Prometheus 入门

文章首发于公众号《程序员果果》
地址 : https://mp.weixin.qq.com/s/BjZyNcWEgflJMnjfceiluw

简介

Prometheus 是一套开源的系统监控报警框架。它启发于 Google 的 borgmon 监控系统，由工作在 SoundCloud 的 google 前员工在 2012 年创建，作为社区开源项目进行开发，并于 2015 年正式发布。

特点

作为新一代的监控框架，Prometheus 具有以下特点：

• 强大的多维度数据模型：
  1. 时间序列数据通过 metric 名和键值对来区分。
  2. 所有的 metrics 都可以设置任意的多维标签。
  3. 数据模型更随意，不需要刻意设置为以点分隔的字符串。
  4. 可以对数据模型进行聚合，切割和切片操作。
  5. 支持双精度浮点类型，标签可以设为全 unicode。
• 灵活而强大的查询语句（PromQL）：在同一个查询语句，可以对多个 metrics 进行乘法、加法、连接、取分数位等操作。
• 易于管理： Prometheus server 是一个单独的二进制文件，可直接在本地工作，不依赖于分布式存储。
• 高效：平均每个采样点仅占 3.5 bytes，且一个 Prometheus server 可以处理数百万的 metrics。
  使用 pull 模式采集时间序列数据，这样不仅有利于本机测试而且可以避免有问题的服务器推送坏的 metrics。
• 可以采用 push gateway 的方式把时间序列数据推送至 Prometheus server 端。
• 可以通过服务发现或者静态配置去获取监控的 targets。
• 有多种可视化图形界面。
• 易于伸缩。

组成及架构

Prometheus 生态圈中包含了多个组件，其中许多组件是可选的：

• Prometheus Server: 用于收集和存储时间序列数据。
• Client Library: 客户端库，为需要监控的服务生成相应的 metrics 并暴露给 Prometheus server。当 Prometheus server 来 pull 时，直接返回实时状态的 metrics。
• Push Gateway: 主要用于短期的 jobs。由于这类 jobs 存在时间较短，可能在 Prometheus 来 pull 之前就消失了。为此，这次 jobs 可以直接向 Prometheus server 端推送它们的 metrics。这种方式主要用于服务层面的 metrics，对于机器层面的 metrices，需要使用 node exporter。
• Exporters: 用于暴露已有的第三方服务的 metrics 给 Prometheus。
• Alertmanager: 从 Prometheus server 端接收到 alerts 后，会进行去除重复数据，分组，并路由到对收的接受方式，发出报警。常见的接收方式有：电子邮件，pagerduty，OpsGenie, webhook 等。
• 一些其他的工具。

下图为 Prometheus 官方文档中的架构图：

从上图可以看出，Prometheus 的主要模块包括：Prometheus server, exporters, Pushgateway, PromQL, Alertmanager 以及图形界面。

其大概的工作流程是：

1. Prometheus server 定期从配置好的 jobs 或者 exporters 中拉 metrics，或者接收来自Pushgateway 发过来的 metrics，或者从其他的 Prometheus server 中拉 metrics。
2. Prometheus server 在本地存储收集到的 metrics，并运行已定义好的 alert.rules，记录新的时间序列或者向 Alertmanager 推送警报。
3. Alertmanager 根据配置文件，对接收到的警报进行处理，发出告警。
   在图形界面中，可视化采集数据。

相关概念

下面将对 Prometheus 中的数据模型（时间序列），metric 类型，instance 和 jobs等概念进行介绍。

数据模型

Prometheus 中存储的数据为时间序列，是由 metric 的名字和一系列的标签（键值对）唯一标识的，不同的标签则代表不同的时间序列。

• metric 名字：该名字应该具有语义，一般用于表示 metric 的功能，例如：http_requests_ total, 表示 http 请求的总数。其中，metric 名字由 ASCII 字符，数字，下划线，以及冒号组成，且必须满足正则表达式 [a-zA-Z:][a-zA-Z0-9:]*。
• 标签：使同一个时间序列有了不同维度的识别。例如 http_requests_total{method="Get"} 表示所有 http 请求中的 Get 请求。当 method="post" 时，则为新的一个 metric。标签中的键由 ASCII 字符，数字，以及下划线组成，且必须满足正则表达式 [a-zA-Z:][a-zA-Z0-9:]*。
• 样本：实际的时间序列，每个序列包括一个 float64 的值和一个毫秒级的时间戳。
• 格式：<metric name>{<label name>=<label value>, …}，例如:http_requests_total{method="POST",endpoint="/api/tracks"}。

Metrics种类

Prometheus客户端库提供了四种核心Metrics类型。

Counter（计数器）

• 说明：Counter是一个累积度量，它表示一个单调递增的 Metrics，其值只能在重启时递增或重置为零
• 场景：可以使用Counter来表示http的请求数、已完成的任务数或错误数、下单数。

Gauge（测量仪）

• 说明：当前值的一次快照(snapshot)测量，可增可减。
• 场景：磁盘使用率，当前同时在线用户数。

Histogram（直方图）

• 说明：通过区间统计样本分布。
• 场景：请求延迟时间的统计。例如统计 0~200ms、200ms~400ms、400ms~800ms 区间的请求数有多。

Summary（汇总）

• 说明：根据样本统计出百分位。
• 场景：请求延迟时间的统计。例如统计 95%的请求延迟 < xxx ms ，99%的请求延迟 < xxx ms

instance 和 jobs

在Prometheus术语中，你可以scrape（刮擦）的端点称为 实例，通常对应于单个进程。一组同种类型的 instances（主要用于保证可扩展性和可靠性），例如：具有四个复制instances（实例）的API服务器job作业:

• job: api-server
  • instance 1: 1.2.3.4:5670
  • instance 2: 1.2.3.4:5671
  • instance 3: 5.6.7.8:5670
  • instance 4: 5.6.7.8:5671

当Prometheus scrape（刮擦）目标时，它会自动在scrape的时间序列上附加一些标签，用来识别scrape的目标。

• job：目标所属的已配置job名称。
• instance：<host>:<port>已刮擦的目标URL 的一部分。

对于每次实例 scrape（刮取，Prometheus都会在以下时间序列中存储样本：

• up{job="\<job-name\>", instance="\<instance-id\>"}：1如果实例是健康的，即可达，或者0刮擦失败。
• scrape_duration_seconds{job="\<job-name\>", instance="\<instance-id\>"}：刮擦持续时间。
• scrape_samples_post_metric_relabeling{job="\<job-name\>", instance="\<instance-id\>"}：应用度量标准重新标记后剩余的样本数。
• scrape_samples_scraped{job="\<job-name\>", instance="\<instance-id\>"}：目标暴露的样本数。
• scrape_series_added{job="\<job-name\>", instance="\<instance-id\>"}：该刮擦中新系列的大致数量。v2.10中的新功能。

up时间序列对于实例可用性监视非常有用。

安装和配置

安装

你可以在官网 https://prometheus.io/download/ 下载 安装包，解压后使用。为了方便，我使用docker 镜像的方式 运行Prometheus。

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

浏览器输入http://localhost:9090 ，访问 Prometheus 的 Web UI：

点击菜单栏 “Status” 下的 Targets ，界面如下：

可以看大Prometheus 自身 metrics 处于UP状态 ，说明 安装成功。

配置

Prometheus 的配置文件 prometheus.yml 内容如下：

# 全局设置，可以被覆盖
global:
  scrape_interval:     15s
  evaluation_interval: 15s

rule_files:
  # - "first.rules"
  # - "second.rules"

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

该global块控制 Prometheus 的全局配置。我们有两种选择。第一个，scrape_interval控制Prometheus 刮擦目标的频率。你可以为单个目标覆盖此值。在这种情况下，全局设置是每15秒刮一次。该evaluation_interval选项控制普罗米修斯评估规则的频率。Prometheus 使用规则创建新的时间序列并生成警报。

该rule_files块指定我们希望 Prometheus 加载的任何规则的位置。现在我们没有规则。

最后一个块scrape_configs控制 Prometheus 监视的资源。由于 Prometheus 还将自己的数据公开为HTTP端点，因此它可以抓取并监控自身的健康状况。在默认配置中有一个名为 prometheus 的job，它抓取 prometheus 服务器 公开的时间序列数据。该作业包含一个静态配置的目标，即端口9090上的本地主机。返回的时间序列数据将详细说明Prometheus服务器的状态和性能。

实验

Prometheus HTTP 度量模拟器

为了演示 Prometheus 的简单使用，这里运行一个 Prometheus HTTP 度量模拟器。模拟一个简单的HTTP微服务，生成Prometheus Metrics，通过 docker 运行。

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

它在/metrics端点下公开以下Prometheus指标：

• http_requests_total：请求计数器，标签endpoint和status
• http_request_duration_milliseconds：请求延迟直方图

可以开启流量高峰模式，更改流量高峰模式可以通过以下方式完成：

# 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

错误率默认为1％。它可以更改为0到100之间的数字：

# 例如将错误率设置为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

需要将 HTTP 度量模拟器 的 metrics端点 配置到 Prometheus的配置文件 prometheus.yml 中。

创建一个 prometheus.yml 文件 内容如下：

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']

通过docker up 命令替换 容器中的配置文件：

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

重启容器：

docker restart prometheus

访问 http://localhost:9090/targets ，发现已经出现了 target “http-simulator” ，并且为UP状态。

查询

请求率(Request Rate)查询

查询http请求数

http_requests_total{job="http-simulator"}

查询成功login请求数

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

查询成功请求数，以endpoint区分

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

查询总成功请求数

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

查询成功请求率，以endpoint区分

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

查询总成功请求率

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

延迟分布(Latency distribution)查询

查询http-simulator延迟分布

http_request_duration_milliseconds_bucket{job="http-simulator"}

查询成功login延迟分布

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

不超过200ms延迟的成功login请求占比

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请求延迟的99百分位

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

上面给出的这些查询表达式，在 prometheus 的 查询界面上自行测试下 ，这里就不一一测试了，

总结

本篇对 Prometheus 的组成，架构和基本概念进行了介绍，并实例演示了 Prometheus 的查询表达式的应用。本篇是 Prometheus 系列的第一篇， 后续还会有Prometheus与其他图形界面的集成，与 springboot 应用的集成等 。

参考

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

关注我