1.prometheus工作原理：
Prometheus将指标收集并存储为时间序列数据库（时序数据库），即指标信息与记录它的时间戳一起存储，以及称为标签的可选键值对。
特性：
具有由指标名称和键/值对识别的时间序列数据的多维数据模型
·PromQL，一种利用此维度的灵活查询语言
不依赖集中式存储;单个服务器节点是自治的
时间序列收集通过http上的拉模型进行
通过中间网关支持推送时间序列
通过服务发现或静态配置发现目标
多种图形和仪表板支持模式
指标：
指标是通俗意义上的数值测量。时间序列是指记录随时间的变化。用户想要衡量的指标因应用而异。对于Web 服务器，可能是请求时间;对于数据库，可能是活动连接数或活动查询数，等等
指标在了解应用程序为何以某种方式工作方面发挥着重要作用。假设您正在运行一个Web 应用程序，并发现它很慢。为了了解应用程序发生了什么，您需要一些信息。例如，当请求数量很高时，应用程序可能会变慢。如果您有请求计数指标，则可以确定原因并增加服务器数量以处理负载。
工作原理：
应用服务通过导出器暴露自己的指标，Prometheus定时去拉取导出器暴露的数据，然后数据会持久化落盘做时序数据库存储，客户端如Grafana会通过PromQL查询Prometheus中的指标数据。exporter导出器相当于一个Web应用，遵循Prometheus协议，导出器完成两件事：拿到指标，然后封装指标。
编辑
SpringBoot会自带一个actuator，相当于导出器的功能，可以暴露监控指标
为了安全考虑，我们通常将监控服务部署在内网，部署架构如下：
编辑
2.SpringBoot整合Prometheus示例
1.新建SpringBoot项目并引入监控相关核心依赖
<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-actuator</artifactId> </dependency> <!-- rometheus 注册表实现，用于将应用的度量指标按照 Prometheus 的格式进行暴露。--> <dependency> <groupId>io.micrometer</groupId> <artifactId>micrometer-registry-prometheus</artifactId> <scope>runtime</scope> </dependency>
2.配置application.yml
spring: application: name: spring-boot-prometheus-demo # 暴露所有监控指标 management: endpoints: web: exposure: include: "*"
3.查看指标
查看暴露的指标列表：
localhost:8080/actuator/metrics
编辑
查看某一详细指标（上述路径+具体指标）：
localhost:8080/actuator/metrics/disk.free
编辑
刷新页面，上述监控数据实时变化
查看prometheus格式的数据：
localhost:8080/actuator/prometheus
编辑
一条指标的格式：
编辑
3.Promethus+Grafana整合实战整合
编辑
1.Docker部署项目
项目打jar包并编写如下的Dockerfile文件：
# 一个镜像就是一个小型linux系统 # 基础运行环境 FROM openjdk:17 # 把产品复制到运行环境的linux系统中 /app 目录下，改名叫 boot.jar COPY target/*.jar /app/boot.jar # 启动占用端口 EXPOSE 9090 # 应用启动命令 'java -jar /app/boot.jar'； # CMD 可以被启动的时候重新修改，、 # ENTRYPOINT（入口），不能被启动的时候修改 ENTRYPOINT ["java","-jar","/app/boot.jar"]
将项目整体打成压缩包并上传到服务器，在服务解压压缩包并进入项目目录
执行指令构建镜像：
docker build -f Dockerfile -t boot-app:v1.0 .
编辑
根据镜像起服务容器：
docker run -d -p 6379:9090 --name boot boot-app:v1.0
编辑
成功从外网访问监控：
编辑
2.配置Prometheus
创建配置存放路径
编辑
在此路径下创建 prometheus.yml编写配置内容：
global : scrape_interval:15 #抓取配置 sevaluation_interval:15s #计算 scrape_configs: -job_name:'prometheus' #抓取自己指标 static_configs: -targets:['localhost:9090'] -job_name:'bootapp-exporter' metrics_path:'/actuator/prometheus' #指定抓取的路径 static_configs: -targets:['172.20.221.50:9090']# 注意改为服务器私有IP地址 labels : appname:'bootapp
启动prometheus
回到根目录下创建compose.yaml文件，批量启动应用：prometheus，grafana
name: prom services: prometheus: image: prom/prometheus container_name:prometheus restart: always volumes -/app/prom/conf/prometheus.yml:/etc/prometheus/prometheus.yml -/etc/localtime:/etc/localtime:ro ports: -"6379:9090' networks: - backend grafana : image: grafana/grafana container_name:grafana restart: always volumes: -/etc/localtime:/etc/localtime:ro depends_on: - prometheus ports: -"3306:3306' networks: - backend networks: backend name: backend
批量启动服务：
docker compose -f compose.yaml up -d
服务启动，访问promethus端口，进入promethus监控
编辑
登录进入Grafana登录页面
编辑
配置promethus数据源
编辑
查看某些指标
编辑
配置监控面板
编辑
编辑
主机，数据库等中间件的监控同理配置
