Prometheus 架构全面剖析
在本指南中，我们将详细先容 Prometheus 架构。Prometheus 是一个用 Golang 编写的开源监控和告警系统，能够收集和处理来自各种目标的指标。您还可以查询、查察、分析指标，并根据阈值收到警报。
此外，在当当代界，可观测性对每个组织来说都变得至关重要，而 Prometheus 是开源领域的关键可观测性工具之一。
在这篇博客中，我们将相识 Prometheus 的所有关键组件，以及它们怎样协同工作以使整个监控系统正常工作。
Prometheus 架构
以下是 Prometheus 架构的高级概述。
https://i-blog.csdnimg.cn/blog_migrate/4004f0da527c0d23cf5efad7e637f3b5.gif
Prometheus 重要由以下部分构成。
[*]Prometheus 服务器
[*]服务发现
[*]时序数据库（TSDB）
[*]目标
[*]导出器
[*]推送网关
[*]警报管理器
[*]客户端库
[*]PromQL系列
让我们详细看一下每个组件。
Prometheus 服务器
Prometheus 服务器是基于指标的监控系统的大脑。服务器的重要工作是使用拉取模型从各种目标收集指标。
Target 只不过是服务器、pod、端点等，我们将在下一主题中详细先容。
使用 Prometheus 从目标收集指标的一样寻常术语称为抓取（pull）。
https://i-blog.csdnimg.cn/blog_migrate/2dd3abf9bc0f4096781beb2cf9a52b05.gif
Prometheus 会根据 Prometheus 配置文件中提到的抓取隔断定期抓取指标。
下面是一个示例配置。
global:
scrape_interval: 15s
evaluation_interval: 15s
scrape_timeout: 10s
rule_files:
- "rules/*.rules"
scrape_configs:
- job_name: 'prometheus'
static_configs:
- targets: ['localhost:9090']
- job_name: 'node-exporter'
static_configs:
- targets: ['node-exporter:9100']
alerting:
alertmanagers:
- static_configs:
- targets: ['alertmanager:9093'] 时序数据库（TSDB）
prometheus 接收的指标数据会随时间变化（CPU、内存、网络 IO 等）。它称为时间序列数据。因此，Prometheus 使用时间序列数据库 （TSDB） 来存储其所有数据。
默认情况下，Prometheus 将其所有数据以有效的格式（块）存储在本地磁盘中。随着时间的流逝，它会压缩所有旧数据以节省空间。它还具有保留策略来删除旧数据。
Prometheus 还提供远程存储选项。这重要是存储可扩展性、长期存储、备份和灾难恢复等所必需的。
Prometheus 目标
Target 是 Prometheus 抓取指标的泉源。目标可以是服务器、服务、Kubernetes Pod、应用程序端点等。
https://i-blog.csdnimg.cn/blog_migrate/039628c9d625b5c34d4dab69817a4cb0.png
默认情况下，prometheus 在目标路径下查找指标。可以在目标配置中更改默认路径。这意味着，如果您未指定自界说指标路径，Prometheus 会在 /metrics 下查找指标。/metrics
目标配置位于配置文件的scrape_configs下。下面是一个示例配置。Prometheus
scrape_configs:
- job_name: 'node-exporter'
static_configs:
- targets: ['node-exporter1:9100', 'node-exporter2:9100']
- job_name: 'my_custom_job'
static_configs:
- targets: ['my_service_address:port']
metrics_path: '/custom_metrics'
- job_name: 'blackbox-exporter'
static_configs:
- targets: ['blackbox-exporter1:9115', 'blackbox-exporter2:9115']
metrics_path: /probe
- job_name: 'snmp-exporter'
static_configs:
- targets: ['snmp-exporter1:9116', 'snmp-exporter2:9116']
metrics_path: /snmp 从目标端点，prometheus 需要特定文本格式的数据。每个指标都必须位于新行上。
通常，这些指标使用在目标上运行的 prometheus 导出器在目标节点上公开。
Prometheus 导出器
导出器就像在目标上运行的署理。它将指标从特定系统转换为 prometheus 理解的格式。
它可以是 CPU、内存等系统指标，也可以是 Java JMX 指标、MySQL 指标等。
https://i-blog.csdnimg.cn/blog_migrate/4f50e7cb2f96f6abb79c2261e0dd532e.png
默认情况下，这些转换后的指标由导出器在目标的 /metrics 路径（HTTPS 端点）上公开。
例如，如果要监视服务器的 CPU 和内存，则需要在该服务器上安装节点导出器，并且节点导出器会在 /metrics 上以 prometheus 指标格式公开 CPU 和内存指标。
一旦 Prometheus 提取了指标，它将组合指标名称、标签、值和时间戳，为该数据提供结构。
有很多社区导出器可用，但只有其中一些得到了 Prometheus 的正式批准。如果需要更多自界说项，则需要创建自己的导出器。
Prometheus 将导出器分为各个部分，例如数据库、硬件、题目跟踪器和一连集成、消息传递系统、存储、公开 Prometheus 指标的软件、其他第三方实用程序等。
您可以从官方文档中查察每个类别的出口商列表。
在 Prometheus 配置文件中，所有导出器的详细信息都将在 .scrape_configs
scrape_configs:
- job_name: 'node-exporter'
static_configs:
- targets: ['node-exporter1:9100', 'node-exporter2:9100']
- job_name: 'blackbox-exporter'
static_configs:
- targets: ['blackbox-exporter1:9115', 'blackbox-exporter2:9115']
metrics_path: /probe
- job_name: 'snmp-exporter'
static_configs:
- targets: ['snmp-exporter1:9116', 'snmp-exporter2:9116']
metrics_path: /snmp Prometheus 服务发现
Prometheus 使用两种方法从目标中抓取指标。
[*]静态配置：当目标具有静态 IP 或 DNS 端点时，我们可以将这些端点用作目标。
[*]服务发现：在大多数主动缩放系统和分布式系统（如 Kubernetes）中，目标不会有静态终结点。在这种情况下，将使用 prometheus 服务发现来发现目标端点，并将目标主动添加到 prometheus 配置中。
https://i-blog.csdnimg.cn/blog_migrate/d714a04d2052cb59d690b3724cbd7f0e.png
在继续之前，让我展示一个使用 Prometheus 配置文件的 Kubernetes 服务发现块的小示例。kubernetes_sd_configs
scrape_configs:
- job_name: 'kubernetes-apiservers'
kubernetes_sd_configs:
- role: endpoints
scheme: https
tls_config:
ca_file: /var/run/secrets/kubernetes.io/serviceaccount/ca.crt
bearer_token_file: /var/run/secrets/kubernetes.io/serviceaccount/token
relabel_configs:
- source_labels:
action: keep
regex: default;kubernetes;https Kubernetes 是动态目标的完美示例。在这里，您不能使用静态目标方法，由于 Kubernetes 集群中的目标（Pod）本质上是短暂的，并且很可能是短暂的。
Kubernetes 中还有基于文件的服务发现。它适用于静态目标，但经典静态配置与静态配置之间的重要区别在于，在这种情况下，我们创建单独的 JSON 或 YAML 文件并将目标信息保存在其中file_sd_configs。Prometheus 将读取文件以识别目标。static_configs file_sd_configs
不仅这两个，还有各种服务发现方法可用，例如 consul_sd_configs（prometheus 从 consul 获取目标详细信息）、ec2_sd_configs等。
要相识有关配置详细信息的更多信息，请访问官方文档。
Prometheus 推送网关
默认情况下，Prometheus 使用拉取机制来获取指标。
但是，在某些情况下，需要将指标推送到 prometheus。
让我们举一个在 Kubernetes cronjob 上运行的批处理作业的例子，该作业每天根据某些变乱运行 5 分钟。在这种情况下，Prometheus 将无法使用拉取机制精确抓取服务级别指标。
因此，为了等待 prometheus 拉取指标，我们需要将指标推送到 prometheus。为了推送指标，prometheus 提供了一个名为 Pushgateway 的解决方案。 它是一种中间网关。
Pushgateway 需要作为独立组件运行。批处理作业可以将指标推送到 pushgateway 端点，Pushgateway 会公开这些指标。然后 prometheus 从 Pushgateway 中抓取这些指标。
https://i-blog.csdnimg.cn/blog_migrate/a34ee9c6dd0f87040ac02fe5a9a2aa3b.png
Pushgateway 将指标数据临时存储在内存存储中。它更像是一个临时缓存。
Pushgateway 配置也将在配置中的部分下进行配置。scrape_configs Prometheus
scrape_configs:
- job_name: "pushgateway"
honor_labels: true
static_configs:
- targets: 要将指标发送到 Pushgateway，您需要使用 prometheus 客户端库并检测应用程序或脚本以公开所需的指标。
Prometheus 客户端库
Prometheus 客户端库是软件库，可用于检测应用程序代码，以 Prometheus 理解的方式公开指标。
如果需要自界说检测或想要创建自己的导出器，可以使用客户端库。
一个非常好的用例是需要将指标推送到 Pushgateway 的批处理作业。批处理作业需要使用客户端库进行检测，以 prometheus 格式公开需求指标。
以下示例公开了名为 batch_job_records_processed_total 的自界说指标。Python Client Library
from prometheus_client import start_http_server, Counter
import time
import random
RECORDS_PROCESSED = Counter('batch_job_records_processed_total', 'Total number of records processed by the batch job')
def process_record():
time.sleep(random.uniform(0.01, 0.1))
RECORDS_PROCESSED.inc()
def batch_job():
for _ in range(100):
process_record()
if __name__ == '__main__':
start_http_server(8000)
print("Metrics server started on port 8000")
batch_job()
print("Batch job completed")
while True:
time.sleep(1) 此外，在使用客户端库时，HTTP 服务器prometheus_client端点中公开指标。/metrics
Prometheus 险些为每种编程语言提供了客户端库，如果您想创建客户端库，也可以这样做。
要相识有关创建指南的更多信息并查察客户端库列表，您可以参考官方文档。
Prometheus 警报管理器
Alertmanager是Prometheus监控系统的关键部分。它的重要工作是根据 Prometheus 警报配置中设置的指标阈值发送警报。
警报由 Prometheus 触发并发送到 Alertmanager。它反过来将警报发送到警报管理器配置中配置的相应通知系统/接收器（电子邮件、松弛等）。
此外，警报管理器还负责以下工作。
[*]警报重复数据删除：静默重复警报的过程。
[*]分组：将干系警报分组到其他位置的过程。
[*]静音：静音警报，用于维护或误报。
[*]路由：根据严峻性将警报路由到适当的接收器。
[*]克制：当存在中等高严峻性警报时停止低严峻性警报的过程。
https://i-blog.csdnimg.cn/blog_migrate/6815d142f10454e752ee121e9c57a2bd.png
下面是警报规则的示例配置。
groups:
- name: microservices_alerts
rules:
- record: http_latency:average_latency_seconds
expr: sum(http_request_duration_seconds_sum) / sum(http_request_duration_seconds_count)
- alert: HighLatencyAlert
expr: http_latency:average_latency_seconds > 0.5
for: 5m
labels:
severity: critical
annotations:
summary: "High latency detected in microservices"
description: "The average HTTP latency is high ({{ $value }} seconds) in the microservices cluster."
这是 Alertmanager 配置文件的路由配置示例
routes:
- match:
severity: 'critical'
receiver: 'pagerduty-notifications'
- match:
severity: 'warning'
receiver: 'slack-notifications' 警报管理器支持大多数消息和通知系统，例如 Discord、电子邮件、Slack 等，以将警报作为通知发送给接收者。
PromQL系列
PromQL 是一种机动的查询语言，可用于从 Prometheus 查询时间序列指标。
我们可以直接从用户界面使用查询，也可以使用命令通过命令行界面进行查询。Prometheuscurl
Prometheus 用户界面
https://i-blog.csdnimg.cn/blog_migrate/d7192bc87fe68ea3d625833298d5e0ba.png
通过 CLI 查询
curl "http://54.186.154.78:30000/api/v1/query?query=$(echo 'up' | jq -s -R -r @uri)" | jq . 此外，当您将 prometheus 作为数据源添加到 Grafana 时，您可以使用 PromQL 查询和创建 Grafana 仪表板，如下所示。
https://i-blog.csdnimg.cn/blog_migrate/484078637f46d9ba9c369fe87452ffd9.png
结论
本文表明了 Prometheus 架构的重要组件，并将提供 Prometheus 配置的基本概述，您可以使用该配置执行更多操作。
每个组织的要求都不同，Prometheus 在不同环境中的实现也各不相同，例如 VM 和 Kubernetes。如果您相识基础知识和关键配置，则可以在任何平台上轻松实现它。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]