48小时系统班试听入口

Prometheus入门终极指南(五),别再说不会用Prometheus了!(长文更新,速速关注)

发布作者:新盟教育 发布日期:2022-01-27 浏览人数:74551人

运维实战

8b5a695f13e48cb3678ac10b95e06e4.png



启动


这是个类似"hello,world"的试验,教大家怎样快速安装、配置和简单地搭建一个DEMO


你会下载和本地化运行Prometheus服务,并写一个配置文件,监控Prometheus服务本身和一个简单的应用,然后配合使用查询规则和图表展示采样点数据。



下载和运行普罗米修斯



先下载, 然后提取和运行它,so easy:


tar zxvf prometheus-*.tar.gz
cd prometheus-*


在开始启动Prometheus之前,我们要配置它。



配置Prometheus监控自身



Prometheus从目标机上通过http方式拉取采样点数据, 它也可以拉取自身服务数据并监控自身的健康状况。


当然Prometheus服务拉取自身服务采样数据,并没有多大的用处,但是它是一个好的DEMO。保存下面的Prometheus配置,并命名为:prometheus.yml



global:  scrape_interval:     15s # 默认情况下,每15s拉取一次目标采样点数据。

 # 我们可以附加一些指定标签到采样点度量标签列表中, 用于和第三方系统进行通信, 包括:federation, remote storage, Alertmanager  external_labels:    monitor: 'codelab-monitor'

# 下面就是拉取自身服务采样点数据配置scrape_configs:  # job名称会增加到拉取到的所有采样点上,同时还有一个instance目标服务的host:port标签也会增加到采样点上  - job_name: 'prometheus'

   # 覆盖global的采样点,拉取时间间隔5s    scrape_interval: 5s

   static_configs:      - targets: ['localhost:9090']



对于一个完整的配置选项,请见配置文档。




启动普罗米修斯





指定启动Prometheus的配置文件,然后运行:



./prometheus --config.file=prometheus.yml



这样普罗米修斯服务应该起来了。你可以在浏览器上输入:http://localhost:9090,就可以看到Prometheus的监控界面。


你也可以通过输入http://localhost:9090/metrics,直接拉取到所有最新的采样点数据集。


使用expression browser(暂翻译:浏览器上输入表达式),为了使用Prometheus内置浏览器表达式,导航到http://localhost:9090/graph,并选择带有"Graph""Console"



在拉取到的度量采样点数据中,有一个metricprometheus_target_interval_length_seconds,两次拉取实际的时间间隔,在表达式的console中输入:



prometheus_target_interval_length_seconds



这个应该会返回很多不同的倒排时间序列数据,这些度量名称都是prometheus_target_interval_length_seconds但是带有不同的标签列表值,这些标签列表值指定了不同的延迟百分比和目标组间隔。


如果我们仅仅对99%的延迟感兴趣,则我们可以使用下面的查询去清洗信息:



prometheus_target_interval_length_seconds{quantile=“0.99”}



为了统计返回时间序列数据个数,你可以写:



count(prometheus_target_interval_length_seconds)





使用图界面





见图表表达式,导航到http://localhost:9090/graph, 然后使用"Graph" tab


例如,进入下面表达式,绘图最近1分钟产生chunks的速率:



rate(prometheus_tsdb_head_chunks_created_total[1m])



启动其他一些采样目标:


Go客户端包括了一个例子,三个服务只见的RPC调用延迟。


首先你必须有Go的开发环境,然后才能跑下面的DEMO,下载PrometheusGo客户端,运行三个服务:


image.png




现在你在浏览器输入:http://localhost:8080/metrics, http://localhost:8081/metrics, http://localhost:8082/metrics,能看到所有采集到的采样点数据。




配置Prometheus监控目标服务




现在我们将会配置Prometheus,拉取三个目标服务的采样点。我们把这三个目标服务组成一个jobexample-radom


然而,想象成,前两个服务是生产环境服务,后者是测试环境服务。我们可以通过group标签分组,在这个例子中,我们通过group="production"标签和group="test"来区分生产和测试:



scrape_configs:  - job_name:       'example-random'

   scrape_interval: 5s

   static_configs:      - targets: ['localhost:8080', 'localhost:8081']        labels:          group: 'production'

     - targets: ['localhost:8082']        labels:          group: 'test'



进入浏览器,输入rpc_duration_seconds, 验证Prometheus所拉取到的采样点中每个点都有group标签,且这个标签只有两个值生产, test




聚集到的采样点数据配置规则




上面的例子没有什么问题, 但是当采样点海量时,计算成了瓶颈。查询、聚合成千上万的采样点变得越来越慢。


为了提高性能,Prometheus允许你通过配置文件设置规则,对表达式预先记录为全新的持续时间序列。


让我们继续看RPCs的延迟速率(rpc_durations_seconds_count),如果存在很多实例,我们只需要对特定的jobservice进行时间窗口为5分钟的速率计算,我们可以写成这样:



avg(rate(rpc_durations_seconds_count[5m])) by (job, service)



为了记录这个计算结果,我们命名一个新的度量:job_service:rpc_durations_seconds_count:avg_rate5m,创建一个记录规则文件,并保存为prometheus.rules.yml



image.png



然后再在Prometheus配置文件中,添加rule_files语句到global配置区域, 最后配置文件应该看起来是这样的:



global:  scrape_interval:     15s # By default, scrape targets every 15 seconds.  evaluation_interval: 15s # Evaluate rules every 15 seconds.

 # Attach these extra labels to all timeseries collected by this Prometheus instance.  external_labels:    monitor: 'codelab-monitor'

rule_files:  - 'prometheus.rules.yml'

scrape_configs:  - job_name: 'prometheus'

   # Override the global default and scrape targets from this job every 5 seconds.    scrape_interval: 5s

   static_configs:      - targets: ['localhost:9090']

 - job_name:       'example-random'

   # Override the global default and scrape targets from this job every 5 seconds.    scrape_interval: 5s

   static_configs:      - targets: ['localhost:8080', 'localhost:8081']        labels:          group: 'production'

     - targets: ['localhost:8082']        labels:          group: 'test'



然后重启Prometheus服务,并指定最新的配置文件,查询并验证job_service:rpc_durations_seconds_count:avg_rate5m度量指标。





可视化






格拉法纳





Grafana支持Prometheus可视化





Grafana支持Prometheus查询。从Grafana 2.5.0 (2015-10-28)开始Prometheus可以作为它的数据源。


下面的例子:Prometheus查询Grafana Dashboard界面的图表展示:


图片1.png


Grafana安装:


Linux安装Grafana,如下所示:



# Download and unpack Grafana from binary tar (adjust version as appropriate).curl -L -O https://grafanarel.s3.amazonaws.com/builds/grafana-2.5.0.linux-x64.tar.gztar zxf grafana-2.5.0.linux-x64.tar.gz

# Start Grafana.cd grafana-2.5.0/./bin/grafana-server web




使用方法




默认情况下,Grafana服务端口http://localhost:3000。默认登录用户名和密码"admin/admin"


创建一个Prometheus数据源:


为了创建一个普罗米修斯数据源


  • 点击Grafana的logo,打开工具栏。

  • 在工具栏中,点击"Data Source"菜单。

  • 点击"新增"

  • 数据源类型选择"Prometheus"

  • 设置Prometheus服务访问地址(例如:http://localhost:9090)

  • 调整其他想要的设置(例如:关闭代理访问)。

  • 点击"Add"按钮,保存这个新数据源。


下面显示了一个Prometheus数据源配置例子:


图片2.png


创建一个普罗米修斯 Graph图表


下面是添加一个新的Grafana的标准方法:


  • 点击图表Graphtitle,它在图表上方中间。然后点击"Edit"


  • "Metrics"tab下面,选择你的Prometheus数据源(下面右边)


  • "Query"字段中输入你想查询的Prometheus表达式,同时使用"Metrics"字段通过自动补全查找度量指标。


  • 为了格式化时间序列的图例名称,使用"Legend format"图例格式输入。例如,为了仅仅显示这个标签为methodstatus的查询结果,你可以使用图例格式{{method{} - {{status}}


  • 调节其他的Graph设置,直到你有一个工作图表。


下面显示了一个Prometheus图表配置:


图片3.png


Grafana.net导入预构建的dashboardGrafana.net维护一个共享仪板表,它们能够被下载,并在Grafana服务中使用。使用Grafana.net"Filter"选项去浏览来自Prometheus数据源的dashboards


你当前必须手动编辑下载下来的JSON文件和更改datasource:选择Prometheus服务作为Grafana的数据源,使用"Dashboard"->"Home"->"Import"选项去导入编辑好的dashboard文件到你的Grafana中。




控制模板





控制模板允许使用Go语言模板创建任意的console。这些由普罗米修斯服务提供。


开始:


Prometheus提供了一系列的控制模板来帮助您。这些可以在Prometheus服务上的console/index.html.example中找到,如果Prometheus服务正在删除带有标签job="node"NodeExporter,则会显示NodeExporter控制台。


这个例子控制台包括5部分:


  • 在顶部的导航栏。

  • 左边的一个菜单。

  • 底部的时间控制。

  • 在中心的主内容,通常是图表。

  • 右边的表格。


这个导航栏是链接到其他系统,例如Prometheus其他方面的文档,以及其他任何使你明白的。


该菜单用于在同一个Prometheus服务中导航,它可以快速在另一个tar中打开一个控制台。这些都是在console_libraries/menu.lib中配置。


时间控制台允许持久性和图表范围的改变。控制台URL能够被分享,并且在其他的控制台中显示相同的图表。


主要内容通常是图表。这里有一个可配置的JavaScript图表库,它可以处理来自普罗米修斯服务的请求,并通过Rickshaw来渲染。


最后,在右边的表格可以用笔图表更紧凑的形式显示统计信息。


例子控制台:


这是一个最基本的控制台。它显示任务的数量,其中CPU平均使用率、以及右侧表中的平均内存使用率。主要内容具有每秒查询数据:



{{template "head" .}}

{{template "prom_right_table_head"}}<tr>  <th>MyJobth>  <th>{{ template "prom_query_drilldown" (args "sum(up{job='myjob'})") }}      / {{ template "prom_query_drilldown" (args "count(up{job='myjob'})") }}  th>tr><tr>  <td>CPUtd>  <td>{{ template "prom_query_drilldown" (args      "avg by(job)(rate(process_cpu_seconds_total{job='myjob'}[5m]))"      "s/s" "humanizeNoSmallPrefix") }}  td>tr><tr>  <td>Memorytd>  <td>{{ template "prom_query_drilldown" (args       "avg by(job)(process_resident_memory_bytes{job='myjob'})"       "B" "humanize1024") }}  td>tr>{{template "prom_right_table_tail"}}



{{template "prom_content_head" .}}<h1>MyJobh1>

<h3>Queriesh3><div id="queryGraph">div><script>new PromConsole.Graph({  node: document.querySelector("#queryGraph"),  expr: "sum(rate(http_query_count{job='myjob'}[5m]))",  name: "Queries",  yAxisFormatter: PromConsole.NumberFormatter.humanizeNoSmallPrefix,  yHoverFormatter: PromConsole.NumberFormatter.humanizeNoSmallPrefix,  yUnits: "/s",  yTitle: "Queries"})script>

{{template "prom_content_tail" .}}

{{template "tail"}}



模板部分不翻译了,建议用Grafana。






工具




客户端





客户端库:


在你能够监控你的服务器之前,你需要通过Prometheus客户端库把监控的代码放在被监控的服务代码中。下面实现了Prometheus的度量指标类型metrictypes


选择你需要的客户端语言,在你的服务实例上通过HTTP端口提供内部度量指标:


  • Java 或 Scala

  • 红宝石

Prometheus获取实例的HTTP端点时,客户库发送所有跟踪的度量指标数据到服务器上。


如果没有可用的客户端语言版本,或者你想要避免依赖,你也可以实现一个支持的导入格式到度量指标数据中。


在实现一个新的Prometheus客户端库时,请遵循客户端指南。注意,这个文档仍然在更新中。



 推荐阅读 

>>>Linux运维零基础入门第一课 - 云计算是什么,如何定义

>>>Docker容器使用-Linux运维红帽RHCE零基础入门课

>>>Linux运维工程师年薪30w?为什么他可以我不行?行业概述

>>>红帽RHCE认证教程之shell脚本基础入门


 运维界升职加薪必备的云计算技术,你学了吗?


学完高级运维云计算课程之后,你可以:


  • 跨越90%企业的招聘硬门槛

  • 增加70%就业机会

  • 拿下BAT全国TOP100大厂敲门砖

  • 体系化得到运维技术硬实力

  • 技术大佬年薪可达30w+


 资源放送 

2021新版Linux运维高级云计算-红帽RHCE实战课程合集,扫描下方二维码即可领取!

3b99023ad37e06ae332d36d33a9e569.png


客服电话 15822722968 邮箱 799830458@qq.com 地址 天津市红桥区光荣道157号宝能创业中心2号楼-1、2门-907号
官方公众号
商务合作