Prometheus 入門_ZenDei技術網路在線

簡介 Prometheus 是一套開源的系統監控報警框架。它啟發於 Google 的 borgmon 監控系統，由工作在 SoundCloud 的 google 前員工在 2012 年創建，作為社區開源項目進行開發，並於 2015 年正式發佈。特點作為新一代的監控框架，Prometheus 具有 ...

簡介

Prometheus 是一套開源的系統監控報警框架。它啟發於 Google 的 borgmon 監控系統，由工作在 SoundCloud 的 google 前員工在 2012 年創建，作為社區開源項目進行開發，並於 2015 年正式發佈。

特點

作為新一代的監控框架，Prometheus 具有以下特點：

強大的多維度數據模型：

時間序列數據通過 metric 名和鍵值對來區分。
所有的 metrics 都可以設置任意的多維標簽。
數據模型更隨意，不需要刻意設置為以點分隔的字元串。
可以對數據模型進行聚合，切割和切片操作。
支持雙精度浮點類型，標簽可以設為全 unicode。

靈活而強大的查詢語句（PromQL）：在同一個查詢語句，可以對多個 metrics 進行乘法、加法、連接、取分數位等操作。
易於管理： Prometheus server 是一個單獨的二進位文件，可直接在本地工作，不依賴於分散式存儲。
高效：平均每個採樣點僅占 3.5 bytes，且一個 Prometheus server 可以處理數百萬的 metrics。
使用 pull 模式採集時間序列數據，這樣不僅有利於本機測試而且可以避免有問題的伺服器推送壞的 metrics。
可以採用 push gateway 的方式把時間序列數據推送至 Prometheus server 端。
可以通過服務發現或者靜態配置去獲取監控的 targets。
有多種可視化圖形界面。
易於伸縮。

組成及架構

Prometheus 生態圈中包含了多個組件，其中許多組件是可選的：

Prometheus Server: 用於收集和存儲時間序列數據。
Client Library: 客戶端庫，為需要監控的服務生成相應的 metrics 並暴露給 Prometheus server。當 Prometheus server 來 pull 時，直接返回實時狀態的 metrics。
Push Gateway: 主要用於短期的 jobs。由於這類 jobs 存在時間較短，可能在 Prometheus 來 pull 之前就消失了。為此，這次 jobs 可以直接向 Prometheus server 端推送它們的 metrics。這種方式主要用於服務層面的 metrics，對於機器層面的 metrices，需要使用 node exporter。
Exporters: 用於暴露已有的第三方服務的 metrics 給 Prometheus。
Alertmanager: 從 Prometheus server 端接收到 alerts 後，會進行去除重覆數據，分組，並路由到對收的接受方式，發出報警。常見的接收方式有：電子郵件，pagerduty，OpsGenie, webhook 等。
一些其他的工具。

下圖為 Prometheus 官方文檔中的架構圖：

從上圖可以看出，Prometheus 的主要模塊包括：Prometheus server, exporters, Pushgateway, PromQL, Alertmanager 以及圖形界面。

其大概的工作流程是：

Prometheus server 定期從配置好的 jobs 或者 exporters 中拉 metrics，或者接收來自Pushgateway 發過來的 metrics，或者從其他的 Prometheus server 中拉 metrics。
Prometheus server 在本地存儲收集到的 metrics，並運行已定義好的 alert.rules，記錄新的時間序列或者向 Alertmanager 推送警報。
Alertmanager 根據配置文件，對接收到的警報進行處理，發出告警。
在圖形界面中，可視化採集數據。

安裝和配置

安裝

你可以在官網 https://prometheus.io/download/ 下載安裝包，解壓後使用。為了方便，我使用docker 鏡像的方式運行Prometheus。

docker run --name prometheus -d -p 9090:9090 prom/prometheus

瀏覽器輸入http://localhost:9090 ，訪問 Prometheus 的 Web UI：

點擊菜單欄 “Status” 下的 Targets ，界面如下：

可以看大Prometheus 自身 metrics 處於UP狀態，說明安裝成功。

配置

Prometheus 的配置文件 prometheus.yml 內容如下：

# 全局設置，可以被覆蓋
global:
  scrape_interval:     15s
  evaluation_interval: 15s
  
rule_files:
  # - "first.rules"
  # - "second.rules"

scrape_configs:
  - job_name: prometheus
    static_configs:
    - targets: ['localhost:9090']

該global塊控制 Prometheus 的全局配置。我們有兩種選擇。第一個，scrape_interval控制Prometheus 刮擦目標的頻率。你可以為單個目標覆蓋此值。在這種情況下，全局設置是每15秒刮一次。該evaluation_interval選項控制普羅米修斯評估規則的頻率。Prometheus 使用規則創建新的時間序列並生成警報。

該rule_files塊指定我們希望 Prometheus 載入的任何規則的位置。現在我們沒有規則。

最後一個塊scrape_configs控制 Prometheus 監視的資源。由於 Prometheus 還將自己的數據公開為HTTP端點，因此它可以抓取並監控自身的健康狀況。在預設配置中有一個名為 prometheus 的job，它抓取 prometheus 伺服器公開的時間序列數據。該作業包含一個靜態配置的目標，即埠9090上的本地主機。返回的時間序列數據將詳細說明Prometheus伺服器的狀態和性能。

實驗

Prometheus HTTP 度量模擬器

為了演示 Prometheus 的簡單使用，這裡運行一個 Prometheus HTTP 度量模擬器。模擬一個簡單的HTTP微服務，生成Prometheus Metrics，通過 docker 運行。

docker run -p 8080:8080 pierrevincent/prom-http-simulator:0.1

它在/metrics端點下公開以下Prometheus指標：

http_requests_total：請求計數器，標簽endpoint和status
http_request_duration_milliseconds：請求延遲直方圖

可以開啟流量高峰模式，更改流量高峰模式可以通過以下方式完成：

# ON
curl -X POST http://127.0.0.1:8080/spike/on

# OFF
curl -X POST http://127.0.0.1:8080/spike/off

# RANDOM
curl -X POST http://127.0.0.1:8080/spike/random

錯誤率預設為1％。它可以更改為0到100之間的數字：

# 例如將錯誤率設置為50%
curl -H 'Content-Type: application/json' -X PUT -d '{"error_rate": 50}' http://127.0.0.1:8080/error_rate

修改Prometheus配置

需要將 HTTP 度量模擬器的 metrics端點配置到 Prometheus的配置文件 prometheus.yml 中。

創建一個 prometheus.yml 文件內容如下：

global:
  scrape_interval: 5s
  evaluation_interval: 5s
  scrape_timeout: 5s

scrape_configs:
  - job_name: 'prometheus'
    static_configs:
    - targets: ['localhost:9090']
  - job_name: 'http-simulator'
    metrics_path: /metrics
    static_configs:
    - targets: ['172.16.1.232:8080']

通過docker up 命令替換容器中的配置文件：

docker cp prometheus.yml prometheus:/etc/prometheus/

重啟容器：

docker restart prometheus

訪問 http://localhost:9090/targets ，發現已經出現了 target “http-simulator” ，並且為UP狀態。

查詢

請求率(Request Rate)查詢

查詢http請求數

http_requests_total{job="http-simulator"}

查詢成功login請求數

http_requests_total{job="http-simulator", status="200", endpoint="/login"}

查詢成功請求數，以endpoint區分

http_requests_total{job="http-simulator", status="200"}

查詢總成功請求數

sum(http_requests_total{job="http-simulator", status="200"})

查詢成功請求率，以endpoint區分

rate(http_requests_total{job="http-simulator", status="200"}[5m])

查詢總成功請求率

sum(rate(http_requests_total{job="http-simulator", status="200"}[5m]))

延遲分佈(Latency distribution)查詢

查詢http-simulator延遲分佈

http_request_duration_milliseconds_bucket{job="http-simulator"}

查詢成功login延遲分佈

http_request_duration_milliseconds_bucket{job="http-simulator", status="200", endpoint="/login"}

不超過200ms延遲的成功login請求占比

sum(http_request_duration_milliseconds_bucket{job="http-simulator", status="200", endpoint="/login", le="200"}) / sum(http_request_duration_milliseconds_count{job="http-simulator", status="200", endpoint="/login"})

成功login請求延遲的99百分位

histogram_quantile(0.99, rate(http_request_duration_milliseconds_bucket{job="http-simulator", status="200", endpoint="/login"}[5m]))

上面給出的這些查詢表達式，在 prometheus 的查詢界面上自行測試下，這裡就不一一測試了，

總結

本篇對 Prometheus 的組成，架構和基本概念進行了介紹，並實例演示了 Prometheus 的查詢表達式的應用。本篇是 Prometheus 系列的第一篇，後續還會有Prometheus與其他圖形界面的集成，與 springboot 應用的集成等。

參考

https://prometheus.io/docs/introduction/overview/
https://www.ibm.com/developerworks/cn/cloud/library/cl-lo-prometheus-getting-started-and-practice/index.html

歡迎掃碼或微信搜索公眾號《程式員果果》關註我，關註有驚喜~

Prometheus 入門

簡介

特點

組成及架構

相關概念

數據模型

Metrics種類

Counter（計數器）

Gauge（測量儀）

Histogram（直方圖）

Summary（彙總）

instance 和 jobs

安裝和配置

安裝

配置

實驗

Prometheus HTTP 度量模擬器

修改Prometheus配置

查詢

請求率(Request Rate)查詢

延遲分佈(Latency distribution)查詢

總結

參考