prometheus statsd 监控

Prometheus是一套开源的监控&报警&时间序列数据库的组合，起始是由SoundCloud公司开发的。随着发展，越来越多公司和组织接受采用Prometheus，社会也十分活跃，他们便将它独立成开源项目，并且有公司来运作。google SRE的书内也曾提到跟他们BorgMon监控系统相似的实现是Prometheus。现在最常见的Kubernetes容器管理系统中，通常会搭配Prometheus进行监控。

介绍 http://www.cnblogs.com/vovlie/p/Prometheus_CONCEPTS.html

安装配置 http://www.cnblogs.com/vovlie/p/Prometheus_install.html

我们公司的监控系统是statsd + graphite + grafana ，但是最近遇到一个需求，需要将所有id的失败成功打到监控中，同时计算出失败率并进行排序。这个需求通过 graphite 这一套是无法实现的，有两个问题：

1. graphite 对应每个id会生成一个小文件，id多的情况下操作系统文件系统检索很慢。

2. graphite 没有强大的查询表达式支持。

 

纠结之后，选择了Prometheus，目前实现了这个需求，并且可以很好的兼容老的监控系统，业务部门不需要改动代码。

我们在往statsd_expoter写数据的时候发现并不会类似statsd那样定时清理数据，科学上网之后找到了 https://www.robustperception.io/how-does-a-prometheus-counter-work/ ，这里面介绍了prometheus的counter实现方式，获取增长值要用 increase 函数。

获取失败率Top10的id示例查询语句：

topk(10, sort_desc(
    sum(increase(demo_fail[1m]) / (increase(demo_success[1m])+increase(demo_fail[1m])) and increase(demo_fail[1m]) > 10 ) 
     by (id)
))