小T导读：在数字化转型的过程中，监控与告警功能的优化对保障系统的稳定运行至关重要。本篇文章是“2024，我想和 TDengine 谈谈”征文活动的三等奖作品之一，详细介绍了如何利用 TDengine、taosKeeper 和 TDinsight 实现对 TDengine 服务的状态监控与告警功能。作者通过容器化安装 TDengine 和 Grafana，演示了如何配置 Grafana 数据源、导入 TDinsight 仪表板、以及如何设置告警规则和通知策略。欢迎大家阅读。
如果没有监控，那么最好的情况是没有问题发生，最糟糕的情况则是问题发生了但没有被发现。——《Prometheus监控实战》
在今年的 10 月 10 日我收到了 TDengine 官方微信公众号的一条推送，摘要如下：
今天我们非常高兴地宣布，TDengine 3.3.3.0 版本正式发布。本次更新引入了多项重要功能和性能优化，旨在为用户提供更高效、更灵活的数据解决方案。在 3.3.3.0 版本中，我们着重优化了监控和告警功能，新增了多种常见的 MySQL 函数，并增强了对 MongoDB 数据源的支持。这些改进将为用户在物联网和大数据应用中提供更强大的功能，助力大家在数字化转型过程中实现更大的成功。
时序数据库作为软件项目的核心基础设施，其运行状态的实时监控至关重要。今天，我们将体验一下经过重优化的监控和告警功能。早在 TDengine 2.1.2.0 发布时，就可以将 TDengine 的日志数据表内容可视化展示在 Grafana 仪表盘上；随着官方不断增强监控能力，TDinsight 应运而生，成为与 Grafana 深度集成的可视化工具。这篇文章将演示如何通过容器化安装 TDengine 与 TDinsight 监控大盘，并结合 taosKeeper 和 TDinsight 实现对 TDengine 服务状态的监测，以及如何通过钉钉推送告警消息。
虚机资源
在这次实践中，我共用到了 2 台虚机，1 台作为应用服务节点，1 台作为运维监控节点。
基本选用当前最新版本，即将安装的 Grafana 及组件版本信息如下：
- Grafana 版本：11.2.0
- TDengine 版本：3.3.3.0（自带了 taosAdapter 与 taosKeeper）
系统环境
[root@ops ~]# uname -a
Linux ops 5.10.0-182.0.0.95.oe2203sp3.x86_64 #1 SMP Sat Dec 30 13:10:36 CST 2023 x86_64 x86_64 x86_64 GNU/Linux
[root@ops ~]# cat /proc/version
Linux version 5.10.0-182.0.0.95.oe2203sp3.x86_64 (root@dc-64g.compass-ci) (gcc_old (GCC) 10.3.1, GNU ld (GNU Binutils) 2.37) #1 SMP Sat Dec 30 13:10:36 CST 2023
svc 节点：使用 Docker 安装 TDengine 3.3.3.0
通过 Docker 安装 TDengine 3.3.3.0，创建名为 tdengine 的容器，并挂载数据与日志卷目录。
[root@svc opt]# docker pull tdengine/tdengine:3.3.3.0
[root@svc opt]# docker run -d --name tdengine -v /opt/tdengine/data:/var/lib/taos \
-v /opt/tdengine/log:/var/log/taos \
-p 6030:6030 -p 6041:6041 -p 6043-6060:6043-6060 -p 6043-6060:6043-6060/udp tdengine/tdengine:3.3.3.0
0b9e36feac54d787114e5eed8b5dc7fa132dcd29d736b7489733194a27f28cab
- 使用客户端工具验证 TDengine 安装效果
- 通过浏览器验证 metrics 端点
在浏览器中访问 http://192.168.44.168:6043/metrics，即可查看 TDengine 的监控指标。这些指标默认会被写入 TDengine 的 log 数据库，Grafana 则通过读取该数据库中的数据表来实现监控数据的可视化展示。
注： taosKeeper 是 TDengine 3.0 版本的监控指标导出工具，通过简单配置即可获取 TDengine 的运行状态（这些指标可以导入到 Prometheus，本文直接使用 TDengine 存储）。
ops 节点：使用 Docker Compose 安装 Grafana
参考文章：《云原生之运维监控实践-OpenEuler22.03SP3上安装Prometheus与Grafana实现主机状态监测》https://blog.csdn.net/u013810234/article/details/142589059?spm=1001.2014.3001.5501
在安装 Grafana 的主机上，首先需要安装 TDinsight，之后才能在 Grafana 数据源中添加 TDengine 数据源。
# 编辑TDinsight下载脚本
[root@ops monitoring]# vi tdinsight-plugin.sh
get_latest_release() {
curl --silent "https://api.github.com/repos/taosdata/grafanaplugin/releases/latest" |
grep '"tag_name":' |
sed -E 's/.*"v([^"]+)".*/\1/'
}
TDENGINE_PLUGIN_VERSION=$(get_latest_release)
grafana-cli \
--pluginUrl https://github.com/taosdata/grafanaplugin/releases/download/v$TDENGINE_PLUGIN_VERSION/tdengine-datasource-$TDENGINE_PLUGIN_VERSION.zip \
plugins install tdengine-datasource
# 复制下载脚本到Grafana容器中
[root@ops monitoring]# docker cp tdinsight-plugin.sh ops-grafana:/usr/share/grafana
Successfully copied 2.05kB to ops-grafana:/usr/share/grafana
# 下载并安装TDinsight插件
[root@ops monitoring]# docker exec ops-grafana bash tdinsight-plugin.sh
Deprecation warning: The standalone 'grafana-cli' program is deprecated and will be removed in the future. Please update all uses of 'grafana-cli' to 'grafana cli'
✔ Downloaded and extracted tdengine-datasource v3.6.0 zip successfully to /var/lib/grafana/plugins/tdengine-datasource
Please restart Grafana after installing or removing plugins. Refer to Grafana documentation for instructions if necessary.
# 重启Grafana容器
[root@ops monitoring]# docker restart ops-grafana
ops-grafana
TDinsight 监控实战
通过浏览器访问 http://192.168.44.169:3000 进入 Grafana。
配置数据源：
- 在左侧菜单中点击 “Add new connection”。
- 选择或搜索 “Data Sources”。
- 点击 “Add data source”，然后选择 “TDengine Datasource”。
- 在 “HTTP” 部分，输入 TDengine 的地址，例如：http://192.168.44.168:6041。
- 点击 “Save & Test”，确认连接成功。
导入仪表板
- 查看现成的仪表板
Grafana 官方仪表板目录：https://grafana.com/grafana/dashboards/，在这个页面上，用户可以找到并共享各种现成的 Grafana 仪表板，涵盖系统性能、应用监控、网络流量等多种监控需求。根据需求，用户可以搜索并导入适合的仪表板，提升监控效率和可视化效果。比如，搜索 “TDengine” 后，可以找到 TDinsight for 3.x 仪表板，点击查看详细 UI 效果，并复制仪表板 ID（如：18180）。
导入现成的仪表板：
- 在 Grafana 右侧菜单中点击 “New” 按钮，选择 “Import”。
- 在输入框中，直接输入仪表板 ID【常用的主机监控仪表板 ID 是 18180（TDinsight for 3.x）】，或者上传 JSON 文件。
- 点击 “Load”，然后选择已配置好的数据源。
- 点击 “Import” 完成导入。
TDinsight 监控效果
TDinsight 是一款结合监控数据库和 Grafana 的 TDengine 监控解决方案。它可以实时可视化集群状态、节点信息、插入与查询请求、资源使用情况等关键指标，同时支持对 vnode、dnode 和 mnode 节点的状态进行异常告警。
TDinsight 告警实战
一个好警报的关键是能够在正确的时间、以正确的理由和正确的速度发送，并在其中放入有用的信息。
告警原理说明：
- Grafana 定期查询数据源并评估告警规则中定义的条件。
- 当条件被触发时，则会触发告警实例。
- 生成的告警实例根据标签匹配规则，路由至相应的通知策略。
- 通知会发送到策略中指定的联系点。
配置告警规则
这里我们使用 TDinsight 默认提供的告警规则。要建立一个出色的通知系统，我们需要考虑以下基础信息，而基于 Grafana 的 TDinsight 监控方案做到了：
- 哪些问题需要通知；
- 谁需要被告知；
- 如何告知他们；
- 多久告知他们一次。
配置推送方式
TDengine 支持多种推送方式，这里选择钉钉推送。首先，从钉钉中获取机器人的 access_token，然后将推送方式命名为 DingDingPush。在配置中，将消息类型（Message Type）更改为 ActionCard。
配置通知策略
默认的通知策略是邮件方式，这里直接调整为我们的 DingDingPush 。
模拟压力告警
进入 TDengine 容器内部，执行 taosBenchmark 命令。为了触发告警，我们在 test 数据库中创建了 10000 张表，每张表插入 200 万条数据。由于容器磁盘空间的限制，这将导致磁盘告警的触发，进而导致 DNodes 和 VNodes 停止工作，从而触发相应的告警。
[root@ops monitoring]# docker exec -it tdengine /bin/bash
root@9118ddbfa74b:~# taosBenchmark -I stmt -n 2000000 -t 10000
在 TDinsight 的仪表板上可以看到磁盘使用率已到达 95%，根据报警规则设置，即将触发告警。
告警触发推送与告警解除推送
当 taosBenchmark 写入数据逐渐将磁盘空间耗尽时，会触发告警，进而会通过我们配置的告警方式和策略进行推送，本文中我们将通过钉钉接收到推送消息：
当我在 taos 命令行中执行 drop database test; 删除 test 数据库后，TDengine 服务恢复正常。经过一段时间（一个告警监测周期），钉钉上会自动收到各类告警解除的通知。
[root@localhost monitoring]# docker exec -it tdengine /bin/bash
root@9118ddbfa74b:~# taos
Welcome to the TDengine Command Line Interface, Client Version:3.3.3.0
Copyright (c) 2023 by TDengine, all rights reserved.
********************************* Tab Completion *************************************
* The TDengine CLI supports tab completion for a variety of items, *
* including database names, table names, function names and keywords. *
* The full list of shortcut keys is as follows: *
* [ TAB ] ...... complete the current word *
* ...... if used on a blank line, display all supported commands *
* [ Ctrl + A ] ...... move cursor to the st[A]rt of the line *
* [ Ctrl + E ] ...... move cursor to the [E]nd of the line *
* [ Ctrl + W ] ...... move cursor to the middle of the line *
* [ Ctrl + L ] ...... clear the entire screen *
* [ Ctrl + K ] ...... clear the screen after the cursor *
* [ Ctrl + U ] ...... clear the screen before the cursor *
****************************************************************************************
Server is TDengine Community Edition, ver:3.3.3.0 and will never expire.
taos> drop database test;
Drop OK, 0 row(s) affected (1.476353s)
注意：在 Prometheus 和 AlertManager 的生态中，alertstate 字段表示报警的状态，可能有以下几种取值：
- Firing：表示报警已触发。当报警规则条件满足时，报警状态会变为 Firing，表示触发了报警。通常情况下，报警会发送给相关的接收器或通知渠道，以便进行处理。
- Resolved：表示报警已解决。当报警条件不再满足时，报警状态会变为 Resolved，表示报警已经解决。这意味着报警规则所监控的指标已经恢复到正常状态，不再需要进一步的处理。
- Pending：表示报警处于等待状态。当报警规则的条件满足时，报警状态会从 Firing 变为 Pending，表示报警处于等待状态。在报警状态从 Firing 到 Resolved 之间的过渡期间，报警可能会处于 Pending 状态，这通常是因为报警规则定义了一些延迟或滞后的条件。
结语
If you can’t measure it, you can’t improve it!
没有度量就没有改进。本文介绍了如何利用 TDengine、taosKeeper 和 TDinsight 实现对 TDengine 服务的状态监测与告警功能，详细记录了在两台虚拟机上进行的安装过程，包括在服务节点上使用 Docker 安装最新版的 TDengine 3.3.3.0，以及在监控节点上配置 Grafana 和 TDinsight 插件。此外，文章还展示了如何配置 Grafana 数据源、导入 TDinsight 仪表板、设置告警规则和通知策略。最后，通过模拟压力测试，演示了如何触发磁盘空间不足的告警，并通过钉钉接收告警推送与解除通知。
本实践充分展示了 TDengine 生态系统在监控和告警方面的强大功能，为数据库管理员和运维工程师提供了高效、可靠的监控解决方案。
Reference
https://github.com/taosdata/TDengine/releases/tag/ver-3.3.3.0
https://github.com/taosdata/TDengine/releases/tag/ver-3.3.3.0
https://grafana.com/grafana/dashboards/18180-tdinsight-for-3-x/
https://docs.taosdata.com/reference/components/taoskeeper/
