protometheus
image.png
Prometheus 是由 SoundCloud 开源监控告警解决方案。
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。 - 标签：
- 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
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])
配置
启动时，可以加载运行参数-config.file指定配置文件， 默认为prometheus.yml:
在该配置文件中可以指定各种属性，其结构体定义如下：
type Config struct { GlobalConfig GlobalConfig `yaml:"global"` AlertingConfig AlertingConfig `yaml:"alerting,omitempty"` RuleFiles []string `yaml:"rule_files,omitempty"` ScrapeConfigs []*ScrapeConfig `yaml:"scrape_configs,omitempty"` RemoteWriteConfigs []*RemoteWriteConfig `yaml:"remote_write,omitempty"` RemoteReadConfigs []*RemoteReadConfig `yaml:"remote_read,omitempty"` // Catches all undefined fields and must be empty after parsing. XXX map[string]interface{} `yaml:",inline"` // original is the input from which the config was parsed. original string }
全局配置
global: 主要有四个属性
scrape_interval: 拉取 targets 的默认时间间隔。scrape_timeout: 拉取一个 target 的超时时间。evaluation_interval: 执行 rules 的时间间隔。external_labels: 额外的属性，会添加到拉取的数据并存到数据库中。
Exporter
负责数据汇报的程序统一叫Exporter，不同的Exporter负责不同的业务。其统一命名格式：xx_exporter
clientlib
pull模式
prometheus.yml内容如下：
global: scrape_interval: 15s evaluation_interval: 15s rule_files: # - "first.rules" # - "second.rules" scrape_configs: - job_name: 'spring' metrics_path: '/actuator/prometheus' static_configs: - targets: ['自己本机ip:8080']
启动prometheus docker：
docker run --name prom --hostname prom -p 9090:9090 -v /Users/liukun/config/prometheus.yml:/etc/prometheus/prometheus.yml prom/prometheus
启动以后，我们运行http://localhost:9090 可以访问Prometheus。
Pushgateway
使用Pushgateway原因：
- Prometheus采用pull模式，可能由于不在一个子网或防火墙导致无法直接拉取各target数据
- 需要将不同数据汇总后，再由Prometheus统一收集
其缺点：
- pushgateway宕机影响范围会更大。
- prometheus拉取状态up只针对pushgateway，无法做到对每个节点有效。
- pushgateway可以持久化推送给它的所有监控数据
docker run -d \ --name=pg \ -p 9091:9091 \ prom/pushgateway
在其启动后，通过访问：http://localhost:9091就可以查看到其界面
image.png
pushgateway默认是不持久化数据的，如果需要，则可以通过启动时加入参数 ：
docker run -d -p9091:9091 prom/pushgateway "-persistence.file=push_file"
向pushgateway推送数据：
1. 使用Client SDK
2. 直接使用API
使用API向Pushgateway推数据
如下为直接使用API进行数据推送：
echo "some_metric 3.14" | curl --data-binary @- http://localhost:9091/metrics/job/some_job
发送更复杂的数据，可以还上instance，表示来源位置：
cat <<EOF | curl --data-binary @- http://localhost:9091/metrics/job/some_job/instance/some_instance # TYPE some_metric counter some_metric{label="val1"} 42 # TYPE another_metric gauge # HELP another_metric Just an example. another_metric 2398.283 EOF
image.png
删除数据：如果某个监控数据不再需要，则只有手动删除才生效，否则仍然采集的为旧值
// 删除某个组下某个实例的所有数据 curl -X DELETE http://localhost:9091/metrics/job/some_job/instance/some_instance // 删除某个组下的所有数据 curl -X DELETE http://localhost:9091/metrics/job/some_job
使用Client SDK向Pushgateway推数据
通过Client SDK推送metric信息到Pushgateway:
1.添加pom依赖：
<dependency> <groupId>io.prometheus</groupId> <artifactId>simpleclient_pushgateway</artifactId> <version>0.6.0</version> </dependency>
2.添加配置：在Prometheus的配置文件中配置，让其从Pushgateway上进行数据采集，这里0.51.14.23:9091为我Pushgateway的地址端口。配置完后需要重启使其配置生效
scrape_configs: - job_name: 'pushgateway' static_configs: - targets: ['10.51.14.23:9091'] labels: instance: "pushgateway"
3.代码：
@Test public void pushToGateWay() throws Exception { CollectorRegistry registry = new CollectorRegistry(); Gauge duration = Gauge.build().name("my_batch_job_duration_seconds") .help("Duration of my batch job in second").register(registry); Gauge.Timer durationTimer = duration.startTimer(); try { Gauge lastSuccess = Gauge.build().name("my_batch_job_last_success") .help("Last time my batch job successed, in unixtime") .register(registry); lastSuccess.setToCurrentTime(); } finally { durationTimer.setDuration(); PushGateway pg = new PushGateway("localhost:9091"); pg.pushAdd(registry, "my_batch_job"); } }
instance： 收集数据的目标端点，一般对应一个进程，即指定其来源，如某个机器
job: 实现同一功能或目标的一组instance。 如一组机器的集合。
