersichtlich ist, enthält das Prometheus-Ökosystem mehrere Schlüsselkomponenten: Prometheus-Server, Pushgateway, Alertmanager, Web-UI usw., die meisten Komponenten sind jedoch vorhanden nicht erforderlich Die Kernkomponente ist natürlich der Prometheus-Server, der für das Sammeln und Speichern von Indikatordaten, die Unterstützung von Ausdrucksabfragen und die Generierung von Alarmen verantwortlich ist. Als nächstes werden wir den Prometheus-Server installieren.

2. Prometheus-Server installieren

Prometheus kann eine Vielzahl von Installationsmethoden unterstützen, einschließlich Docker, Ansible, Chef, Puppet, Saltstack usw. Die beiden einfachsten Methoden werden im Folgenden vorgestellt. Eine besteht darin, die kompilierte ausführbare Datei direkt zu verwenden, die sofort verwendet werden kann, und die andere darin, ein Docker-Image zu verwenden.

2.1 funktioniert sofort

Besorgen Sie sich zunächst die neueste Version und Download-Adresse von der Download-Seite der offiziellen Website. Die neueste Version ist 2.4.3 (Oktober 2018). Führen Sie zum Herunterladen und Entpacken den folgenden Befehl aus:

$ wget https://github.com/prometheus/prometheus/releases/download/v2.4.3/prometheus-2.4.3.linux-amd64.tar.gz  
$ tar xvfz prometheus-2.4.3.linux-amd64.tar.gz

Dann wechseln Sie in das Dekomprimierungsverzeichnis und überprüfen die Prometheus-Version:

$ cd prometheus-2.4.3.linux-amd64  
$ ./prometheus --version  
prometheus, version 2.4.3 (branch: HEAD, revision: 167a4b4e73a8eca8df648d2d2043e21bdb9a7449)  
  build user:       root@1e42b46043e9  
  build date:       20181004-08:42:02  
  go version:       go1.11.1

Führen Sie den Prometheus-Server aus:

$ ./prometheus --config.file=prometheus.yml

2.2 使用 Docker 镜像

使用 Docker 安装 Prometheus 更简单，运行下面的命令即可：

$ sudo docker run -d -p 9090:9090 prom/prometheus

一般情况下，我们还会指定配置文件的位置：

$ sudo docker run -d -p 9090:9090 \  
    -v ~/docker/prometheus/:/etc/prometheus/ \  
    prom/prometheus

我们把配置文件放在本地 ~/docker/prometheus/prometheus.yml，这样可以方便编辑和查看，通过 -v 参数将本地的配置文件挂载到 /etc/prometheus/ 位置，这是 prometheus 在容器中默认加载的配置文件位置。如果我们不确定默认的配置文件在哪，可以先执行上面的不带 -v 参数的命令，然后通过 docker inspect 命名看看容器在运行时默认的参数有哪些（下面的 Args 参数）：

$ sudo docker inspect 0c  
[...]  
        "Id": "0c4c2d0eed938395bcecf1e8bb4b6b87091fc4e6385ce5b404b6bb7419010f46",  
        "Created": "2018-10-15T22:27:34.56050369Z",  
        "Path": "/bin/prometheus",  
        "Args": [  
            "--config.file=/etc/prometheus/prometheus.yml",  
            "--storage.tsdb.path=/prometheus",  
            "--web.console.libraries=/usr/share/prometheus/console_libraries",  
            "--web.console.templates=/usr/share/prometheus/consoles"  
        ],  
   
[...]

2.3 配置 Prometheus

正如上面两节看到的，Prometheus 有一个配置文件，通过参数 --config.file 来指定，配置文件格式为 YAML。我们可以打开默认的配置文件 prometheus.yml 看下里面的内容：

/etc/prometheus $ cat prometheus.yml   
# my global config  
global:  
  scrape_interval:     15s # Set the scrape interval to every 15 seconds. Default is every 1 minute.  
  evaluation_interval: 15s # Evaluate rules every 15 seconds. The default is every 1 minute.  
  # scrape_timeout is set to the global default (10s).  
   
# Alertmanager configuration  
alerting:  
  alertmanagers:  
  - static_configs:  
    - targets:  
      # - alertmanager:9093  
   
# Load rules once and periodically evaluate them according to the global 'evaluation_interval'.  
rule_files:  
  # - "first_rules.yml"  
  # - "second_rules.yml"  
   
# A scrape configuration containing exactly one endpoint to scrape:  
# Here it's Prometheus itself.  
scrape_configs:  
  # The job name is added as a label `job=<job_name>` to any timeseries scraped from this config.  
  - job_name: &#39;prometheus&#39;  
   
    # metrics_path defaults to &#39;/metrics&#39;  
    # scheme defaults to &#39;http&#39;.  
   
    static_configs:  
    - targets: [&#39;localhost:9090&#39;]

Prometheus 默认的配置文件分为四大块：

• Globaler Block: Globale Konfiguration von Prometheus, zum Beispiel gibt scrape_interval an, wie oft Prometheus Daten crawlt, Evaluation_interval gibt an, wie oft Alarmregeln erkannt werden;
• Alerting-Block: Bezüglich der Konfiguration von Alertmanager werden wir uns das später ansehen ;
• rule_files-Block: Alarmregeln, wir werden uns das später ansehen;
• scrape_config-Block: Dies definiert das Ziel, das von Prometheus gecrawlt werden soll liegt daran, dass Prometheus beim Start auch seine eigenen Indikatordaten über die HTTP-Schnittstelle verfügbar macht, was der Prometheus-Überwachung selbst entspricht. Obwohl dies bei der tatsächlichen Verwendung von Prometheus von geringem Nutzen ist, können wir dadurch lernen, wie man Prometheus verwendet Beispiel: Sie können auf http://localhost:9090/metrics zugreifen. Sehen Sie sich an, welche Metriken Prometheus bereitstellt. Prometheus bietet eine visuelle Web-Benutzeroberfläche, um unseren Betrieb zu erleichtern. Besuchen Sie einfach http://localhost:9090/. Es wird standardmäßig zur Diagrammseite gesprungen:
Sie werden möglicherweise überfordert sein, wenn Sie diese Seite zum ersten Mal besuchen Werfen Sie zunächst einen Blick auf den Inhalt anderer Menüs, zum Beispiel: „Alerts“ zeigt alle definierten Alarmregeln an, „Status“ kann verschiedene Prometheus-Statusinformationen anzeigen, einschließlich Laufzeit- und Build-Informationen, Befehlszeilen-Flags, Konfiguration, Regeln, Ziele, Diensterkennung, usw. .

Tatsächlich ist die Graph-Seite die leistungsstärkste Funktion von Prometheus. Hier können wir einen speziellen Ausdruck verwenden, der von Prometheus bereitgestellt wird, um Überwachungsdaten abzufragen. Dieser Ausdruck heißt PromQL (Prometheus Query Language). Sie können Daten auf der Graph-Seite nicht nur über PromQL abfragen, sondern auch über die von Prometheus bereitgestellte HTTP-API. Die abgefragten Überwachungsdaten können in zwei Formen angezeigt werden: Liste und Diagramm (entsprechend den beiden Bezeichnungen Konsole und Diagramm in der obigen Abbildung).

Wie oben erwähnt, stellt Prometheus selbst viele Überwachungsindikatoren bereit. Sie können es auch auf der Dropdown-Liste neben der Schaltfläche „Ausführen“ abfragen nach Belieben, zum Beispiel: promhttp_metric_handler_requests_total, dieser Indikator stellt die Anzahl der Besuche auf der Seite /metrics dar. Prometheus verwendet diese Seite, um seine eigenen Überwachungsdaten zu erfassen. Die Abfrageergebnisse im Console-Tag lauten wie folgt:

Bei der Einführung der Prometheus-Konfigurationsdatei oben können Sie sehen, dass der Parameter scrape_interval 15 Sekunden beträgt, was bedeutet, dass Prometheus alle 15 Sekunden auf die Seite /metrics zugreift, sodass wir die aktualisieren Seite nach 15 Sekunden. Sie können sehen, dass sich der Indikatorwert automatisch erhöht. Dies ist im Graph-Tag deutlicher zu erkennen:

3.1 数据模型

要学习 PromQL，首先我们需要了解下 Prometheus 的数据模型，一条 Prometheus 数据由一个指标名称（metric）和 N 个标签（label，N >= 0）组成的，比如下面这个例子：

promhttp\_metric\_handler\_requests\_total{code="200",instance="192.168.0.107:9090",job="prometheus"} 106

这条数据的指标名称为 promhttp_metric_handler_requests_total，并且包含三个标签 code、instance 和 job，这条记录的值为 106。上面说过，Prometheus 是一个时序数据库，相同指标相同标签的数据构成一条时间序列。如果以传统数据库的概念来理解时序数据库，可以把指标名当作表名，标签是字段，timestamp 是主键，还有一个 float64 类型的字段表示值（Prometheus 里面所有值都是按 float64 存储）。另外，搜索公众号Linux就该这样学后台回复“Linux”，获取一份惊喜礼包。

这种数据模型和 OpenTSDB 的数据模型是比较类似的，详细的信息可以参考官网文档 Data model。

虽然 Prometheus 里存储的数据都是 float64 的一个数值，但如果我们按类型来分，可以把 Prometheus 的数据分成四大类：

• Zähler
• Gauge
• Histogramm
• Zusammenfassung

Zähler wird zum Zählen verwendet, z. B. für die Anzahl der Anforderungen, die Anzahl der abgeschlossenen Aufgaben und die Anzahl der Fehler Der Wert wird weiter steigen und nicht sinken. Gauge ist ein allgemeiner Wert, der groß oder klein sein kann, z. B. Temperaturänderungen und Änderungen der Speichernutzung. Histogramm ist ein Histogramm oder Histogramm, das häufig zur Verfolgung des Ausmaßes von Ereignissen verwendet wird, z. B. der Anforderungszeit und der Antwortgröße.

Das Besondere daran ist, dass es die aufgezeichneten Inhalte gruppieren und Zähl- und Summierungsfunktionen bereitstellen kann. Zusammenfassung ist dem Histogramm sehr ähnlich und wird auch zur Verfolgung des Ausmaßes des Auftretens von Ereignissen verwendet. Der Unterschied besteht darin, dass es eine Quantilfunktion bietet, die die Verfolgungsergebnisse durch Prozentsätze dividieren kann. Beispiel: Ein Quantilwert von 0,95 bedeutet, dass 95 % der Daten in den Stichprobenwert einbezogen werden.

Diese vier Datentypen werden nur durch den Indikatoranbieter unterschieden, bei dem es sich um den oben erwähnten Exporter handelt. Wenn Sie Ihren eigenen Exporter schreiben oder Indikatoren für Prometheus zum Crawlen im vorhandenen System bereitstellen müssen, können Sie Prometheus-Clientbibliotheken verwenden Dieses Mal müssen Sie die Datentypen verschiedener Indikatoren berücksichtigen. Wenn Sie es nicht selbst implementieren müssen, sondern direkt einige vorgefertigte Exporter verwenden und dann die relevanten Indikatordaten in Prometheus überprüfen, müssen Sie dem nicht allzu viel Aufmerksamkeit schenken, wenn Sie die Datentypen verstehen von Prometheus ist auch hilfreich, um korrektes und vernünftiges PromQL zu schreiben.

3.2 PromQL 入门

我们从一些例子开始学习 PromQL，最简单的 PromQL 就是直接输入指标名称，比如：

# 表示 Prometheus 能否抓取 target 的指标，用于 target 的健康检查  
up

这条语句会查出 Prometheus 抓取的所有 target 当前运行情况，譬如下面这样：

up{instance="192.168.0.107:9090",job="prometheus"}    1  
up{instance="192.168.0.108:9090",job="prometheus"}    1  
up{instance="192.168.0.107:9100",job="server"}    1  
up{instance="192.168.0.108:9104",job="mysql"}    0

也可以指定某个 label 来查询：

up{job="prometheus"}

这种写法被称为 Instant vector selectors，这里不仅可以使用 = 号，还可以使用 !=、=~、!~，比如下面这样：

up{job!="prometheus"}  
up{job=~"server|mysql"}  
up{job=~"192\.168\.0\.107.+"}  
#=~ 是根据正则表达式来匹配，必须符合 RE2 的语法。

和 Instant vector selectors 相应的，还有一种选择器，叫做 Range vector selectors，它可以查出一段时间内的所有数据：

http_requests_total[5m]

这条语句查出 5 分钟内所有抓取的 HTTP 请求数，注意它返回的数据类型是 Range vector，没办法在 Graph 上显示成曲线图，一般情况下，会用在 Counter 类型的指标上，并和 rate() 或 irate() 函数一起使用（注意 rate 和 irate 的区别）。

# 计算的是每秒的平均值，适用于变化很慢的 counter  
# per-second average rate of increase, for slow-moving counters  
rate(http_requests_total[5m])  
   
# 计算的是每秒瞬时增加速率，适用于变化很快的 counter  
# per-second instant rate of increase, for volatile and fast-moving counters  
irate(http_requests_total[5m])

此外，PromQL 还支持 count、sum、min、max、topk 等 聚合操作，还支持 rate、abs、ceil、floor 等一堆的 内置函数，更多的例子，还是上官网学习吧。如果感兴趣，我们还可以把 PromQL 和 SQL 做一个对比，会发现 PromQL 语法更简洁，查询性能也更高。

3.3 HTTP API

我们不仅仅可以在 Prometheus 的 Graph 页面查询 PromQL，Prometheus 还提供了一种 HTTP API 的方式，可以更灵活的将 PromQL 整合到其他系统中使用，譬如下面要介绍的 Grafana，就是通过 Prometheus 的 HTTP API 来查询指标数据的。实际上，我们在 Prometheus 的 Graph 页面查询也是使用了 HTTP API。

我们看下 Prometheus 的 HTTP API 官方文档，它提供了下面这些接口：

GET /api/v1/query
GET /api/v1/query_range
GET /api/v1/series
GET /api/v1/label/<label_name>/values
GET /api/v1/targets
GET /api/v1/rules
GET /api/v1/alerts
GET /api/v1/targets/metadata
GET /api/v1/alertmanagers
GET /api/v1/status/config
GET /api/v1/status/flags

从 Prometheus v2.1 开始，又新增了几个用于管理 TSDB 的接口：

POST /api/v1/admin/tsdb/snapshot
POST /api/v1/admin/tsdb/delete_series
POST /api/v1/admin/tsdb/clean_tombstones

四、安装 Grafana

虽然 Prometheus 提供的 Web UI 也可以很好的查看不同指标的视图，但是这个功能非常简单，只适合用来调试。要实现一个强大的监控系统，还需要一个能定制展示不同指标的面板，能支持不同类型的展现方式（曲线图、饼状图、热点图、TopN 等），这就是仪表盘（Dashboard）功能。

因此 Prometheus 开发了一套仪表盘系统 PromDash，不过很快这套系统就被废弃了，官方开始推荐使用 Grafana 来对 Prometheus 的指标数据进行可视化，这不仅是因为 Grafana 的功能非常强大，而且它和 Prometheus 可以完美的无缝融合。

Grafana 是一个用于可视化大型测量数据的开源系统，它的功能非常强大，界面也非常漂亮，使用它可以创建自定义的控制面板，你可以在面板中配置要显示的数据和显示方式，它 支持很多不同的数据源，比如：Graphite、InfluxDB、OpenTSDB、Elasticsearch、Prometheus 等，而且它也 支持众多的插件。

下面我们就体验下使用 Grafana 来展示 Prometheus 的指标数据。首先我们来安装 Grafana，我们使用最简单的 Docker 安装方式：

$ docker run -d -p 3000:3000 grafana/grafana

运行上面的 docker 命令，Grafana 就安装好了！你也可以采用其他的安装方式，参考 官方的安装文档。安装完成之后，我们访问 http://localhost:3000/ 进入 Grafana 的登陆页面，输入默认的用户名和密码（admin/admin）即可。

要使用 Grafana，第一步当然是要配置数据源，告诉 Grafana 从哪里取数据，我们点击 Add data source 进入数据源的配置页面：

我们在这里依次填上：

RName: Prometheus

• Typ: Prometheus
• URL: http: // localhost: 9090
• Zugriff: Browser
• Zu beachten ist, dass sich der Zugriff hier auf den Grafana-Besuch bezieht. Es gibt zwei Arten von Daten Quelle: Browser und Proxy. Der Browser-Modus bedeutet, dass der Browser beim Zugriff auf das Grafana-Bedienfeld direkt über die URL auf die Datenquelle zugreift, während der Proxy-Modus bedeutet, dass der Browser zuerst auf eine Proxy-Schnittstelle von Grafana zugreift (die Schnittstellenadresse lautet /api/datasources/proxy). /), die über die Proxy-Schnittstelle von Grafana gesteuert wird. Diese Methode ist sehr nützlich, wenn die Datenquelle in einem Intranet bereitgestellt wird und Benutzer nicht direkt über einen Browser darauf zugreifen können.

Nach der Konfiguration der Datenquelle stellt Grafana mehrere konfigurierte Panels zur Verfügung, die Sie standardmäßig verwenden können. Wie in der Abbildung unten gezeigt, werden standardmäßig drei Panels bereitgestellt: Prometheus Stats, Prometheus 2.0 Stats und Grafana-Metriken. Klicken Sie auf „Importieren“, um dieses Panel zu importieren und zu verwenden.

Wir importieren das Prometheus 2.0-Statistikfenster und Sie können das folgende Überwachungsfenster sehen. Wenn Ihr Unternehmen über die Voraussetzungen verfügt, können Sie einen großen Monitor zum Aufhängen an der Wand beantragen, dieses Panel auf die große Leinwand projizieren und den Status des Online-Systems in Echtzeit beobachten. Das kann man als sehr cool bezeichnen.

5. Verwenden Sie den Exporter, um Indikatoren zu sammeln. Bisher haben wir nur einige Indikatoren gesehen, die keinen praktischen Nutzen haben. Wenn wir Prometheus in unserer Produktionsumgebung wirklich verwenden möchten, müssen wir häufig auf verschiedene Indikatoren achten . Zum Beispiel die CPU-Auslastung des Servers, die Speichernutzung, der E/A-Overhead, der ein- und ausgehende Netzwerkverkehr usw.

Wie oben erwähnt, verwendet Prometheus die Pull-Methode, um Indikatordaten abzurufen. Damit Prometheus Daten vom Ziel abrufen kann, müssen Sie zunächst das Indikatorerfassungsprogramm auf dem Ziel installieren und die HTTP-Schnittstelle für die Abfrage dieses Indikators verfügbar machen Das Erfassungsprogramm wird als Exporter bezeichnet. Zur Erfassung verschiedener Indikatoren sind derzeit zahlreiche Exporter verfügbar, die fast alle Arten von Systemen und Software abdecken, die wir üblicherweise verwenden.

Die offizielle Website listet eine Liste häufig verwendeter Exporter auf, um Portkonflikte zu vermeiden, d. h. beginnend mit 9100 und aufsteigend. Hier ist die vollständige Exporter-Portliste. Es ist auch erwähnenswert, dass einige Software und Systeme Exporter nicht installieren müssen, da sie selbst die Funktion zum Offenlegen von Indikatordaten im Prometheus-Format bereitstellen, wie z. B. Kubernetes, Grafana, Etcd, Ceph usw.

Lassen Sie uns in diesem Abschnitt einige nützliche Daten sammeln.

5.1 收集服务器指标

首先我们来收集服务器的指标，这需要安装 node_exporter，这个 exporter 用于收集 *NIX 内核的系统，如果你的服务器是 Windows，可以使用 WMI exporter。

和 Prometheus server 一样，node_exporter 也是开箱即用的：

$ wget https://github.com/prometheus/node_exporter/releases/download/v0.16.0/node_exporter-0.16.0.linux-amd64.tar.gz  
$ tar xvfz node_exporter-0.16.0.linux-amd64.tar.gz  
$ cd node_exporter-0.16.0.linux-amd64  
$ ./node_exporter

node_exporter 启动之后，我们访问下 /metrics 接口看看是否能正常获取服务器指标：

$ curl http://localhost:9100/metrics

如果一切 OK，我们可以修改 Prometheus 的配置文件，将服务器加到 scrape_configs 中：

scrape_configs:  
  - job_name: 'prometheus'  
    static_configs:  
      - targets: ['192.168.0.107:9090']  
  - job_name: 'server'  
    static_configs:  
      - targets: ['192.168.0.107:9100']

修改配置后，需要重启 Prometheus 服务，或者发送 HUP 信号也可以让 Prometheus 重新加载配置：

$ killall -HUP prometheus

在 Prometheus Web UI 的 Status -> Targets 中，可以看到新加的服务器：

Im Indikator-Dropdown-Feld auf der Diagrammseite können Sie viele Indikatoren sehen, deren Namen mit „Knoten“ beginnen. Wir geben beispielsweise node_load1Beobachten Sie die Serverlast ein:

Wenn Sie die Serverindikatoren in Grafana anzeigen möchten Sie können auf der Seite „Dashboards“ des Grafana-Exporters nach Knoten suchen. Es gibt viele Panel-Vorlagen, die direkt verwendet werden können, z. B. „Node Exporter Server Metrics“ oder „Node Exporter Full“ usw. Wir öffnen die Import-Dashboard-Seite von Grafana und geben die URL (https://grafana.com/dashboards/405) oder ID (405) des Panels ein.

注意事项

一般情况下，node_exporter 都是直接运行在要收集指标的服务器上的，官方不推荐用 Docker 来运行 node_exporter。如果逼不得已一定要运行在 Docker 里，要特别注意，这是因为 Docker 的文件系统和网络都有自己的 namespace，收集的数据并不是宿主机真实的指标。可以使用一些变通的方法，比如运行 Docker 时加上下面这样的参数：

docker run -d \  
  --net="host" \  
  --pid="host" \  
  -v "/:/host:ro,rslave" \  
  quay.io/prometheus/node-exporter \  
  --path.rootfs /host

关于 node_exporter 的更多信息，可以参考 node_exporter 的文档 和 Prometheus 的官方指南 Monitoring Linux host metrics with the Node Exporter。

5.2 收集 MySQL 指标

mysqld_exporter 是 Prometheus 官方提供的一个 exporter，我们首先 下载最新版本 并解压（开箱即用）：

$ wget https://github.com/prometheus/mysqld_exporter/releases/download/v0.11.0/mysqld_exporter-0.11.0.linux-amd64.tar.gz  
$ tar xvfz mysqld_exporter-0.11.0.linux-amd64.tar.gz  
$ cd mysqld_exporter-0.11.0.linux-amd64/

mysqld_exporter 需要连接到 mysqld 才能收集它的指标，可以通过两种方式来设置 mysqld 数据源。第一种是通过环境变量 DATA_SOURCE_NAME，这被称为 DSN（数据源名称），它必须符合 DSN 的格式，一个典型的 DSN 格式像这样：user:password@(host:port)/。

$ export DATA_SOURCE_NAME='root:123456@(192.168.0.107:3306)/'  
$ ./mysqld_exporter

另一种方式是通过配置文件，默认的配置文件是 ~/.my.cnf，或者通过 --config.my-cnf 参数指定：

$ ./mysqld_exporter --config.my-cnf=".my.cnf"

配置文件的格式如下：

$ cat .my.cnf  
[client]  
host=localhost  
port=3306  
user=root  
password=123456

如果要把 MySQL 的指标导入 Grafana，可以参考 这些 Dashboard JSON。

注意事项

这里为简单起见，在 mysqld_exporter 中直接使用了 root 连接数据库，在真实环境中，可以为 mysqld_exporter 创建一个单独的用户，并赋予它受限的权限（PROCESS、REPLICATION CLIENT、SELECT），最好还限制它的最大连接数（MAX_USER_CONNECTIONS）。

CREATE USER 'exporter'@'localhost' IDENTIFIED BY 'password' WITH MAX_USER_CONNECTIONS 3;  
GRANT PROCESS, REPLICATION CLIENT, SELECT ON *.* TO 'exporter'@'localhost';

5.3 收集 Nginx 指标

官方提供了两种收集 Nginx 指标的方式。

• 第一种是 Nginx metric library，这是一段 Lua 脚本（prometheus.lua），Nginx 需要开启 Lua 支持（libnginx-mod-http-lua 模块）。为方便起见，也可以使用 OpenResty 的 OPM（OpenResty Package Manager） 或者 luarocks（The Lua package manager） 来安装。
• 第二种是 Nginx VTS exporter，这种方式比第一种要强大的多，安装要更简单，支持的指标也更丰富，它依赖于 nginx-module-vts 模块，vts 模块可以提供大量的 Nginx 指标数据，可以通过 JSON、HTML 等形式查看这些指标。Nginx VTS exporter 就是通过抓取 /status/format/json 接口来将 vts 的数据格式转换为 Prometheus 的格式。

不过，在 nginx-module-vts 最新的版本中增加了一个新接口：/status/format/prometheus，这个接口可以直接返回 Prometheus 的格式，从这点这也能看出 Prometheus 的影响力，估计 Nginx VTS exporter 很快就要退役了（TODO：待验证）。

除此之外，还有很多其他的方式来收集 Nginx 的指标，比如：nginx_exporter 通过抓取 Nginx 自带的统计页面 /nginx_status 可以获取一些比较简单的指标（需要开启 ngx_http_stub_status_module 模块）；nginx_request_exporter 通过 syslog 协议 收集并分析 Nginx 的 access log 来统计 HTTP 请求相关的一些指标；nginx-prometheus-shiny-exporter 和 nginx_request_exporter 类似，也是使用 syslog 协议来收集 access log，不过它是使用 Crystal 语言 写的。还有 vovolie/lua-nginx-prometheus 基于 Openresty、Prometheus、Consul、Grafana 实现了针对域名和 Endpoint 级别的流量统计。另外，搜索公众号技术社区后台回复“猴子”，获取一份惊喜礼包。

有需要或感兴趣的同学可以对照说明文档自己安装体验下，这里就不一一尝试了。

5.4 收集 JMX 指标

最后让我们来看下如何收集 Java 应用的指标，Java 应用的指标一般是通过 JMX（Java Management Extensions） 来获取的，顾名思义，JMX 是管理 Java 的一种扩展，它可以方便的管理和监控正在运行的 Java 程序。

JMX Exporter 用于收集 JMX 指标，很多使用 Java 的系统，都可以使用它来收集指标，比如：Kafaka、Cassandra 等。首先我们下载 JMX Exporter：

$ wget https://repo1.maven.org/maven2/io/prometheus/jmx/jmx_prometheus_javaagent/0.3.1/jmx_prometheus_javaagent-0.3.1.jar

JMX Exporter 是一个 Java Agent 程序，在运行 Java 程序时通过 -javaagent 参数来加载：

$ java -javaagent:jmx_prometheus_javaagent-0.3.1.jar=9404:config.yml -jar spring-boot-sample-1.0-SNAPSHOT.jar

其中，9404 是 JMX Exporter 暴露指标的端口，config.yml 是 JMX Exporter 的配置文件，它的内容可以 参考 JMX Exporter 的配置说明 。然后检查下指标数据是否正确获取：

$ curl http://localhost:9404/metrics

六、告警和通知

至此，我们能收集大量的指标数据，也能通过强大而美观的面板展示出来。不过作为一个监控系统，最重要的功能，还是应该能及时发现系统问题，并及时通知给系统负责人，这就是 Alerting（告警）。

Prometheus 的告警功能被分成两部分：一个是告警规则的配置和检测，并将告警发送给 Alertmanager，另一个是 Alertmanager，它负责管理这些告警，去除重复数据，分组，并路由到对应的接收方式，发出报警。常见的接收方式有：Email、PagerDuty、HipChat、Slack、OpsGenie、WebHook 等。

6.1 配置告警规则

我们在上面介绍 Prometheus 的配置文件时了解到，它的默认配置文件 prometheus.yml 有四大块：global、alerting、rule_files、scrape_config，其中 rule_files 块就是告警规则的配置项，alerting 块用于配置 Alertmanager，这个我们下一节再看。现在，先让我们在 rule_files 块中添加一个告警规则文件：

rule_files:  
  - "alert.rules"

然后参考 官方文档，创建一个告警规则文件 alert.rules：

groups:  
- name: example  
  rules:  
   
  # Alert for any instance that is unreachable for >5 minutes.  
  - alert: InstanceDown  
    expr: up == 0  
    for: 5m  
    labels:  
      severity: page  
    annotations:  
      summary: "Instance {{ $labels.instance }} down"  
      description: "{{ $labels.instance }} of job {{ $labels.job }} has been down for more than 5 minutes."  
   
  # Alert for any instance that has a median request latency >1s.  
  - alert: APIHighRequestLatency  
    expr: api_http_request_latencies_second{quantile="0.5"} > 1  
    for: 10m  
    annotations:  
      summary: "High request latency on {{ $labels.instance }}"  
      description: "{{ $labels.instance }} has a median request latency above 1s (current value: {{ $value }}s)"

这个规则文件里，包含了两条告警规则：InstanceDown 和 APIHighRequestLatency。顾名思义，InstanceDown 表示当实例宕机时（up === 0）触发告警，APIHighRequestLatency 表示有一半的 API 请求延迟大于 1s 时（api_http_request_latencies_second{quantile="0.5"} > 1）触发告警。

配置好后，需要重启下 Prometheus server，然后访问 http://localhost:9090/rules 可以看到刚刚配置的规则：

访问 http://localhost:9090/alerts 可以看到根据配置的规则生成的告警：

这里我们将一个实例停掉，可以看到有一条 alert 的状态是 PENDING，这表示已经触发了告警规则，但还没有达到告警条件。这是因为这里配置的 for 参数是 5m，也就是 5 分钟后才会触发告警，我们等 5 分钟，可以看到这条 alert 的状态变成了 FIRING。

6.2 使用 Alertmanager 发送告警通知

虽然 Prometheus 的 /alerts 页面可以看到所有的告警，但是还差最后一步：触发告警时自动发送通知。这是由 Alertmanager 来完成的，我们首先 下载并安装 Alertmanager，和其他 Prometheus 的组件一样，Alertmanager 也是开箱即用的：

$ wget https://github.com/prometheus/alertmanager/releases/download/v0.15.2/alertmanager-0.15.2.linux-amd64.tar.gz  
$ tar xvfz alertmanager-0.15.2.linux-amd64.tar.gz  
$ cd alertmanager-0.15.2.linux-amd64  
$ ./alertmanager

Alertmanager 启动后默认可以通过 http://localhost:9093/ 来访问，但是现在还看不到告警，因为我们还没有把 Alertmanager 配置到 Prometheus 中，我们回到 Prometheus 的配置文件 prometheus.yml，添加下面几行：

alerting:  
  alertmanagers:  
  - scheme: http  
    static_configs:  
    - targets:  
      - "192.168.0.107:9093"

这个配置告诉 Prometheus，当发生告警时，将告警信息发送到 Alertmanager，Alertmanager 的地址为 http://192.168.0.107:9093。也可以使用命名行的方式指定 Alertmanager：

$ ./prometheus -alertmanager.url=http://192.168.0.107:9093

这个时候再访问 Alertmanager，可以看到 Alertmanager 已经接收到告警了：

下面的问题就是如何让 Alertmanager 将告警信息发送给我们了，我们打开默认的配置文件 alertmanager.ym：

global:  
  resolve_timeout: 5m  
   
route:  
  group_by: ['alertname']  
  group_wait: 10s  
  group_interval: 10s  
  repeat_interval: 1h  
  receiver: 'web.hook'  
receivers:  
- name: 'web.hook'  
  webhook_configs:  
  - url: 'http://127.0.0.1:5001/'  
inhibit_rules:  
  - source_match:  
      severity: 'critical'  
    target_match:  
      severity: 'warning'  
    equal: ['alertname', 'dev', 'instance']

其中 global 块表示一些全局配置；route 块表示通知路由，可以根据不同的标签将告警通知发送给不同的 receiver，这里没有配置 routes 项，表示所有的告警都发送给下面定义的 web.hook 这个 receiver；如果要配置多个路由，可以参考 这个例子：

routes:  
- receiver: 'database-pager'  
  group_wait: 10s  
  match_re:  
    service: mysql|cassandra  
   
- receiver: 'frontend-pager'  
  group_by: [product, environment]  
  match:  
    team: frontend

紧接着，receivers 块表示告警通知的接收方式，每个 receiver 包含一个 name 和一个 xxx_configs，不同的配置代表了不同的接收方式，Alertmanager 内置了下面这些接收方式：

email_config
hipchat_config
pagerduty_config
pushover_config
slack_config
opsgenie_config
victorops_config
wechat_configs
webhook_config

虽然接收方式很丰富，但是在国内，其中大多数接收方式都很少使用。最常用到的，莫属 email_config 和 webhook_config，另外 wechat_configs 可以支持使用微信来告警，也是相当符合国情的了。

Tatsächlich ist es schwierig, eine umfassende Alarmbenachrichtigungsmethode bereitzustellen, da es verschiedene Messaging-Software gibt und jedes Land anders sein kann, sodass es unmöglich ist, diese vollständig abzudecken. Daher hat Alertmanager beschlossen, keine neuen Empfänger hinzuzufügen , empfiehlt jedoch die Verwendung von Webhooks zur Integration benutzerdefinierter Empfangsmethoden. Sie können sich auf diese Integrationsbeispiele beziehen, z. B. auf die Verbindung von DingTalk mit Prometheus AlertManager WebHook.

7. Erfahren Sie mehr

Bis jetzt haben wir gelernt, dass die meisten Funktionen von Prometheus durch die Kombination von Prometheus + Grafana + Alertmanager vollständig aufgebaut werden können. Bei der tatsächlichen Verwendung werden wir jedoch auf weitere Probleme stoßen.

7.1 Diensterkennung

Da Prometheus aktiv Überwachungsdaten über Pull erhält, muss die Liste der Überwachungsknoten manuell angegeben werden. Wenn die Anzahl der überwachten Knoten zunimmt, muss die Konfigurationsdatei jedes Mal geändert werden, wenn ein Knoten hinzugefügt wird. Dies ist sehr problematisch und muss über den Service Discovery (SD)-Mechanismus gelöst werden.

Prometheus unterstützt eine Vielzahl von Diensterkennungsmechanismen und kann die zu erfassenden Ziele automatisch abrufen. Zu den enthaltenen Diensterkennungsmechanismen gehören: Azure, Consul, DNS, EC2, OpenStack, File, GCE, Kubernetes, Marathon. Triton, Zookeeper (Nerv, Serverset). Informationen zu Konfigurationsmethoden finden Sie auf der Konfigurationsseite des Handbuchs. Man kann sagen, dass der SD-Mechanismus sehr umfangreich ist, aber derzeit werden aufgrund begrenzter Entwicklungsressourcen keine neuen SD-Mechanismen mehr entwickelt und nur dateibasierte SD-Mechanismen gepflegt. Folgen Sie der chinesischen Linux-Community

Es gibt viele Tutorials zur Serviceerkennung im Internet, wie zum Beispiel diesen Artikel im offiziellen Prometheus-Blog Advanced Service Discovery in Prometheus 0.14.0, der eine relativ systematische und umfassende Einführung in dieses Thema bietet erklärt die Umbenennungskonfiguration und wie man DNS-SRV, Consul und Dateien für die Diensterkennung verwendet.

Darüber hinaus bietet die offizielle Website auch ein Einführungsbeispiel für die dateibasierte Diensterkennung. Das von Julius Volz verfasste Einführungs-Tutorial zum Prometheus-Workshop verwendet auch DNS-SRV für die Diensterkennung.

7.2 Alarmkonfigurationsverwaltung

Unabhängig von der Konfiguration von Prometheus oder der Konfiguration von Alertmanager gibt es keine API, die wir dynamisch ändern können. Ein sehr häufiges Szenario besteht darin, dass wir ein Alarmsystem mit anpassbaren Regeln basierend auf Prometheus erstellen müssen. Benutzer können auf der Seite Alarmregeln entsprechend ihren eigenen Anforderungen erstellen, ändern oder löschen oder die Alarmbenachrichtigungsmethode und die Kontaktperson ändern, wie in Frage dieses Benutzers in Prometheus Google Groups: Wie füge ich dynamisch Warnregeln in der Datei „rules.conf“ und „prometheus yml“ über eine API oder ähnliches hinzu?

Leider sagte Simon Pasquier unten, dass es derzeit keine solche API gibt und es auch keine Pläne gibt, eine solche API in Zukunft zu entwickeln, da solche Funktionen an Tools wie Puppet, Chef, Ansible und Salt übergeben werden sollten . Ein solches Konfigurationsmanagementsystem.

7.3 Verwendung von Pushgateway

Pushgateway wird hauptsächlich zum Sammeln einiger kurzfristiger Jobs verwendet. Da solche Jobs nur für kurze Zeit existieren, können sie verschwinden, bevor Prometheus zu Pull kommt. Der Beamte hat eine gute Erklärung, wann Pushgateway verwendet werden sollte.

Zusammenfassung

Prometheus hat sich in den letzten zwei Jahren sehr schnell entwickelt, auch die Community ist sehr aktiv und immer mehr Menschen in China studieren Prometheus. Mit der Popularisierung von Konzepten wie Microservices, DevOps, Cloud Computing und Cloud Native beginnen immer mehr Unternehmen, Docker und Kubernetes zum Aufbau eigener Systeme und Anwendungen zu verwenden. Alte Überwachungssysteme wie Nagios und Cacti werden immer beliebter Je weniger anwendbar es ist, desto mehr glaube ich, dass sich Prometheus irgendwann zu einem Überwachungssystem entwickeln wird, das am besten für Cloud-Umgebungen geeignet ist.

Das obige ist der detaillierte Inhalt vonBekannt als das Überwachungssystem der nächsten Generation! Mal sehen, wie großartig es ist. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!