一、节点角色规划

角色主机名IP部署组件
监控主机（同时也是被监控机）lmx000192.168.30.122Prometheus + Grafana + node-exporter
被监控机 1lmx001192.168.30.123node-exporter
被监控机 2lmx002192.168.30.124node-exporter

✅ 监控主机本身也跑 node-exporter，所以 Prometheus 一共抓 3 个 target，全部在 192.168.30.x 网段，不存在跨网段问题。

二、/etc/hosts 统一写入（三台都执行）

主机名分别设置好：

# 在 122 上
hostnamectl set-hostname lmx000

# 在 123 上
hostnamectl set-hostname lmx001

# 在 124 上
hostnamectl set-hostname lmx002

三台机器都写上，方便内部解析：

cat >> /etc/hosts << 'EOF'
192.168.30.122 lmx000
192.168.30.123 lmx001
192.168.30.124 lmx002
EOF

在这里插入图片描述

三、目录规划（只在 lmx000 上建）

所有监控组件只跑在 lmx000（122） 上：

/opt/monitoring/
├── docker-compose.yml
├── prometheus.yml
└── grafana/
    ├── provisioning/
    │   ├── datasources/datasources.yml
    │   └── dashboards/dashboards.yml
    └── dashboards/
        └── node-exporter-full.json

数据持久化用 Docker named volume：prometheus_data、grafana_data。

四、端口规划

端口服务所在机器说明
9090Prometheuslmx000 (122)Web UI + 热加载
3000Grafanalmx000 (122)仪表盘
9100node-exporter三台都有指标暴露口

⚠️ 三台机器的 9100 端口互相要通，至少 lmx000 能访问 123/124 的 9100。

验证（在 lmx000 上执行）：

curl -s http://192.168.30.123:9100/metrics | head -5
curl -s http://192.168.30.124:9100/metrics | head -5

五 、安装Docker（三台都配）

Docker安装教程详见：

https://blog.csdn.net/qq_44769717/article/details/163276550

本文使用使用第三方工具进行安装
轩辕镜像官方网站：

https://www.xuanyuan.dev/

在这里插入图片描述

六、分步部署顺序

Step 1：lmx000 上创建目录

mkdir -pv /opt/monitoring/grafana/{provisioning/{datasources,dashboards},dashboards}
cd /opt/monitoring

在这里插入图片描述

Step 2：写 docker-compose.yml（在 lmx000 上）

cat > docker-compose.yml << 'EOF'
services:
  prometheus:
    image: prom/prometheus:v2.55.1
    container_name: prometheus
    restart: unless-stopped
    pull_policy: if_not_present
    ports:
      - "9090:9090"
    volumes:
      - ./prometheus.yml:/etc/prometheus/prometheus.yml:ro
      - prometheus_data:/prometheus
      - /etc/localtime:/etc/localtime:ro
    command:
      - "--config.file=/etc/prometheus/prometheus.yml"
      - "--storage.tsdb.path=/prometheus"
      - "--storage.tsdb.retention.time=15d"
      - "--storage.tsdb.retention.size=10GB"
      - "--web.enable-lifecycle"
    healthcheck:
      test: ["CMD", "wget", "--spider", "-q", "http://localhost:9090/-/healthy"]
      interval: 15s
      timeout: 5s
      retries: 3
      start_period: 10s
    deploy:
      resources:
        limits:
          cpus: '2.0'
          memory: 1G
    networks:
      - monitoring

  grafana:
    image: grafana/grafana:11.5.0
    container_name: grafana
    restart: unless-stopped
    pull_policy: if_not_present
    ports:
      - "3000:3000"
    environment:
      - GF_SECURITY_ADMIN_USER=admin
      - GF_SECURITY_ADMIN_PASSWORD=admin123
      - GF_USERS_ALLOW_SIGN_UP=false
      - GF_DATE_FORMATS_DEFAULT_TIMEZONE=Asia/Shanghai
      - GF_LOG_LEVEL=warn
    volumes:
      - grafana_data:/var/lib/grafana
      - ./grafana/provisioning:/etc/grafana/provisioning:ro
      - ./grafana/dashboards:/var/lib/grafana/dashboards:ro
      - /etc/localtime:/etc/localtime:ro
    depends_on:
      prometheus:
        condition: service_healthy
    healthcheck:
      test: ["CMD-SHELL", "wget --spider -q http://localhost:3000/api/health || exit 1"]
      interval: 15s
      timeout: 5s
      retries: 3
      start_period: 15s
    deploy:
      resources:
        limits:
          cpus: '1.0'
          memory: 512M
    networks:
      - monitoring

volumes:
  prometheus_data:
  grafana_data:

networks:
  monitoring:
    driver: bridge
EOF

在这里插入图片描述

Step 3：先只监控 Prometheus 自身

cat > prometheus.yml << 'EOF'
global:
  scrape_interval: 15s
  evaluation_interval: 15s

scrape_configs:
  - job_name: "prometheus"
    static_configs:
      - targets: ["localhost:9090"]
EOF

在这里插入图片描述

Step 4：Grafana 自动配置

# 数据源
cat > grafana/provisioning/datasources/datasources.yml << 'EOF'
apiVersion: 1

datasources:
  - name: Prometheus
    uid: prometheus
    type: prometheus
    access: proxy
    url: http://prometheus:9090
    isDefault: true
    editable: true
    orgId: 1
    version: 1
    jsonData:
      timeInterval: 15s
      httpMethod: POST
EOF

# 仪表盘加载
cat > grafana/provisioning/dashboards/dashboards.yml << 'EOF'
apiVersion: 1

providers:
  - name: 'default-provider'
    orgId: 1
    folder: ''
    type: file
    disableDeletion: false
    updateIntervalSeconds: 30
    allowUiUpdates: false
    options:
      path: /var/lib/grafana/dashboards
EOF

在这里插入图片描述
在这里插入图片描述

Step 5：启动 Prometheus + Grafana

cd /opt/monitoring
docker compose up -d
sleep 15
docker compose ps

在这里插入图片描述

此时访问 http://192.168.30.122:9090/targets，应只看到 prometheus 自身 UP。

http://192.168.30.122:9090/targets

在这里插入图片描述

Step 6：三台都部署 node-exporter

lmx000 / lmx001 / lmx002 分别执行（lmx000 也要跑，因为自己也要被监控）：

docker run -d \
  --name node-exporter \
  --restart unless-stopped \
  --network host \
  -v /proc:/host/proc:ro \
  -v /sys:/host/sys:ro \
  -v /:/rootfs:ro \
  -v /etc/localtime:/etc/localtime:ro \
  prom/node-exporter:v1.8.2 \
  --path.procfs=/host/proc \
  --path.sysfs=/host/sys \
  --path.rootfs=/rootfs \
  --collector.filesystem.mount-points-exclude="^/(sys|proc|dev|host|etc)($$|/)"

# 验证
curl -s http://localhost:9100/metrics | head -5

在这里插入图片描述
在这里插入图片描述

Step 7：加入三台 target（在 lmx000 上操作）

cat > /opt/monitoring/prometheus.yml << 'EOF'
global:
  scrape_interval: 15s
  evaluation_interval: 15s

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

  - job_name: "node-exporter"
    static_configs:
      - targets:
          - "192.168.30.122:9100"
          - "192.168.30.123:9100"
          - "192.168.30.124:9100"
EOF

# 热加载
curl -X POST http://localhost:9090/-/reload
或
# 重启
docker restart prometheus

在这里插入图片描述

验证：打开 http://192.168.30.122:9090/targets，3 个 node-exporter 全部 UP ✅

http://192.168.30.122:9090/targets

在这里插入图片描述

Step 8：放仪表盘 JSON + 重启 Grafana

把 node-exporter-full.json 放到 grafana/dashboards/ 目录下，然后：
下载地址

https://download.csdn.net/download/qq_44769717/93302844

在这里插入图片描述

docker compose restart grafana

在这里插入图片描述

浏览器打开 http://192.168.30.122:3000，账号 admin / admin123，左侧 Dashboards → Browse 即可看到仪表盘。

http://192.168.30.122:3000

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Step 9：Grafana绑定Prometheus

在这里插入图片描述
在这里插入图片描述
指定prometheus服务器的ip和端口
在这里插入图片描述
指定prometheus和prometheus的版本
在这里插入图片描述
保存配置
在这里插入图片描述

整体配置如下
在这里插入图片描述
然后在前往仪表盘查看即可
在这里插入图片描述
在这里插入图片描述

✅ 最终验证脚本（在 lmx000 上跑）

echo "=== Prometheus Targets ==="
curl -s http://localhost:9090/api/v1/targets | python3 -c "
import sys,json
d=json.load(sys.stdin)
for t in d['data']['activeTargets']:
    icon='✅' if t['health']=='up' else '❌'
    print(f\"  {icon} {t['labels'].get('job','?'):15s} {t['health']:6s} {t['scrapeUrl']}\")
"

echo ""
echo "=== 访问地址 ==="
echo "  Grafana:    http://192.168.30.122:3000"
echo "  Prometheus: http://192.168.30.122:9090"
echo "  账号密码:   admin / admin123"

在这里插入图片描述

📋 最终架构一览

┌─────────────────────────────────────────────┐
│            lmx000 (122)                    │
│  ┌─────────────┐    ┌──────────────┐       │
│  │ Prometheus  │───▶│  Grafana    │       │
│  │  :9090      │    │  :3000      │       │
│  └──────┬──────┘    └──────────────┘       │
│         │                                   │
│  ┌──────┴──────┐                            │
│  │node-exporter│ :9100 (本机)              │
│  └─────────────┘                            │
└────────┬────────────────────────────────────┘
         │ :9100 pull
         ▼
┌─────────────────┐  ┌─────────────────┐
│  lmx001 (123)   │  │  lmx002 (124)   │
│ node-exporter   │  │ node-exporter   │
│    :9100        │  │    :9100        │
└─────────────────┘  └─────────────────┘

所有 IP 和主机名现在完全对齐你的真实环境（lmx000/lmx001/lmx002 + 192.168.30.122/123/124），不再有 2.210 的残留。直接复制执行即可 🚀

# docker # prometheus # 容器
Logo
亚马逊云科技技术品牌专区

更多推荐

cover

基于STM32的全屋环境智能监测与预警终端设计

avatar 亚马逊云科技技术品牌专区

Keras：面向人类的深度学习库

Keras3支持多后端（TensorFlow、PyTorch、JAX），通过设置环境变量切换，兼容指定版本。pip安装后可用Sequential API快速构建CNN模型，如MNIST分类示例，实

avatar 亚马逊云科技技术品牌专区

AI行业日报｜2026-09-25：5个热点事件

本期行业动态聚焦于端侧算力重构、自主智能体工作流、开发工具经济模型、网络隔离架构设计与公共部门合规审查。以下结合一线技术场景进行结构化梳理，供 AI 研究员与软件工程团队参考。 PrismML 正将其轻量级语言模型适配至搭载高通处理器的智能眼镜终端 1 。该平台的核心战略指向开源权重模型的本地化运行，旨在最大化挖掘穿戴设备现有算力的利用效率 1 。对于嵌入式与边缘计算开发者而言，此类微型模型向低功

avatar 亚马逊云科技技术品牌专区