认识 prometheus 云原生监控系统

一、背景

最近在使用 grafana 来制作监控系统的各种指标看板。

前一篇文章简单介绍了《PromQL 语言》。

接下来就是介绍 PromQL 语言背后的 prometheus 云原生监控系统了。

二、 prometheus 是什么

Prometheus 的最初定位是一个监控和警报系统。

为了实现这个功能，需要实现几个独立的子功能。

1）Tracking 检测指标
2）Collecting 收集指标
3）Storing 储存指标
4）Querying 查询指标
5）Alerting 警报指标

如上图所示，每个子功能都是独立实现的，通过搭积木的方式，就可以实现一个功能复杂的监控告警系统。

由于架构的简洁，通过查询指标这个功能，除了做 Alerting ，还很容易扩展实现 dashboarding 。

由此，就形成了 Prometheus 系统的整体架构，如下图

三、METRICS 指标

上面提到，一个监控系统需要检测指标、收集指标、储存指标、查询指标。

那到底什么才是指标呢？

指标(Metrics)是度量(measurement)目标的标准。

比如对于一个高性能服务，访问量、访问耗时、服务器CPU负载、服务器内存使用率对应的数值都是指标。

不同的指标都有自己的名字，称为指标名(metric name)。
对于一个指标，例如访问量，往往也有自己的属性，比如哪个服务，机器IP，通过键/值对储存，称为标签(labels)。
指标名和标签合起来，统称为标识符(identifier)。

指标的结果由时间与值组成。
这些指标的结果随着时间会变化，称为时间序列(time series)。
储存指标的系统称为时序数据库。

关于指标名、标签、时间、值的关系，见下图

四、METRICS类型

根据实际诉求，指标分为计数(Counter)、测量(Gauge)、分布图(Histogram)、概况(Summary)。

1）计数(Counter)

计数器是一个只能增加或重置的度量值，即该值不能比之前的值减少。
它可用于请求数量、错误数量等指标。

实践过程中，我们往往需要的是每秒的请求数量和错误数量。
所以对于计数指标，需要使用 PromQL 中的rate() 函数获取一段时间内指标的历史记录，并计算该值每秒增加的值。

当然，更普遍的方法是不适用计数这个指标，使用下一种指标。

2）测量(Gauge)

仪表是一个可以上升或下降的数字。
一般用来衡量集群中容器数、CPU负载、内存使用率、每分钟访问量、平均耗时等。

有时候上报的数据不是连续的，画出的曲线会有空洞。
我们可以使用文章《PromQL 语言》中介绍的方式，把即时向量转化为范围向量，然后进行聚合，消除曲线的空洞。

3）分布图(Histogram)

分布图大家可能不理解是啥意思，举个例子大家就懂了。

之前常说的 P99 耗时就是分布图。

4）概况(Summary)

Summary用于收集样本数据的统计信息，例如样本数量、总和、平均值、最小值和最大值等统计信息。

5）命名

不同指标的命名后缀不一样。
计数(Counter)的后缀一般是 _total。
分布图(Histogram)的后缀一般是_bucket。
概况(Summary)的后缀一般是_count或_sum
测量(Gauge)则不需要特殊的后缀。

五、实战

去官网，可以根据文档下载 prometheus，其实就是一个二进制可执行程序。

https://prometheus.io/docs/

启动二进制程序，打开地址 http://localhost:9090/

首先看到如下的界面。

Status 中的 Service Discovery 可以看到配置了两个数据来源。

Status 中的 Targets 中可以看到两个数据源的状态。

当然还有其他的功能，Alerts, Graph, Runtime & Build Information, TSDB Status, Command-Line Flags, Configuration, Rules等。

六、最后

了解 Prometheus 后，可以发现良好的系统设计真的很重要。
各个组件之间进行解耦，仅通过标准化协议与接口进行交互，从而使得每个组件都可以拿出来独立使用。
而且还可以扩展新增组件，从而使得系统的功能更强大。

不仅系统要这样设计，代码也要这样设计，这样代码的 BUG 才会更少，也更容易阅读与扩展新功能。

《完》

-EOF-

本文公众号：天空的代码世界
个人微信号：tiankonguse
公众号ID：tiankonguse-code