我们知道zabbix在监控界占有不可撼动的地位,功能强大。但是对容器监控显得力不从心。为解决监控容器的问题,引入了prometheus技术。prometheus号称是下一代监控。接下来的文章打算围绕prometheus做一个系列的介绍,顺便帮自己理清知识点。


一、简介

  prometheus是由谷歌研发的一款开源的监控软件,目前已经被云计算本地基金会托管,是继k8s托管的第二个项目。

二、优势

  易于管理

  轻易获取服务内部状态

  高效灵活的查询语句

  支持本地和远程存储

  采用http协议,默认pull模式拉取数据,也可以通过中间网关push数据

  支持自动发现

  可扩展

  易集成

三、prometheus运行流程

prometheus根据配置定时去拉取各个节点的数据,默认使用的拉取方式是pull,也可以使用pushgateway提供的push方式获取各个监控节点的数据。将获取到的数据存入TSDB,一款时序型数据库。此时prometheus已经获取到了监控数据,可以使用内置的PromQL进行查询。它的报警功能使用Alertmanager提供,Alertmanager是prometheus的告警管理和发送报警的一个组件。prometheus原生的图标功能过于简单,可将prometheus数据接入grafana,由grafana进行统一管理。

四、监控的目的

  google指出,监控分为白盒监控和黑盒监控之分。

  白盒监控:通过监控内部的运行状态及指标判断可能会发生的问题,从而做出预判或对其进行优化。

  黑盒监控:监控系统或服务,在发生异常时做出相应措施。

  监控的目的如下:

    1、根据历史监控数据,对为了做出预测

    2、发生异常时,即使报警,或做出相应措施

    3、根据监控报警及时定位问题根源

    4、通过可视化图表展示,便于直观获取信息

五、常用概念

  prometheus采集到的监控数据均以metric(指标)形式保存在时序数据库中(TSDB)

  每一条时间序列由 metric 和 labels 组成,每条时间序列按照时间的先后顺序存储它的样本值。

  默认情况下各监控client向外暴露一个HTTP服务,prometheus会通过pull方式获取client的数据,数据格式如下:

1

2

3

4

5

6

#  HELP node_cpu Seconds the cpus spent in each mode.

#  TYPE node_cpu counter

node_cpu{cpu="cpu0",mode="idle"}    362812.7890625

#  HELP node_load1 1m   load    average.

#  TYPE node_load1 gauge

node_load1 3.0703125

  以#开头的表示注释信息,解释了每一个指标的监控目的和类型

  node_cpu表示监控指标的名称

  {}内的内容是标签,以键值对的方式记录 

  数字是这个指标监控的数据

  下图横坐标代表的是时间(时间戳的方式记录在TSDB中),纵坐标代表了各种不同的指标名称,坐标系中的黑点代表了各个指标在不同时间下的值。

  每一个横线 就是时间序列

  每个黑点就是样本(prometheus将样本以时间序列的方式保存在内存中,然后定时保存到硬盘上)

 

   指标(metric)的格式如下:

1

<metric  name>{<label  name>=<label  value>,  ...}

  指标名称反映的是监控了什么。

  标签反映的是样本的维度,可以理解成指标的细化。比如:

1

api_http_requests_total{method="POST",  handler="/messages"}

  指标是“api_http_requests_total”,含义是通过api请求的http总数。

  标签“method="POST"” "handler="/messages""代表了这些http请求中 POST 请求 并且 handler是/messages的数量

  上述指标等同于:

1

{__name__="api_http_requests_total",method="POST",  handler="/messages"}

  

  指标有四种类型

  1、Counter  只增不减  计数器

  2、Gauge  可增可减    仪表盘

  3、Histogram  直方图

  4、Summary  摘要型

Logo

K8S/Kubernetes社区为您提供最前沿的新闻资讯和知识内容

更多推荐