Prometheus
监控的简介
监控的价值：
长期趋势分析：通过对监控样本数据的持续收集和统计，对监控指标进行长期趋势分析。例如，通过对磁盘空间增长率的判断，我们可以提前预测在未来什么时间节点上需要对资源进行扩容。
对照分析：两个版本的系统运行资源使用情况的差异如何？在不同容量情况下系统的并发和负载变化如何？通过监控能够方便的对系统进行跟踪和比较。
告警：当系统出现或者即将出现故障时，监控系统需要迅速反应并通知管理员，从而能够对问题进行快速的处理或者提前预防问题的发生，避免出现对业务的影响。
故障分析与定位：当问题发生后，需要对问题进行调查和处理。通过对不同监控监控以及历史数据的分析，能够找到并解决根源问题。
数据可视化：通过可视化仪表盘能够直接获取系统的运行状态、资源使用情况、以及服务运行状态等直观的信息。
监控的类型：
通过业务监控系统，全面掌握业务环境的运行状态，通过黑盒监控能够第一时间发现业务故障并通过告警通告运维人员进行紧急恢复，通过白盒监控能够提前预知业务瓶颈，从而将业务影响降到最低。
（1）黑盒监控，关注的是时时的状态，一般都是正在发生的事件，比如nginx web界面打开的是界面报错503、API接口超时、磁盘IO异常等，即黑盒监控重点在于能对当前正在发生的故障进行发现及发送通知告警。
（2）白盒监控，关注的是原因，也就是系统内部暴露的一些指标数据，比如nginx 后端服务器的响应时长、磁盘的I/O负载值等。
监控系统需要能够有效的支持白盒监控和黑盒监控，通过白盒能够了解其内部的实际运行状态，以及对监控指标的观察能够预判可能出现的潜在问题，从而对潜在的不确定因素进行提前优化并避免问题的发生，而通过黑盒监控，比如常见的如HTTP探针、TCP探针等，可以在系统或者服务在发生故障时能够快速通知相关的人员进行处理。
常见的监控工具：
Cacti：基于基于LAMP平台展现的网络流量监测及分析工具,https://www.cacti.net
Nagios:用来监视系统和网络的开源应用软件，利用其众多的插件实现对本机和远端服务的监控,https://www.nagios.org
Open-falcon: 小米公司开源出来的监控软件open-falcon(猎鹰)，监控能力和性能较强,https://www.open-falcon.org
Nightingale：夜莺， 由滴滴基于open-falcon二次开发后开源出来的分布式监控系统，https://n9e.github.io
Zabbix：老牌的开源监控软件，可横向扩展、自定义监控项、支持多种监控方式、可监控网络与各种服务等，https://www.zabbix.com/cn
prometheus：CNCF毕业的云原生监控系统，对k8s的容器有良好的兼容性，https://prometheus.io
Prometheus简介、优缺点对比、组件介绍
prometheus简介：Prometheus是基于go语言开发的一套开源的监控、报警和时间序列数据库的组合，是由SoundCloud公司开发(2012年)的开源监控系统，Prometheus于2016年加入CNCF（Cloud Native Computing Foundation,云原生计算基金会）,2018年8月9日prometheus成为CNCF继kubernetes 之后毕业的第二个项目，prometheus在容器和微服务领域中得到了广泛的应用，其主要优缺点如下：
（1）使用key-value的多维度(多个角度，多个层面，多个方面)格式保存数据
（2）数据不使用MySQL这样的传统数据库，而是使用时序数据库，目前是使用的TSDB
（3）支持第三方dashboard实现更绚丽的图形界面，如grafana(Grafana 2.5.0版本及以上)
（4）组件模块化
（5）不需要依赖存储，数据可以本地保存也可以远程保存
（6）平均每个采样点仅占3.5 bytes，且一个Prometheus server可以处理数百万级别的的metrics指标数据。
（7）支持服务自动化发现(基于consul等方式动态发现被监控的目标服务)
（8）强大的数据查询语句功(PromQL,Prometheus Query Language)
（9）数据可以直接进行算术运算
（10）易于横向伸缩
（11）众多官方和第三方的exporter(“数据”导出器)实现不同的指标数据收集
Prometheus 架构图：
（1）prometheus server：主服务，接受外部http请求、收集指标数据、存储指标数据与查询指标数据等。
（2）prometheus targets: 静态发现目标后执行指标数据抓取。
（3）service discovery：动态发现目标后执行纸币数据抓取。
（4）prometheus alerting：调用alertmanager组件实现报警通知。
（5）push gateway：数据收集代理服务器(类似于zabbix proxy但仅限于client主动push数据至push gateway)。
（6）data visualization and export： 数据可视化与数据导出(浏览器或其它client)。
数据采集流程
（1）基于静态配置文件或动态发现获取目标
（2）向目标URL发起http/https请求
（3）目标接受请求并返回指标数据
（4）prometheus server接受数据并对比告警规则，如果触发告警则进一步执行告警动作并存储数据，不触发告警则只进行数据存储
（5）grafana进行数据可视化
部署Prometheus Server
安装简介：
prometheus配置文件主要参数：
--config.file="prometheus.yml" #指定配置文件 --web.listen-address="0.0.0.0:9090" #指定监听地址 --storage.tsdb.path="data/" #指定数存储目录 --storage.tsdb.retention.size=B, KB, MB, GB, TB, PB, EB #指定block大小，默认512MB --storage.tsdb.retention.time= #数据保存时长，默认15天 --query.timeout=2m #最大查询超时时间 -query.max-concurrency=20 #最大查询并发数 --web.read-timeout=5m #最大空闲超时时间 --web.max-connections=512 #最大并发连接数 --web.enable-lifecycle #启用API动态加载配置功能
Prometheus 可以通过不同的方式安装部署prometheus监控环境，但是实际生产环境只需要根据实际需求选择其中一种方式部署即可，而且无论是使用哪一种方式安装部署的prometheusserver，以后的使用都是一样的：
（1）使用apt或者yum安装
apt install prometheus
（2）基于官方提供的二进制文件安装
https://prometheus.io/download
（3）基于docker镜像直接启动或通过docker-compose编排
https://prometheus.io/docs/prometheus/latest/installation
（4）基于operator部署在kubernetes环境部署
https://github.com/prometheus-operator/kube-prometheus
基于docker部署
docker run \ -p 9090:9090 \ prom/prometheus
基于docker-compose部署
git clone https://gitee.com/jiege-gitee/prometheus-docker-compose.git cd prometheus-docker-compose vim config/prometheus/prometheus.yml #prometheus 配置文件 docker-compose up -d
基于二级制部署
mkdir /apps1 cd /apps/ tar xvf prometheus-2.40.5.linux-amd64.tar.gz ln -sv /apps1/prometheus-2.40.5.linux-amd64 /apps1/prometheus cd /apps1/prometheus ./promtool check config prometheus.yml
vim /etc/systemd/system/prometheus.service
[Unit]
Description=Prometheus Server
Documentation=https://prometheus.io/docs/introduction/overview/
After=network.target
[Service]
Restart=on-failure
WorkingDirectory=/apps/prometheus/
ExecStart=/apps1/prometheus/prometheus --config.file=/apps1/prometheus/prometheus.yml --web.enable-lifecycle
[Install]
WantedBy=multi-user.target
#执行以下命令
systemctl daemon-reload
systemctl start prometheus.service
systemctl enable prometheus.service
部署node_exporter（虚拟机、物理机上）
二进制部署node_exporter：
mkdir /apps cd /apps tar xvf node_exporter-1.5.0.linux-amd64.tar.gz ln -sv /apps/node_exporter-1.5.0.linux-amd64 /apps/node_exporter ll /apps/node_exporter/ vim /etc/systemd/system/node-exporter.service [Unit] Description=Prometheus Node Exporter After=network.target [Service] ExecStart=/apps/node_exporter/node_exporter [Install] WantedBy=multi-user.target
systemctl daemon-reload && systemctl restart node-exporter && systemctl enable node-exporter.service
prometheus数据简介：
metric: 指标，有各自的metric name， 是一个key value(键值)格式组成的某个监控项数据。
node_load1 0.21
labels：标签，用于对相同名称的指标进行删选，一个指标可以同时有多个不同的标签。
node_network_receive_packets_total{device="eth0"} 109464
node_network_receive_packets_total{device="lo"} 178
samples：样本，存在于TSDB中的数据，有三部分组成：
指标(包含metric name和labels) 值(value, 指标数据) 时间戳(指标写入的时间)
series：序列，有多个samples组成的时间序列数据
node节点指标数据收集
配置prometheus server收集node-exporter指标数据：
vim /apps1/prometheus/prometheus.yml - job_name: 'promethues-node' static_configs: - targets: ["192.168.84.135:9100"]
systemctl restart prometheus.service
node节点常见指标：
node_boot_time：系统自启动以后的总结时间
node_cpu：系统CPU使用量
node_disk*：磁盘IO
node_filesystem*：系统文件系统用量
node_load1：系统CPU负载
node_memory*：内存使用量
node_network*：网络带宽指标
node_time：当前系统时间
go_*：node exporter中go相关指标
process_*：node exporter自身进程相关运行指标
grafana 部署及使用
grafana简介
（1）grafana是一个可视化组件，用于接收客户端浏览器的请求并连接到prometheus查询数据，最后经过渲染并在浏览器进行体系化显示，需要注意的是，grafana查询数据类似于zabbix一样需要自定义模板，模板可以手动制作也可以导入已有模板。
（2）https://grafana.com/ #官网
（3）https://grafana.com/grafana/dashboards/ #模板下载
grafana安装：
（1）下载地址：https://grafana.com/grafana/download?pg=get&plcmt=selfmanaged-box1-cta1
（2）下载相关依赖：sudo apt-get install -y adduser libfontconfig1
（4）开始安装：dpkg -i grafana-enterprise_9.3.1_amd64.deb
（5）vim /etc/grafana/grafana.ini
[server] # Protocol (http, https, h2, socket) protocol = http # The ip address to bind to, empty will bind to all interfaces http_addr = 0.0.0.0 # The http port to use http_port = 3000
（6）systemctl restart grafana-server && systemctl enable grafana-server
（7）登录grafana web界面：
默认账户：admin
默认密码:admin
grafana 的使用：
（1）添加数据源：Configuration-->data source-->add datasource-->prometheus
（2）导入模板：https://grafana.com/grafana/dashboards
Dashboards-->import-->模板id 11074/8919
PromQL 语句的简单使用
Prometheus提供一个函数式的表达式语言PromQL (Prometheus Query Language)，可以使用户实时地查找和聚合时间序列数据，表达式计算结果可以在图表中展示，也可以在Prometheus表达式浏览器中以表格形式展示，或者作为数据源, 以HTTP API的方式提供给外部系统使用。
https://prometheus.io/docs/prometheus/latest/querying/basics
PromQL查询数据类型：
（1）Instant Vector：瞬时向量/瞬时数据,是对目标实例查询到的同一个时间戳的一组时间序列数据(按照时间的推移对数据进存储和展示)，每个时间序列包含单个数据样本，比如node_memory_MemFree_bytes查询的是当前剩余内存(可用内存)就是一个瞬时向量，该表达式的返回值中只会包含该时间序列中的最新的一个样本值，而相应的这样的表达式称之为瞬时向量表达式，以下是查询node节点可用内存的瞬时向量表达式。
命令： curl 'http://192.168.84.154:9090/api/v1/query' --data 'query=node_memory_MemFree_bytes' --data time=时间戳
结果：{"status":"success","data":{"resultType":"vector","result":[{"metric":{"__name__":"node_memory_MemFree_bytes","instance":"192.168.84.135:9100","job":"promethues-node"},"value":[1670833382.876,"3130011648"]}]}}
（2）Range Vector：范围向量/范围数据,是指在任何一个时间范围内，抓取的所有度量指标数据.比如最近一天的网卡流量趋势图、或最近5分钟的node节点内容可用字节数等，以下是查询node节点可用内存的范围向量表达式：
命令：curl 'http://192.168.84.154:9090/api/v1/query' --data 'query=node_memory_MemFree_bytes{instance="192.168.84.135:9100"}[5m]'
结果：{"status":"success","data":{"resultType":"matrix","result":[{"metric":{"__name__":"node_memory_MemFree_bytes","instance":"192.168.84.135:9100","job":"promethues-node"},"values":[[1670833503.334,"3130011648"],[1670833518.333,"3130011648"], [1670833533.333,"3130011648"],[1670833548.333,"3130011648"],[1670833563.333,"3130011648"],[1670833578.334,"3130011648"],[1670833593.333,"3130011648"],[1670833608.333,"3130011648"],[1670833623.334,"3130011648"], [1670833638.333,"3130011648"],[1670833653.334,"3130011648"],[1670833668.334,"3130011648"],[1670833683.333,"3130011648"],[1670833698.333,"3130011648"],[1670833713.333,"3130011648"],[1670833728.333,"3130011648"],[1670833743.333,"3130011648"],[1670833758.334,"3130011648"],[1670833773.333,"3130011648"],[1670833788.333,"3130011648"]]}]
（3）scalar：标量/纯量数据,是一个浮点数类型的数据值，使用node_load1获取到时一个瞬时向量后，在使用prometheus的内置函数scalar()将瞬时向量转换为标量，例如：scalar(sum(node_load1))
命令：curl 'http://192.168.84.154:9090/api/v1/query' --data' query=scalar(sum(node_load1{instance="192.168.84.135:9100"}))'
（4）string：简单的字符串类型的数据，目前未使用，（a simple string value; currently unused）
https://prometheus.io/docs/prometheus/latest/querying/basics
prometheus指标数据类型：
Counter:计数器
Gauge:仪表盘
Histogram：累积直方图
Summary：摘要
（1）Counter:计数器,Counter类型代表一个累积的指标数据，在没有被重启的前提下只增不减(生活中的电表、水表)，比如磁盘I/O总数、Nginx/API的请求总数、网卡流经的报文总数等。
（2）Gauge:仪表盘,Gauge类型代表一个可以任意变化的指标数据，值可以随时增高或减少，如带宽速率、CPU负载、内存利用率、nginx 活动连接数等。
（3）Histogram：累积直方图，Histogram会在一段时间范围内对数据进行采样(通常是请求持续时间或响应大小等),假如每分钟产生一个当前的活跃连接数，那么一天24小时*60分钟=1440分钟就会产生1440个数据，查看数据的每间隔的绘图跨度为2小时，那么2点的柱状图(bucket)会包含0点到2点即两个小时的数据，而4点的柱状图(bucket)则会包含0点到4点的数据，而6点的柱状图(bucket)则会包含0点到6点的数据，可用于统计从当天零点开始到当前时间的数据统计结果，如http请求成功率、丢包率等，比如ELK的当天访问IP计。
（4）Summary：摘要图，也是一组数据，默认统计选中的指标的最近10分钟内的数据的分位数，可以指定数据统计时间范围，基于分位数(Quantile),亦称分位点,是指用分割点(cut point)将随机数据统计并划分为几个具有相同概率的连续区间，常见的为四分位，四分位数是将数据样本统计后分成四个区间，将范围内的数据进行百分比的占比统计,从0到1，表示是0%~100%，(0%~25%,%25~50%,50%~75%,75%~100%),利用四分位数，可以快速了解数据的大概统计结果。
如下统计的是 0、0.25、0.5、0.75、1的数据量分别是多少。
go_gc_duration_seconds
# HELP go_gc_duration_seconds A summary of the pause duration of garbage collection cycles.
# TYPE go_gc_duration_seconds summary
go_gc_duration_seconds{quantile="0"} 1.8479e-05
go_gc_duration_seconds{quantile="0.25"} 6.5059e-05 #25%以内的go_gc_duration_seconds的持续时间
go_gc_duration_seconds{quantile="0.5"} 9.3605e-05 #50%以内的go_gc_duration_seconds的持续时间
go_gc_duration_seconds{quantile="0.75"} 0.000133103 #75%以内的go_gc_duration_seconds的持续时间
go_gc_duration_seconds{quantile="1"} 0.004022673 #100%以内的go_gc_duration_seconds的持续时间
go_gc_duration_seconds_sum 1.446781088 #数据总和
go_gc_duration_seconds_count 7830 #数据个数
node-exporter指标数据格式：
#没有标签的
#metric_name metric_value
# TYPE node_load15 gauge
node_load15 0.1
#一个标签的
#metric_name{label1_name="label1-value"} metric_value
# TYPE node_network_receive_bytes_total counter
node_network_receive_bytes_total{device="eth0"} 1.44096e+07
#多个标签的
#metric_name{label1_name="label1-value","labelN_name="labelN-value} metric_value
# TYPE node_filesystem_files_free gauge
node_filesystem_files_free{device="/dev/sda2",fstype="xfs",mountpoint="/boot"} 523984
PromQL查询指标数据示例：
node_memory_MemTotal_bytes #查询node节点总内存大小
node_memory_MemFree_bytes #查询node节点剩余可用内存
node_memory_MemTotal_bytes{instance="192.168.84.135:9100"} #基于标签查询指定节点的总内存
node_memory_MemFree_bytes{instance="192.168.84.135:9100"} #基于标签查询指定节点的可用内存
node_disk_io_time_seconds_total{device="sda"} #查询指定磁盘的每秒磁盘io
node_filesystem_free_bytes{device="/dev/sda1",fstype="xfs",mountpoint="/"} #查看指定磁盘的磁盘剩余空间
# HELP node_load1 1m load average. #CPU负载
# TYPE node_load1 gauge
node_load1 0.1
# HELP node_load15 15m load average.
# TYPE node_load15 gauge
node_load15 0.17
# HELP node_load5 5m load average.
# TYPE node_load5 gauge
node_load5 0.13
PromQL标签匹配：
基于标签对指标数据进行匹配：
= :选择与提供的字符串完全相同的标签，精确匹配。
!= :选择与提供的字符串不相同的标签，去反。
=~ :选择正则表达式与提供的字符串（或子字符串）相匹配的标签。
!~ :选择正则表达式与提供的字符串（或子字符串）不匹配的标签。
#查询格式<metric name>{<label name>=<label value>, ...}
node_load1{instance="192.168.84.135:9100"}
node_load1{job="promethues-node"}
node_load1{job="promethues-node",instance="192.168.84.135:9100"} #精确匹配
node_load1{job="promethues-node",instance!="192.168.84.135:9100"} #取反
node_load1{instance=~"192.168.84.135.*:9100$"} #包含正则且匹配
node_load1{instance!~"192.168.84.135:9100"} #包含正则且取反
PromQL 时间范围：
对指标数据进行时间范围指定:
s - 秒
m - 分钟
h - 小时
d - 天
w - 周
y - 年
#瞬时向量表达式，选择当前最新的数据
node_memory_MemTotal_bytes{}
#区间向量表达式，选择以当前时间为基准，查询所有节点
node_memory_MemTotal_bytes指标5分钟内的数据
node_memory_MemTotal_bytes{}[5m]
#区间向量表达式，选择以当前时间为基准，查询指定节点
node_memory_MemTotal_bytes指标5分钟内的数据
node_memory_MemTotal_bytes{instance="192.168.84.135:9100"}[5m]
PromQL 运算符：
对指标数据进行数学运算：
+ 加法
- 减法
* 乘法
/ 除法
% 模
^ 幂(N次方)
node_memory_MemFree_bytes/1024/1024 #将内存进行单位从字节转行为兆 node_disk_read_bytes_total{device="sda"} + node_disk_written_bytes_total{device="sda"} #计算磁盘读写数据量
(node_disk_read_bytes_total{device="sda"} + node_disk_written_bytes_total{device="sda"}) / 1024 / 1024 #单位转换
PromQL 聚合运算：
对指标数据进行进行聚合运算：
max() #最大值
min() #最小值
avg() #平均值
计算每个节点的最大的流量值：
max(node_network_receive_bytes_total) by (instance)
计算每个节点最近五分钟每个device的最大流量
max(rate(node_network_receive_bytes_total[5m])) by (device)
sum() #求数据值相加的和(总数)
sum(prometheus_http_requests_total)
{} 2495 #最近总共请求数为2495次，用于计算返回值的总数(如http请求次数)
count() #统计返回值的条数
count(node_os_version)
{} 2 #一共两条返回的数据，可以用于统计节点数、pod数量等
abs() #返回指标数据的值
abs(sum(prometheus_http_requests_total{handler="/metrics"}))
absent() #如果监指标有数据就返回空，如果监控项没有数据就返回1，可用于对监控项设置告警通知(如果返回值等于1就触发告警通知)
absent(sum(prometheus_http_requests_total{handler="/metrics"}))
stddev() #标准差
stddev(prometheus_http_requests_total) #5+5=10,1+9=10,1+9这一组的数据差异就大，在系统是数据波动较大，不稳定
stdvar() #求方差
stdvar(prometheus_http_requests_total)
topk() #样本值排名最大的N个数据
#取从大到小的前6个
topk(6, prometheus_http_requests_total)
bottomk() #样本值排名最小的N个数据
#取从小到大的前6个
bottomk(6, prometheus_http_requests_total)
rate() #rate函数是专门搭配counter数据类型使用函数，rate会取指定时间范围内所有数据点，算出一组速率，然后取平均值作为结果,适合用于计算数据相对平稳的数据。
rate(prometheus_http_requests_total[5m])
rate(apiserver_request_total{code=~"^(?:2..)$"}[5m])
rate(node_network_receive_bytes_total[5m])
irate() #函数也是专门搭配counter数据类型使用函数，irate取的是在指定时间范围内的最近两个数据点来算速率，适合计算数据变化比较大的数据，显示的数据相对比较准确,所以官网文档说：irate适合快速变化的计数器（counter），而rate适合缓慢变化的计数器（counter）。
irate(prometheus_http_requests_total[5m])
irate(node_network_receive_bytes_total[5m])
irate(apiserver_request_total{code=~"^(?:2..)$"}[5m])
#by，在计算结果中，只保留by指定的标签的值，并移除其它所有的
sum(rate(node_network_receive_packets_total{instance=~".*"}[10m])) by (instance)
sum(rate(node_memory_MemFree_bytes[5m])) by (increase)
#without，从计算结果中移除列举的instance,job标签，保留其它标签
sum(prometheus_http_requests_total) without (instance,job)
部署prometheus serve
环境准备：三台部署prometheus（一台主server和两台联邦server）、两台部署node_exporter
配置prometheus联邦节点收集node-exporter指标数据：
联邦节点1-192.168.84.136：
/apps/prometheus# vim prometheus.yml
- job_name: "prometheus-idc1" static_configs: - targets: ["192.168.84.137:9100"]
联邦节点2-192.168.84.135：
/apps/prometheus# vim prometheus.yml - job_name: "prometheus-idc2" static_configs: - targets: ["192.168.84.153:9100"]
systemctl restart prometheus.service
验证prometheus targets状态：
配置prometheus 通过联邦节点收集的node-exporter指标数据:
# vim /apps/prometheus/prometheus.yml
- job_name: 'prometheus-federate-1.136'
scrape_interval: 10s
honor_labels: true
metrics_path: '/federate'
params:
'match[]':
- '{job="prometheus"}'
- '{__name__=~"job:.*"}'
- '{__name__=~"node.*"}'
static_configs:
- targets:
- '192.168.84.136:9090'
- job_name: 'prometheus-federate-2.135'
scrape_interval: 10s
honor_labels: true
metrics_path: '/federate'
params:
'match[]':
- '{job="prometheus"}'
- '{__name__=~"job:.*"}'
- '{__name__=~"node.*"}'
static_configs:
- targets:
- '192.168.84.135:9090'
验证prometheus 通过联邦节点收集的node-exporter指标数据:
grafana 验证数据：
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步
· 全程不用写代码，我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· MongoDB 8.0这个新功能碉堡了，比商业数据库还牛
· .NET10 - 预览版1新功能体验（一）