容器监控 

docker容器监控分为两部分：
	-宿主机的资源：剩余内存，磁盘空间，cpu负载
    -容器资源：每个容器使用的cpu，内存，磁盘
zabbix监控（基于命令行取值，命令行能够得到数据，zabbix也能获取到）
zabbix和prometheus区别：zabbix更适用于linux系统，pr更适合容器

在了解prometheus（普罗米修斯）之前，我们先了解下zabbix。

1.zabbix简介

参考： https://baijiahao.baidu.com/s?id=1689945188583938997&wfr=spider&for=pc

zabbix是开源的分布式监控系统，支持多种采集方式和采集客户端， 同时支持 SNMP、IPMI、JMX、Telnet、SSH 等多种协议，它将采集到的数据存放到数据库中，然后对其进行分析整理，如果符合告警规则，则触发相应的告警。

核心组件：Agent和Server。Agent主要负责采集数据并将数据发送到server/proxy，除此之外，为扩展监控项，agent还支持执行自定义脚本，Server主要负责接受agent发送的监控信息，并进行汇总、触发告警等。

zabbix使用关系型数据存储时序数据，因此在大规模集群监控时常常在数据存储方面方面捉襟见肘。

2.prometheus

2.1 优缺点
1.提供多维度数据模型和灵活的查询方式，通过将监控指标关联多个 tag，来将监控数据进行任意维度的组合，并且提供简单的 PromQL 查询方式，还提供 HTTP 查询接口，可以很方便地结合 Grafana 等 GUI 组件展示数据。
2.在不依赖外部存储的情况下，支持服务器节点的本地存储，通过 Prometheus 自带的时序数据库，可以完成每秒千万级的数据存储；不仅如此，在保存大量历史数据的场景中，Prometheus 可以对接第三方时序数据库和 OpenTSDB 等。
3.定义了开放指标数据标准，以基于 HTTP 的 Pull 方式采集时序数据，只有实现了 Prometheus 监控数据才可以被 Prometheus 采集、汇总、并支持 Push 方式向中间网关推送时序列数据，能更加灵活地应对多种监控场景。
4.支持通过静态文件配置和动态发现机制发现监控对象，自动完成数据采集。Prometheus 目前已经支持 Kubernetes、etcd、Consul 等多种服务发现机制。
5.易于维护，可以通过二进制文件直接启动，并且提供了容器化部署镜像。
6.支持数据的分区采样和联邦部署，支持大规模集群监控。
2.2 主要组件

  1. prometheus Server（核心部分）

    prometheus server本身就是一个时序数据库，负责对监控数据的获取、存储和查询。
提供了自定义的promql语言，实现对数据的查询以及分析

  2. 推送网关（push gateway）

    主要是实现接收由 Client push 过来的指标数据，在指定的时间间隔，由主程序来抓取。其实就是将exporter采集到的数据推送给prometheus server

  3. Exporter

    主要用来采集数据，并通过HTTP服务的形式暴露给prometheus Server，prometheus Server通过访问该Exporter提供的接口，来获取到需要采集的监控数据

  4. 告警管理（Alertmananager）

    主要负责实现报警功能，在prometheus Server 中支持基于promQL创建告警规则，如果满足定义的规则，则产生一条告警信息
2.3 架构

我们需要在每一台要监控的服务器上安装采集软件（node_exporter、mysql_exporter等），每安装一台监控服务器都需要在Prometheus主服务上yaml文件中配置对应的ip和监控节点安装的服务，然后Prometheus主服务会从监控节点上取数据，做分析，然后根据自身rule来判断是否报警。因为Prometheus自身图形界面很烂，因此常搭配grafana(专业出图软件)来出图。
它针对大规模的集群环境设计了拉取式的数据采集方式，只需要在应用里面实现一个metrics接口，然后把这个接口告诉Prometheus就可以完成数据采集了
2.4 和influxdb区别
influxdb仅仅是一个数据库，它被动的接受客户的数据插入和查询请求。而后者是完整的监控系统，能抓取数据、查询数据、报警等功能
2.5 安装

prometheus安装： https://www.jianshu.com/p/8c898785c8ca，安装完或修改完yml文件可使用命令./promtool check config ./prometheus.yml检查配置文件是否正确

granafa国内元： https://mirrors.huaweicloud.com/grafana/

2.6 nginx监控nginx-vts-exporter

两种监控方案： nginx-lua-prometheus和nginx-vts-exporter

这里使用第二种，部署参考：https://blog.csdn.net/qq_32502263/article/details/109766259

1.nginx-module-vts

在nginx.conf用来实时出json数据，文件配置如下：

http {
    vhost_traffic_status_zone; #http下开启vhost过滤
    server {
        listen 8088;
        location /status {
            vhost_traffic_status_display; #添加此两句
            vhost_traffic_status_display_format html;
        }
    }
2.nginx-vts-exporter

默认端口9913，用来获取nginx-module-vts的json格式数据，可使用http://xx:9913/metrics来访问

2.7 blackbox_exporter
2.7.1 配置

blackbox_exporter是Prometheus 官方提供的 exporter ，可以提供 http、dns、tcp、icmp 的监控数据采集。

配置参考：https://www.cnblogs.com/xiao987334176/p/12022482.html

配置完加入systemcl管理

[Unit]
Description=blackbox_exporter
After=network.target

[Service]
Type=simple
User=root
Group=root
# 启动命令
ExecStart=/usr/local/blackbox_exporter/blackbox_exporter \
    --config.file=/usr/local/blackbox_exporter/blackbox.yml \
    --web.listen-address=:9115
Restart=on-failure

[Install]
WantedBy=multi-user.target

执行命令systemctl daemon-reload 使新服务配置文件生效，然后systemctl start blackxx

prometheus.yml中加入配置如下（监听服务端口）配置完重启prometheus，再次访问会出现如下图

2.7.2 访问prometheus查看

访问http://192.168.181.141:9090/，发现3个端口都是up状态，

2.7.3 访问blackbox_exporter服务

访问http://192.168.181.141:9115/，blackbox_exporter默认9115端口，出现如下图日志：


注意：当停掉3000、3001、3002服务，访问9090端口是不会发生变化的，因为监听的是9115端口，9115的blackbox_exporter监听的才是3000服务

2.7.4grafana配置

1.启动grafana：docker run -d -p3000:30000 grafana/grafana

2.进入grafana引入模板9965

3.下载grafana-piechart-panel：docker exec -it grafana容器id grafana-cli plugins install grafana-piechart-panel并重启dockerdocker restart grafana容器id

4.再次访问grafana，得到如下图结果，如果要告警，需配置rules

2.8 prometheus告警：

部署参考：https://blog.csdn.net/u012599988/article/details/102898282

参数注意： https://blog.csdn.net/weixin_38645718/article/details/103040647

#alert的三种状态
1. pending：警报被激活，但是低于配置的持续时间。这里的持续时间即rule里的FOR字段设置的时间。改状态下不发送报警。
2. firing：警报已被激活，而且超出设置的持续时间。该状态下发送报警。
3. inactive：既不是pending也不是firing的时候状态变为inactive
prometheus触发一条告警的过程：
prometheus--->触发阈值--->超出持续时间--->alertmanager--->分组|抑制|静默--->媒体类型--->邮件|钉钉|微信等。

如果单单只是配置监控，只需要在prometheus.yml文件scrape_configs下配置即可，如果要加上告警，需要在rule_files下面配置（所有的监控节点都会按照rule_files来进行告警），配置完之后重启prometheus，在rules和Alerts中会看到相应的信息，在配置告警之前这两部分是空的

#当前路径下alerting/black.yml
groups:
- name: blackbox_network_stats   #组名
  rules:
  - alert: blackbox_network_stats  #同一组的名称不能重复
    expr: probe_success == 0
    for: 10s  #如1分钟内持续为0  报警
    labels:
      severity: critical
    annotations:
      description: 'Job {{ $labels.job }} 中的 网站/接口 {{ $labels.instance }} 已经down掉超过一分钟.'
      summary: '网站/接口 {{ $labels.instance }} down ! ! !'

如果要发送邮件、钉钉、webhook,就需要用到Alertmanager插件，这是一个独立的告警模块，接受promethues等客户端(上述rules文件夹下面的配置文件)发来的告警信息，然后通过分组、删除重复等处理，最后发送警告信息

https://www.cnblogs.com/gschain/p/11697200.html

alertmanager.yml 配置如下

global:
  resolve_timeout: 1m
  smtp_smarthost: 'smtp.163.com:25'
  smtp_from: 'a17320180454@163.com'
  smtp_auth_username: 'a17320180454@163.com'
  smtp_auth_password: 'QMABWVAUUQXCLYGT'
  smtp_hello: 'office365.com'
  smtp_require_tls: false
  
route:
  group_by: ['alertname']
  group_wait: 30s
  group_interval: 1m
  repeat_interval: 1m
  receiver: default

  routes:
  - receiver: email
    group_wait: 10s
receivers:
- name: 'default'
  email_configs:
  - to: '1151048226@qq.com'
    send_resolved: true

- name: 'email'
  email_configs:
  - to: '1151048226@qq.com'
    send_resolved: true
2.9 配置文件简介
# my global config
global:
  scrape_interval:     15s #proemtheus抓取信息时间间隔
  evaluation_interval: 15s #每隔多长时间计算一次rules，并发送给alertmanagers
alerting:               #此处用到单独Alertmanager插件，默认启动端口9093，告警的信息会发送给这个插件
  alertmanagers:
  - static_configs:
    - targets:
      #- 192.168.1.12:9093 
rule_files:             #配置rules之后，在rules和Alerts中会看到对应的状态
  - "alerting/*.yml"
scrape_configs:         #监控节点配置（会在http://192.168.1.12:9090/targets中显示）
  - job_name: 'prometheus'
    static_configs:
    - targets: ['localhost:9090']

3.k8s监控

cadvisor是集成于k8s的agent之中的，负责监控容器资源，和prometheus官网提供的exporter是同一作用，k8s要实现kubectl top node命令需要先安装metrics服务，负责收集cadvisor中的数据，而prometheus自身集成的有metrics服务，会自动拉取exporter的数据,然后存入本身自带库

  • cadvisor+heapster/metrics+influxdb+dashboard

    缺点：只能支持监控容器资源，无法支持业务监控，扩展性较差

  • cadvisor/exporter+prometheus+grafana

    总体流程: 数据采集–>汇总–>处理–>存储–>展示

    容器监控：

    1.prometheus使用cadvisor采集容器监控指标，cadvisor集成在k8s的kubelet中-通过prometheus进程存储-使用grafana进行展现
2.node的监控-通过node_pxporter采集当前主机的资源-通过prometheus进程存储-使用grafana进行展现
3.master的监控-通过kube-state-metrics插件从k8s中获取到apiserver的相关数据-通过prometheus进程存储-使用grafana进行展现

    2.2 Prometheus+Grafana的监控部署

    部署之前工作：

    1. 安装好metrics-sever服务

    2. 同步windows和linux时间(每台机器)

      yum install -y ntpdate
sudo ntpdate time.windows.com
sudo hwclock --localtime --systohc

      1944728-20210314192656087-443536714

    2.2.1 master/node节点环境部署

    • 在master可以进行安装部署
      安装git，并下载相关yaml文件
    git clone https://github.com/redhatxl/k8s-prometheus-grafana.git
    • 在node节点下载监控所需镜像
    docker pull prom/node-exporter
docker pull prom/prometheus:v2.0.0
docker pull grafana/grafana:4.2.0

    2.2.2 采用daemonset方式部署node-exporter组件

    kubectl create -f  node-exporter.yaml

    添加标注如下：

    annotations:
        prometheus.io/scrape: 'true'
        prometheus.io/port: '9100'
        prometheus.io/path: '/metrics'

    2.2.3 部署prometheus组件

    2.2.3.1 rbac文件
    kubectl create -f  k8s-prometheus-grafana/prometheus/rbac-setup.yaml
    2.2.3.2 以configmap的形式管理prometheus组件的配置文件
    kubectl create -f  k8s-prometheus-grafana/prometheus/configmap.yaml
    2.2.3.3 Prometheus deployment 文件
    kubectl create -f  k8s-prometheus-grafana/prometheus/prometheus.deploy.yml
    2.2.3.4 Prometheus service文件
    kubectl create -f  k8s-prometheus-grafana/prometheus/prometheus.svc.yml

    2.2.4 部署grafana组件

    2.2.4.1 grafana deployment配置文件
    kubectl create -f   k8s-prometheus-grafana/grafana/grafana-deploy.yaml
    2.2.4.2 grafana service配置文件
    kubectl create -f   k8s-prometheus-grafana/grafana/grafana-svc.yaml
    2.2.4.3 grafana ingress配置文件

    登录后复制

    kubectl create -f   k8s-prometheus-grafana/grafana/grafana-ing.yaml

    安装完成之后操作：

    配置grafana：

    1.data sources添加（url和access可替换）

    2.添加dashboard(默认的可能无法显示数据)，输入315编号即可。

    1. 查看node-exporter,192.168.1.10:31672端口
    2. 查看prometheus，192.168.1.10:30003端口
    3. 查看granfa，192.168.1.10:32501端口

4.promethues数据持久化

数据持久化分为本地存储和远端存储。

本地存储非常简单，只用命令行启动参数即可（ —storage.tsdb.path ）

远端存储的外部服务可以是influxdb、mysql、消息队列等，通常是在prometheus.yml中配置remote_write,remote_read参数来进行http通信

在配置本机服务时，会在配置文件中添加对应的存储路径，默认存储15天

ExecStart=/root/prometheus/prometheus --config.file=/root/prometheus/prometheus.yml --storage.tsdb.path=/root/prometheus/data
4.1rpm安装influxdb
wget https://repos.influxdata.com/rhel/6Server/x86_64/stable/influxdb-1.2.0.x86_64.rpm
rpm -ivh influxdb-1.2.0.x86_64.rpm

安装完启动服务：systemctl start influxdb.service

创建数据库curl -XPOST http://localhost:8086/query --data-urlencode "q=CREATE DATABASE prometheus1"

influxdb对应prometheus的接口如下

/api/v1/prom/read
/api/v1/prom/write
/api/v1/prom/metrics

因此在prometeus.yml中配置如下

remote_write:
   - url: "http://localhost:8086/api/v1/prom/write?db=prometheus1"
remote_read:
   - url: "http://localhost:8086/api/v1/prom/read?db=prometheus1"

https://blog.csdn.net/Happy_Sunshine_Boy/article/details/107806342

4.2 influxdb集群

集群采用influx-proxy方式

https://www.cnblogs.com/enobear/p/13595712.html

5.prometheus高可用

总体三种方式： https://zhuanlan.zhihu.com/p/86763004

  • 部署多个相同的server。server1和server2配置完全一样，都要监控所有的数据

  • 基于上面方法加上第三方持久化存储

  • 基于联邦机制

    为什么有联邦机制：单一的prometheus无法处理大量的采集任务，将不同的采集任务分配到不同的prom节点中，从而实现功能分区，这就叫联邦机制
什么是联邦机制，Server1和server2分别抓取一部分数据，然后由server中心从1和2中抓取需要的数据存入第三方存储
联邦机制适用于两种场景：
1.单数据中心（一般公司用）
2.多数据中心

    联邦部署参考： https://blog.51cto.com/u_11954248/2537706

6.promql

https://www.cnblogs.com/linuxk/p/12054401.html

查询方式：metrics_name{查询条件}[范围] offset 位移(天数)

监控指标名称查询
范围查询
时间位移查询
聚合查询

4种metrics(指标)

https://blog.csdn.net/weixin_37512224/article/details/105248696

posted @   MISF  阅读(55)  评论(0)  编辑  收藏  举报
编辑推荐：
· AI与.NET技术实操系列：向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列：如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
阅读排行：
· 震惊！C++程序真的从main开始吗？99%的程序员都答错了
· 单元测试从入门到精通
· 【硬核科普】Trae如何「偷看」你的代码？零基础破解AI编程运行原理
· 上周热点回顾（3.3-3.9）
· winform 绘制太阳，地球，月球 运作规律
　　 　　JS过度和变形效果演示 　　
　　
　　　　html5.png 　　
点击右上角即可分享
微信分享提示
AI IDE Trae