Windows平台的prometheus和Grafana的学习与使用
Windows平台的prometheus和Grafana的学习与使用
背景
最近没有了linux机器
突然想捯饬一下Windows平台的监控与使用
所以总结一一下.
第一步下载
https://prometheus.io/download/
https://grafana.com/grafana/download
注意需要下载 windows平台的安装介质
建议是选择 zip包.
zip包可以方便的设置目录.
启动prometheus
解压缩后进行处理, 比如我这边的目录为:
E:\00Grafana 的目录
2023/11/20 10:31 <DIR> .
2023/11/20 10:31 <DIR> data
2023/11/20 07:59 <DIR> grafana
2023/11/20 07:58 <DIR> prometheus
在prometheus 目录下面执行脚本
prometheus.exe --config.file="prometheus.yml" --storage.tsdb.retention.time=2m --storage.tsdb.retention.size=15GB --storage.tsdb.path="E:\00Grafana\data"
然后就可以查看了.
http://127.0.0.1:9090
启动grafana
进入 grafana/bin 目录下
执行命令
grafana.exe server 就可以打开服务
默认用户密码
admin/admin
第一次登录必须修改密码
然后可以导入就可以了.
启动windows-exporter
cmd 直接执行 windows_exporter-0.24.0-amd64.exe
就可以
默认监听端口: 9182
修改prometheus增加配置
- job_name: "Windows"
static_configs:
- targets: ["localhost:9182"]
grafana导入dashboard
https://grafana.com/grafana/dashboards/14694-windows-exporter-dashboard/
导入 14694 就可以
但是需要注意
14694 已经很久没有在grafana官网上面更新了. 默认打开很多没有数据. 最好是使用github上面的json文件:
https://github.com/rasoulivand/windows-exporter-dashboard
json文件的最后修改时间是 2023-06
grafana上面的最后修改时间是 2021-07
注册为服务
增加一个shell 脚本为:
@echo off
E:
cd E:\00Grafana\
E:\00Grafana\windows_exporter-0.24.0-amd64.exe
文件保存到:
E:\00Grafana\bin\windows_exporter.bat
使用 cmd 命令行模式常见服务
sc create Windows_Exporter binPath=E:\00Grafana\bin\windows_exporter.bat start= auto
其他两个服务为:
@echo off
E:
cd E:\00Grafana\prometheus
E:\00Grafana\prometheus\prometheus.exe --config.file="E:\00Grafana\prometheus\prometheus.yml" --storage.tsdb.retention.time=2m --storage.tsdb.retention.size=15GB --storage.tsdb.path="E:\00Grafana\data"
设置为: E:\00Grafana\bin\prometheus.bat
设置服务:
sc create prometheus binPath=E:\00Grafana\bin\prometheus.bat start=auto
Grafana
@echo off
E:
cd E:\00Grafana\grafana\bin
E:\00Grafana\grafana\bin\grafana.exe server
设置为: E:\00Grafana\bin\grafana.bat
设置服务:
sc create grafana binPath=E:\00Grafana\bin\grafana.bat start=auto
简单效果

Windows平台的prometheus和Grafana的学习与使用的更多相关文章
- 基于Windows平台的Python多线程及多进程学习小结
python多线程及多进程对于不同平台有不同的工具(platform-specific tools),如os.fork仅在Unix上可用,而windows不可用,该文仅针对windows平台可用的工具 ...
- cocos2d-x学习笔记(18)--游戏打包(windows平台)
cocos2d-x学习笔记(18)--游戏打包(windows平台) 之前做好的游戏,都是在vs2008下编译执行的.假设说想把游戏公布到网上或者和其它人一起分享游戏,那就得对游戏 ...
- Kettle学习系列之kettle的下载、安装和初步使用(windows平台下)(图文详解)
不多说,直接上干货! kettle的下载 Kettle可以在http://kettle.pentaho.org/网站下载 http://sourceforge.n ...
- 基于Prometheus和Grafana的监控平台 - 环境搭建
相关概念 微服务中的监控分根据作用领域分为三大类,Logging,Tracing,Metrics. Logging - 用于记录离散的事件.例如,应用程序的调试信息或错误信息.它是我们诊断问题的依据. ...
- 基于Prometheus和Grafana的监控平台 - 运维告警
通过前面几篇文章我们搭建好了监控环境并且监控了服务器.数据库.应用,运维人员可以实时了解当前被监控对象的运行情况,但是他们不可能时时坐在电脑边上盯着DashBoard,这就需要一个告警功能,当服务器或 ...
- Centos7.X 搭建Prometheus+node_exporter+Grafana实时监控平台
Prometheus简介 什么是 Prometheus Prometheus是一个开源监控报警系统和时序列数据库 主要功能 多维数据模型(时序由 metric 名字和 k/v 的 labels 构成) ...
- Docker监控平台prometheus和grafana,监控redis,mysql,docker,服务器信息
Docker监控平台prometheus和grafana,监控redis,mysql,docker,服务器信息 一.通过redis_exporter监控redis 1.1 下载镜像 1.2 运行服务 ...
- cocos2d-x 2.1.4学习笔记01:windows平台搭建cocos2d-x开发环境
cocos2d-x的大致开发流程是,首先使用win32版进行代码编写并完成游戏,然后将代码迁移到对应的开发环境上进行交叉编译完成游戏打包,如iphone上是mac+xcode,android是ecli ...
- MongoDB学习总结(一) —— Windows平台下安装
> 基本概念 MongoDB是一个基于分布式文件存储的开源数据库系统,皆在为WEB应用提供可扩展的高性能数据存储解决方案.MongoDB将数据存储为一个文档,数据结构由键值key=>val ...
- Windows平台分布式架构实践 - 负载均衡
概述 最近.NET的世界开始闹腾了,微软官方终于加入到了对.NET跨平台的支持,并且在不久的将来,我们在VS里面写的代码可能就可以通过Mono直接在Linux和Mac上运行.那么大家(开发者和企业)为 ...
随机推荐
- 【源码系列#05】Vue3响应式原理(Ref)
Ref & ShallowRef ref:接受一个参数值并返回一个响应式且可改变的 ref 对象.ref 对象拥有一个指向内部值的单一属性 .value 可以将 ref 看成 reactive ...
- javacv实现屏幕录制(一)
javacv实现屏幕录制(一) javacv从入门到入土系列,发现了个好玩的东西,视频处理,于是我想搞个屏幕录屏,我百度了一下,copy那些代码我没有实现过,那些代码也没有说明,只好去官网看文档找资料 ...
- 【OpenVINO 】在 MacOS 上编译 OpenVINO C++ 项目
前言 英特尔公司发行的模型部署工具OpenVINO模型部署套件,可以实现在不同系统环境下运行,且发布的OpenVINO 2023最新版目前已经支持MacOS系统并同时支持在苹果M系列芯片上部署模型.在 ...
- 2024-01-13:用go语言,现在有一个打怪类型的游戏,这个游戏是这样的,你有n个技能, 每一个技能会有一个伤害, 同时若怪物小于等于一定的血量,则该技能可能造成双倍伤害, 每一个技能最多只能释放
2024-01-13:用go语言,现在有一个打怪类型的游戏,这个游戏是这样的,你有n个技能, 每一个技能会有一个伤害, 同时若怪物小于等于一定的血量,则该技能可能造成双倍伤害, 每一个技能最多只能释放 ...
- JVM学习-程序编译与优化
原文链接:https://gaoyubo.cn/blogs/89d6d9be.html 一.前端编译与优化 Java技术下讨论"编译期"需要结合具体上下文语境,因为它可能存在很多种 ...
- Programming abstractions in C阅读笔记:p184-p195
<Programming Abstractions In C>学习第61天,p184-p195总结. 一.技术总结 1.mutual recursion 2.natural number ...
- curl使用小记(四)——在多线程中使用的问题总结
目录 1. 概述 2. 详论 2.1. 崩溃 2.2. 初始化 2.3. 性能 3. 参考 1. 概述 很显然,通过URL传输数据是一个耗费性能的行为.所以,一个非常有必要的策略是通过多线程来加快数据 ...
- 神经网络基础篇:详解逻辑回归 & m个样本梯度下降
逻辑回归中的梯度下降 本篇讲解怎样通过计算偏导数来实现逻辑回归的梯度下降算法.它的关键点是几个重要公式,其作用是用来实现逻辑回归中梯度下降算法.但是在本博客中,将使用计算图对梯度下降算法进行计算.必须 ...
- MySQL进阶篇:详解存储引擎介绍和基本使用
1. MySQL进阶篇:第一章__一.一_存储引擎介绍和基本使用 1.1 MySQL体系结构 1). 连接层 最上层是一些客户端和链接服务,包含本地sock 通信和大多数基于客户端/服务端工具实现的类 ...
- VEGA:诺亚AutoML高性能开源算法集简介
摘要:VEGA是华为诺亚方舟实验室自研的全流程AutoML算法集合,提供架构搜索.超参优化.数据增强.模型压缩等全流程机器学习自动化基础能力. 本文分享自华为云社区<VEGA:诺亚AutoML高 ...