原文地址:https://xeblog.cn/articles/7
Prometheus 简介
简史
Prometheus 受启发于 Google 的 Brogmon 监控系统(相似的 Kubernetes 是从 Google 的 Brog 系统演变而来),从 2012 年开始由前 Google 工程师在 Soundcloud 以开源软件的形式进行研发,并且于 2015 年早期对外发布早期版本。2016 年 5 月继 Kubernetes 之后成为第二个正式加入 CNCF 基金会的项目,同年 6 月正式发布 1.0 版本。2017 年底发布了基于全新存储层的 2.0 版本,能更好地与容器平台、云平台配合。
架构
特点
- 多维的数据模型(基于时间序列的 k/v 键值对)。
- 灵活的查询及聚合语句(PromQL)。
- 不依赖分布式存储,节点自治。
- 基于 HTTP 的 pull 模式采集时间序列数据。
- 可以使用 pushgateway(prometheus 的可选中间件)实现 push 模式。
- 可以使用动态服务发现或静态配置采集的目标机器。
- 支持多种图形及仪表盘。
相关概念
数据模型
Prometheus 存储的是时序数据, 即按照相同时序(相同的名字和标签),以时间维度存储连续的数据的集合。
监控样本
# HELP system_cpu_usage The "recent cpu usage" for the whole system
# TYPE system_cpu_usage gauge
system_cpu_usage 0.23587264544090683
# HELP logback_events_total Number of error level events that made it to the logs
# TYPE logback_events_total counter
logback_events_total{level="error",} 0.0
logback_events_total{level=“info”,} 557.0
- HELP 用于解释当前指标的含义,TYPE 则说明当前指标的数据类型
- system_cpu_usage、 logback_events_total 表示当前指标的名称
- {}中的标签反映了当前样本的一些特征和维度
- 0.23587264544090683、0.0、557.0 表示该监控样本的具体值
时序类型
Prometheus 时序数据分为 Counter, Gauge, Histogram, Summary 四种类型。
Prometheus 的使用
安装
配置
Pom 依赖
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-actuator</artifactId>
</dependency>
<dependency>
<groupId>io.micrometer</groupId>
<artifactId>micrometer-registry-prometheus</artifactId>
</dependency>
项目开启监控
management.endpoint.metrics.enabled=true
management.endpoints.web.exposure.include=*
management.endpoint.prometheus.enabled=true
management.metrics.export.prometheus.enabled=true
添加 Job
进入 Prometheus 安装根目录 vim prometheus.yml
新增节点
- job_name: xeblog-api
metrics_path: /actuator/prometheus
static_configs:
- targets: ['127.0.0.1:8080’]
job_name:任务名称
metrics_path: 指标路径
targets:实例地址/项目地址,可配置多个
运行 Prometheus
进入 Prometheus 安装根目录 ./prometheus
运行成功日志
访问地址:localhost:9090
PromQL
匹配过滤
操作符:= != =~ !~
匹配监控任务为 xeblog-api 的非 GET 请求方法的请求数
http_server_requests_seconds_count{job="xeblog-api", method!="GET"}
匹配监控任务为 xeblog-api 的非 GET 请求方法的请求数,且请求路径不为/api/message 和/api/version
http_server_requests_seconds_count{job="xeblog-api", method!="GET", uri !~ "/api/message|/api/version"}
它门的区别主要是,“=~ !~”支持正则匹配
范围查询
查询最近 5 分钟内的所有样本数据:
http_request_total{}[5m]
可选单位:
- s - 秒
- m - 分钟
- h - 小时
- d - 天
- w - 周
- y - 年
时间位移操作(offset)
查询 5 分钟前的样本数据:
http_request_total{} offset 5m
查询昨天 1 天内的样本数据:
http_request_total{}[1d] offset 1d
聚合操作
- sum (求和)
- min (最小值)
- max (最大值)
- avg (平均值)
- stddev (标准差)
- stdvar (标准差异)
- count (计数)
- count_values (对 value 进行计数)
- bottomk (后 n 条时序)
- topk (前 n 条时序)
- quantile (分布统计)
...
内置函数
- increase(v range-vector):获取区间向量中的第一个和最后一个样本并返回其增长量
- rate(v range-vector):计算区间向量 v 在时间窗口内平均增长速率
- irate(v range-vector):计算区间向量 v 在时间窗口内平均增长速率(瞬时增长率,基于最后两个数据)
- predict_linear(v range-vector, t scalar):预测时间序列 v 在 t 秒后的值
- abs(v instant-vector): 返回输入向量的绝对值
- sort(v instant-vector): 按升序排列
- sort_desc(v instant-vector): 按降序排列
...
Grafana 可视化
安装
Mac 下安装启动示例
// 安装
brew install grafana
// 启动
brew services start grafana
启动后访问地址:localhost:3000
登陆:
初始用户名和密码都是 admin
添加 Prometheus 数据源
新增 Dashboard
可以选择自己手动添加或者导入一个已配置好的 Json 文件
Dashboard 分享社区:https://grafana.com/dashboards
这里可以下载别人分享的 Dashboard Json 配置文件
推荐下载:Spring Boot Statistics
下载完后 导入文件就可以看见类似一个这样的监控界面
最上面这一行是模板变量,可以动态选择
点击设置按钮,选择 Variables,点击 New 可以新增变量
点击 title 选择 Edit 可以进行编辑
这里编写 PromQL 语句
监控报警
配置发件邮箱
vim grafana.ini
我的文件路径是/usr/local/etc/grafana/grafana.ini
配置如下:
[smtp]
enabled = true
host = smtp.qq.com:25
user = 你的QQ@qq.com
# If the password contains # or ; you have to wrap it with trippel quotes. Ex """#password;"""
password = 邮箱口令(不是QQ密码)
;cert_file =
;key_file =
;skip_verify = false
from_address = 你的QQ@qq.com
from_name = Grafana
# EHLO identity in SMTP dialog (defaults to instance_name)
;ehlo_identity = dashboard.example.com
这里配置的是 QQ 邮箱,其他邮箱同理
配置完后,重启 Grafana
brew services restart grafana
配置收件人
可以添加多个收件人,以“;”分隔
最后点击 Send Test 可以收到一封测试邮件,配置成功
监控指标
需要注意的是,Prometheus 不支持带有模版变量的监控设置报警,否则会提示“Template variables are not supported in alert queries”
监控示例:
监控 CPU 使用率
PromQL:
system_cpu_usage{instance="实例地址", job="任务名称"}
创建报警
这里配置的是当 CPU 使用率超过 1% 则发出报警
添加报警通知邮箱以及报警的描述信息
保存之后,没过多久就收到了报警通知
感谢阅读,如有错误,望指正!
参考资料
欢迎来到这里!
我们正在构建一个小众社区,大家在这里相互信任,以平等 • 自由 • 奔放的价值观进行分享交流。最终,希望大家能够找到与自己志同道合的伙伴,共同成长。
注册 关于