什么是 Promethues | 普罗米修斯（集群监控系统）

大家好，又见面了，我是你们的朋友全栈君。

Promethues 监控系统

Prometheus 是个啥

Prometheus是由SoundCloud开发的开源监控报警系统和时序列数据库(TSDB)。
Prometheus使用Go语言开发，是Google BorgMon监控系统的开源版本。
前面我们说一个较为完整数仓集群，不管是离线数仓，还是实时数仓，为了很好的管理集群，我们还需要任务调度框架、资源管理框架、元数据管理、权限管理和监控管理等框架。
而 集群资源监控就是实现对集群资源监控的一种框架，通常搭配Grafana 数据可视化展示数据。
类似功能的还有 Ganglia和 Zabbix等。
Promethues 官网

监控系统

什么是监控系统

监控系统在这里特指对数据中心的监控，主要针对数据中心内的硬件和软件进行监控和告警
随着技术不断迭代，越来越复杂的数据中心环境对监控系统提出了更越来越高的要求：
- 需要监控不同的对象，例如容器，分布式存储，SDN网络，分布式系统。
- 需要采集和存储大量的监控数据，例如每天数TB数据的采集汇总。
- 以及基于这些监控数据的智能分析，告警及预警等。
在每个企业的数据中心内，或多或少都会使用一些开源或者商业的监控系统。
从监控对象的角度来看，可以将监控分为网络监控，存储监控，服务器监控和应用监控等
因为需要监控数据中心的各个方面。所以监控系统需要做到面面俱到，在数据中心中充当“天眼“角色。

监控分类

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

监控目的

根据历史监控数据，对为了做出预测
发生异常时，及时报警，或做出相应措施
根据监控报警及时定位问题根源
通过可视化图表展示，便于直观获取信息

简介

描述

1、2016年由Google发起Linux基金会旗下的原生云基金会(Cloud Native Computing Foundation),将Prometheus纳入其下第二大开源项目。
2、Prometheus性能也足够支撑上万台规模的集群

官网

Promethues 官网

应用场景

适用场景
- 1、Prometheus在记录纯数字时间序列方面表现非常好。
  - 它既适用于面向服务器等硬件指标的监控，
  - 也适用于高动态的面向服务架构的监控。
- 2、对于现在流行的微服务，Prometheus的多维度数据收集和数据筛选查询语言也是非常的强大。
- 3、Prometheus是为服务的可靠性而设计的，当服务出现故障时，它可以使你快速定位和诊断问题。
- 4、它的搭建过程对硬件和服务没有很强的依赖关系。
不适用场景
- 1、Prometheus它的价值在于可靠性，甚至在很恶劣的环境下，你都可以随时访问它和查看系统服务各种指标的统计信息
- 2、如果你对统计数据需要100%的精确，它并不适用，例如：它不适用于实时监控系统。

Promethues 的优点

1、强大的多维度数据模型

时间序列数据通过 metric 名和键值对来区分。
所有的 metrics 都可以设置任意的多维标签。
数据模型更随意，不需要刻意设置为以点分隔的字符串。
可以对数据模型进行聚合，切割和切片操作。
支持双精度浮点类型，标签可以设为全 unicode。

2、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。

3、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。

4、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

5、采用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

6、采用 push gateway 推送数据

采用 push gateway 的方式把时间序列数据推送至 Prometheus server 端

7、可以通过服务发现或者静态配置去获取监控的 targets。

8、有多种可视化图形界面和易于伸缩

软件架构

Prometheus Server

Prometheus Server 是 Prometheus 组件中的核心部分，负责实现对监控数据的获取，存储以及查询。
Prometheus Server 可以通过静态配置管理监控目标，也可以配合使用 Service Discovery的方式动态管理监控目标，并从这些监控目标中获取数据。
Prometheus Server 需要对采集到的监控数据进行存储，Prometheus Server 本身就是一个时序数据库，将采集到的监控数据按照时间序列的方式存储在本地磁盘当中。
Prometheus Server 对外提供了自定义的PromQL 语言，实现对数据的查询以及分析。
Prometheus Server 内置的 Express Browser UI，通过这个 UI 可以直接通过 PromQL 实现数据的查询以及可视化。

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 Prometheusserver 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。
主要用来采集数据，并通过 HTTP 服务的形式暴露给 Prometheus Server，PrometheusServer 通过访问该 Exporter 提供的接口，即可获取到需要采集的监控数据
常见的Exporter有很多，例如node_exporter、mysqld_exporter、haproxy_exporter 等，支持如 HAProxy、StatsD、Graphite、Redis 此类的服务监控

Alertmanager

警报管理器。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。

工作流程

1、Prometheus的基本原理是通过HTTP协议周期性抓取被监控组件的状态

任意组件只要提供对应的HTTP接口就可以接入监控

2、输出被监控组件信息的HTTP接口被叫 exporter

3、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（时序型数据库）

4、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

5、在Grafana或其他API客户端中，可视化收集的数据。

数据存储

存储方式

Prometheus提供了两种数据持久化方式
- 本地存储
  - 通过Prometheus自带的TSDB（时序数据库），将数据保存到本地磁盘，为了性能考虑，建议使用SSD(固态)
  - 但本地存储的容量毕竟有限，建议不要保存超过一个月的数据。
  - Prometheus本地存储经过多年改进，自Prometheus 2.0后提供的V3版本TSDB性能已经非常高，可以支持单机每秒1000w个指标的收集。
- 远端存储
  - 适用于大量历史监控数据的存储和查询
  - 通过中间层的适配器的转化，Prometheus将数据保存到远端存储
  - 适配器实现Prometheus存储的remote write和remote read接口，并把数据转化为远端存储支持的数据格式
  - 目前，远端存储主要包括OpenTSDB、InfluxDB、Elasticsearch、M3DB等，其中M3DB是目前非常受欢迎的后端存储
注意
- Prometheus本地数据存储能力一直为大家诟病
- 但Prometheus本地存储设计的初衷就是为了监控数据的查询
- Facebook发现85％的查询是针对26小时内的数据。
- 所以Prometheus本地时序数据库的设计更多考虑的是高性能而非分布式大容量。

TSDB

概念
- TSDB(Time Series Database)时序列数据库
- 我们可以简单的理解为一个优化后用来处理时间序列数据的软件，并且数据中的数组是由时间进行索引的
数据库特点
- 大部分时间都是写入操作
- 写入操作几乎是顺序添加，大多数时候数据到达都以时间排序
- 写操作很少写入很久之前的数据，也很少更新数据。大多数情况在数据被采集到数秒或者数分钟后就会被写入数据库
- 删除操作一般为区块删除，选定开始的历史时间并指定后续的区块。很少单独删除某个时间或者分开的随机时间的数据
- 基本数据大，一般超过内存大小。一般选取的只是其中一小部分且没有规律，缓存几乎不起任何作用
- 读操作是十分典型的升序或者降序的顺序读。
- 高并发的读操作十分常见

数据模型

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），属于同一指标名称，同一标签集合的、有时间戳标记的数据流。
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
Prometheus会将所有采集到的监控数据以时间序列的方式保存在内存数据库中，并且定时保存到硬盘上
- 每一条数据由以下三部分组成：
  - 指标（metric）：指标名称和描述当前样本特征的 labelsets标签集组成；
  - 时间戳（timestamp）：一个精确到毫秒的时间戳；
  - 样本值（value）：一个 folat64 的浮点型数据表示当前样本的值。

指标格式

指标（metric）的格式如下：

代码语言：javascript复制

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

案例数据