Prometheus简介
在本章中，我们将介绍Prometheus及其起源，并概述以下内容：
- Prometheus的发展
- Prometheus架构和设计
- Prometheus数据模型
- Prometheus生态系统
这会让你了解Prometheus是什么，并理解它在监控领域的适用场景。
本书重点介绍Prometheus 2.0及更高版本。本书的大部分内容并不适用于早期版本。
2.1 Prometheus起源
很久以前，加利福尼亚州山景城有一家名为Google的公司。该公司推出了大量产品，其中最著名的是广告系统和搜索引擎平台。为了运行这些不同的产品，该公司建立了一个名为Borg的平台。Borg系统是：“一个集群管理器，可以运行来自成千上万个不同应用程序的成千上万个作业，它跨越多个集群，每个集群都有数万台服务器。”开源容器管理平台Kubernetes的很多部分都是对Borg平台的传承。在Borg部署到Google后不久，该公司意识到这种复杂性需要一个同等水平的监控系统。Google建立了这个系统并命名为Borgmon。Borgmon是一个实时的时间序列监控系统，它使用时间序列数据来识别问题并发出警报。
Borg和Borgmon都没有开源，直到最近才有机会了解它们的工作原理。你可以在Google SRE手册的实用警报章节中阅读更多相关内容。
Prometheus的灵感来自谷歌的Borgmon。它最初由前谷歌SRE Matt T. Proud开发，并转为一个研究项目。在Proud加入SoundCloud之后，他与另一位工程师Julius Volz合作开发了Prometheus。后来其他开发人员陆续加入了这个项目，并在SoundCloud内部继续开发，最终于2015年1月将其发布。
与Borgmon一样，Prometheus主要用于提供近实时的、基于动态云环境和容器的微服务、服务和应用程序的内省监控。SoundCloud是这些架构模式的早期采用者，而Prometheus的建立也是为了满足这些需求。如今，Prometheus被更多的公司广泛使用，通常用来满足类似的监控需求，但也用来监控传统架构的资源。
Prometheus专注于现在正在发生的事情，而不是追踪数周或数月前的数据。它基于这样一个前提，即大多数监控查询和警报都是从最近的（通常是一天内的）数据中生成的。Facebook在其内部时间序列数据库Gorilla的论文中验证了这一观点。Facebook发现85％的查询是针对26小时内的数据。Prometheus假定你尝试修复的问题可能是最近出现的，因此最有价值的是最近时间的数据，这反映在强大的查询语言和通常有限的监控数据保留期上。
Prometheus由开源编程语言Go编写，并且是在Apache 2.0许可证下授权的。它孵化于云原生计算基金会（Cloud Native Computing Foundation）。
2.2 Prometheus架构
Prometheus通过抓取或拉取应用程序中暴露的时间序列数据来工作。时间序列数据通常由应用程序本身通过客户端库或称为exporter（导出器）的代理来作为HTTP端点暴露。目前已经存在很多exporter和客户端库，支持多种编程语言、框架和开源应用程序，如Apache Web服务器和MySQL数据库等。
Prometheus还有一个推送网关（push gateway），可用于接收少量数据—例如，来自无法拉取的目标数据（如临时作业或者防火墙后面的目标）。
关于Prometheus的具体架构如图2-1所示。
图2-1 Prometheus架构
2.2.1 指标收集
Prometheus称其可以抓取的指标来源为端点（endpoint）。端点通常对应单个进程、主机、服务或应用程序。为了抓取端点数据，Prometheus定义了名为目标（target）的配置。这是执行抓取所需的信息—例如，如何进行连接，要应用哪些元数据，连接需要哪些身份验证，或者定义抓取将如何执行的其他信息。一组目标被称为作业（job）。作业通常是具有相同角色的目标组—例如，负载均衡器后面的Apache服务器集群，它们实际上是一组相似的进程。
生成的时间序列数据将被收集并存储在Prometheus服务器本地，也可以设置从服务器发送数据到外部存储器或其他时间序列数据库。
2.2.2 服务发现
可以通过多种方式来处理要监控的资源的发现，包括：
- 用户提供的静态资源列表。
- 基于文件的发现。例如，使用配置管理工具生成在Prometheus中可以自动更新的资源列表。
- 自动发现。例如，查询Consul等数据存储，在Amazon或Google中运行实例，或使用DNS SRV记录来生成资源列表。
我们将在第5章介绍如何使用各种服务发现方法。
2.2.3 聚合和警报
服务器还可以查询和聚合时间序列数据，并创建规则来记录常用的查询和聚合。这允许你从现有时间序列中创建新的时间序列，例如，计算变化率和比率，或者产生类似求和等聚合。这样就不必重新创建常用的聚合，例如用于调试，并且预计算可能比每次需要时运行查询性能更好。
Prometheus还可以定义警报规则。这些是为系统配置的在满足条件时触发警报的标准，例如，资源时间序列开始显示异常的CPU使用率。Prometheus服务器没有内置警报工具，而是将警报从Prometheus服务器推送到名为Alertmanager（警报管理器）的单独服务器。Alertmanager可以管理、整合和分发各种警报到不同目的地—例如，它可以在发出警报时发送电子邮件，并能够防止重复发送。
我们将在第6章看到有关Alertmanager的更多信息。
2.2.4 查询数据
Prometheus服务器还提供了一套内置查询语言PromQL、一个表达式浏览器（如图2-2所示）以及一个用于浏览服务器上数据的图形界面。
图2-2 Prometheus表达式浏览器
2.2.5 自治
每个Prometheus服务器都设计为尽可能自治，旨在支持扩展到数千台主机的数百万个时间序列的规模。数据存储格式被设计为尽可能降低磁盘的使用率，并在查询和聚合期间快速检索时间序列。
为了速度和可靠性，建议Prometheus服务器充分使用内存（Prometheus在内存中做很多事）和SSD磁盘。关于SSD的使用可以参考相关视频。
2.2.6 冗余和高可用性
冗余和高可用性侧重弹性而非数据持久性。Prometheus团队建议将Prometheus服务器部署到特定环境和团队，而不是仅部署一个单体Prometheus服务器。如果你确实要部署高可用HA模式，则可以使用两个或多个配置相同的Prometheus服务器来收集时间序列数据，并且所有生成的警报都由可消除重复警报的高可用Alertmanager集群来处理。Prometheus冗余架构如图2-3所示。
图2-3 Prometheus冗余架构
我们将在第7章介绍如何实现此配置。
2.2.7 可视化
可视化通过内置表达式浏览器提供，并与开源仪表板Grafana集成。此外，Prometheus也支持其他仪表板。
我们将在第4章了解这种集成。
2.3 Prometheus数据模型
正如之前所述，Prometheus收集时间序列数据。为了处理这些数据，它使用一个多维时间序列数据模型。这个时间序列数据模型结合了时间序列名称和称为标签（label）的键/值对，这些标签提供了维度。每个时间序列由时间序列名称和标签的组合唯一标识。
2.3.1 指标名称
时间序列名称通常描述收集的时间序列数据的一般性质—例如，website_visits_total为网站访问的总数。
名称可以包含ASCII字符、数字、下划线和冒号。
2.3.2 标签
标签为Prometheus数据模型提供了维度。它们为特定时间序列添加上下文。例如，total_website_visits时间序列可以使用能够识别网站名称、请求IP或其他特殊标识的标签。Prometheus可以在一个时间序列、一组时间序列或者所有相关的时间序列上进行查询。
标签共有两大类：插桩标签（instrumentation label）和目标标签（target label）。插桩标签来自被监控的资源—例如，对于与HTTP相关的时间序列，标签可能会显示所使用的特定HTTP动词。这些标签在由诸如客户端或exporter抓取之前会被添加到时间序列中。目标标签更多地与架构相关—它们可能会识别时间序列所在的数据中心。目标标签由Prometheus在抓取期间和之后添加。
时间序列由名称和标签标识（尽管从技术上讲，名称本身也是名为__name__的标签）。如果你在时间序列中添加或更改标签，那么Prometheus会将其视为新的时间序列。
你可以理解label就是键/值形式的标签，并且新的标签会创建新的时间序列。
标签名称可以包含ASCII字符、数字和下划线。
带有__前缀的标签名称保留给Prometheus内部使用。
2.3.3 采样数据
时间序列的真实值是采样（sample）的结果，它包括两部分：
- 一个float64类型的数值
- 一个毫秒精度的时间戳
2.3.4 符号表示
结合这些元素，我们可以看到Prometheus如何将时间序列表示为符号（notation），如下所示。
代码清单2-1 时间序列符号
例如，带有标签的total_website_visits时间序列可能如下所示。
代码清单2-2 时间序列示例
首先是时间序列名称，后面跟着一组键/值对标签。通常所有时间序列都有一个instance标签（标识源主机或应用程序）以及一个job标签（包含抓取特定时间序列的作业名称）。
这与OpenTSDB使用的符号大致相同，受到了Borgmon的影响。
2.3.5 保留时间
Prometheus专为短期监控和警报需求而设计。默认情况下，它在其数据库中保留15天的时间序列数据。如果要保留更长时间的数据，则建议将所需数据发送到远程的第三方平台。Prometheus能够写入外部数据存储，我们将在第7章看到更多相关内容。
2.4 安全模型
Prometheus可以通过多种方式进行配置和部署，关于安全有以下两个假设：
- 不受信任的用户将能够访问Prometheus服务器的HTTP API，从而访问数据库中的所有数据。
- 只有受信任的用户才能访问Prometheus命令行、配置文件、规则文件和运行时配置。
从Prometheus 2.0开始，默认情况下某些HTTP API的管理功能被禁用。
因此，Prometheus及其组件不提供任何服务器端的身份验证、授权或加密。如果你在一个更加安全的环境中工作，则需要自己实施安全控制—例如，通过反向代理访问Prometheus服务器或者正向代理exporter。由于不同版本的配置会潜在地发生较大变化，因此本书没有记录如何执行这些操作。
2.5 Prometheus生态系统
Prometheus生态系统由Prometheus项目本身提供的组件以及丰富的开源工具和套件组成。生态系统的核心是Prometheus服务器，我们将在下一章进行详细介绍。此外还有Alertmanager，它为Prometheus提供警报引擎并进行管理。
Prometheus项目还包括一系列exporter，用于监控应用程序和服务，并在端点上公开相关指标以进行抓取。核心exporter支持常见工具，如Web服务器、数据库等。许多其他exporter都是开源的，你可以从Prometheus社区查看。
Prometheus还发布了一系列客户端库，支持监控由多种语言编写的应用程序和服务。它们包括主流编程语言，如Python、Ruby、Go和Java。其他客户端库也可以从开源社区获取。
2.6 参考链接
- Prometheus官网：-https://prometheus.io/。
- Prometheus文档：https://prometheus.io/docs/。
- Prometheus GitHub主页：https://github.com/prometheus/。
- Prometheus GitHub源码：https://github.com/prometheus/prometheus。
- Prometheus参考视频：大规模Prometheus和时间序列设计（https://www.youtube. com/watch?v=gNmWzkGViAY）。
- Grafana官网：https://grafana.com/。
2.7 小结
本章我们介绍了Prometheus的基本概念，以及Prometheus架构、Prometheus数据模型和Prometheus生态系统等方面的内容。
在下一章，我们将安装并配置Prometheus，并收集我们的第一个指标。
