prometheus基本介绍

Prometheus 是由 SoundCloud 开源监控告警解决方案，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。
prometheus存储的是时序数据，即按相同时序(相同名称和标签)，以时间维度存储连续的数据的集合。
优点：
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

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。

prometheus

prometheus存储的是时序数据，即按相同时序(相同名称和标签)，以时间维度存储连续的数据的集合。

时序(time series)是由名字(Metric)以及一组key/value标签定义的，具有相同的名字以及标签属于相同时序。

• metric名字：表示metric的功能，如http_request_total。时序的名字由 ASCII 字符，数字，下划线，以及冒号组成，它必须满足正则表达式 [a-zA-Z_:][a-zA-Z0-9_:]*, 其名字应该具有语义化，一般表示一个可以度量的指标，例如 http_requests_total, 可以表示 http 请求的总数。

• 样本：按照某个时序以时间维度采集的数据，称之为样本。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
  一个 float64 值
  一个毫秒级的 unix 时间戳

• 格式：Prometheus时序格式与OpenTSDB相似：

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

Metric类型：

• Counter: 一种累加的metric，如请求的个数，结束的任务数，出现的错误数等

• Gauge: 常规的metric,如温度，可任意加减。其为瞬时的，与时间没有关系的，可以任意变化的数据。

• Histogram: 柱状图，用于观察结果采样，分组及统计，如：请求持续时间，响应大小。其主要用于表示一段时间内对数据的采样，并能够对其指定区间及总数进行统计。根据统计区间计算

• Summary: 类似Histogram，用于表示一段时间内数据采样结果，其直接存储quantile数据，而不是根据统计区间计算出来的。不需要计算，直接存储结果

PromQL
PromQL (Prometheus Query Language) 是 Prometheus 自己开发的数据查询 DSL 语言。

查询结果类型：

• 瞬时数据 (Instant vector): 包含一组时序，每个时序只有一个点，例如：http_requests_total

• 区间数据 (Range vector): 包含一组时序，每个时序有多个点，例如：http_requests_total[5m]

• 纯量数据 (Scalar): 纯量只有一个数字，没有时序，例如：count(http_requests_total)

查询条件：通过名称及标签进行查询，如http_requests_total等价于{name=“http_requests_total”}

查询level="info"的event: logback_events_total{level=“info”}

查询条件支持正则匹配：

http_requests_total{code!="200"} // 表示查询 code 不为 "200" 的数据

http_requests_total{code=～"2.."} // 表示查询 code 为 "2xx" 的数据

http_requests_total{code!～"2.."} // 表示查询 code 不为 "2xx" 的数据

内置函数：

• 如将浮点数转换为整数：

floor(avg(http_requests_total{code="200"}))

ceil(avg(http_requests_total{code="200"}))

• 查看每秒数据 ：

rate(http_requests_total[5m])

基本查询：
1.查询当前所有数据

logback_events_total{level=~"in.."}

logback_events_total{level=~"in.*"}

2.模糊查询： level=“inxx”

logback_events_total{level=~"in.."}

logback_events_total{level=~"in.*"}

3.比较查询： value>0

logback_events_total > 0

4.范围查询： 过去5分钟数据

logback_events_total[5m]

时间范围单位有以下：

• s: 秒

• m: 分钟

• h: 小时

• d: 天

• w: 周

• y: 年

在瞬时向量表达式或者区间向量表达式中，都是以当前时间为基准。

如果想查询5分钏前的瞬时样本数据，则需要使用位移操作，关键字：offset, 其要紧跟在选择器{}后面。如：

sum(http_requests_total{method="GET"} offset 5m)

rate(http_requests_total[5m] offset 1w)

聚合、统计高级查询：

1. count查询： count(logback_events_total)

2. sum查询： sum(logback_events_total)

3. svg查询：

4. topk: 如查询2的值：topk(2, logback_events_total)

5. irate: 如查询过去5分钟的平均值: irate( logback_events_total[5m])

本文参考：https://www.jianshu.com/p/93c840025f01