Prometheus监控系统（一）Prometheus介绍

1. Prometheus简介

Prometheus受启发于Google的Brogmon监控系统（类似kubernetes是从Google的Brog系统演变而来）。于2012年以开源形式发布，在2015年对外发布早期版本。2016年发布1.0版本，2017年发布基于全新存储层的2.0版本，能更好地与容器平台、云平台配合。

当前Prometheus已经称为新一代的云原生监控系统。

2. Prometheus的特点

Prometheus是一个开源的完整的监控解决方案，基于的是中央化的规则计算、统一分析和告警的新模型。相对于传统监控系统，Prometheus有以下优点。

2.1.易于管理

l Prometheus核心部分只有一个单独的二进制文件，不存在任何的第三方依赖（例如数据库、缓存等）。唯一需要的就是本地磁盘，因此不会有潜在的级联故障的风险。

l Prometheus基于Pull模型的架构方式，可以在任何地方（本地、云环境）搭建监控系统。

l 对于一些复杂的情况，还可以使用Prometheus的Service Discovery的能力动态管理监控目标。

2.2.监控服务的内部运行状态

Prometheus鼓励用户监控服务的内部状态。基于Prometheus丰富的Client库，用户可以轻松地在应用程序中添加对Prometheus的支持，从而使得用户可以获取服务和应用内部真正的状态。

2.3.强大的数据模型

所有采集的监控数据均以指标（metric）的形式保存在内置的时间序列数据库（TSDB）中。所有的样本除了基本的指标名称以外，还包含一组用于描述该样本特征的标签。如下样本所示：

http_request_status{code='200',content_path='/api/path',environment='produment'} =>

[value1@timestamp1,value2@timestamp2...]

http_request_status{code='200',content_path='/api/path2',environment='produment'} =>

[value1@timestamp1,value2@timestamp2...]

每一条时间序列由指标名称（Metrics Name）以及一组标签（Labels）唯一标识。每条时间序列按照时间的先后顺序存储一系列的样本值。

http_request_satus：指标名称（Metrics Name）

{code='200',content_path='/api/path2',environment='produment'}：表示维度的标签，基于这些Labels我们可以方便地对监控数据进行聚合、过滤、裁剪。

[value1@timestamp1,value2@timestamp2...]：按照时间的先后顺序，存储的样本值

2.4.强大的查询语言PromQL

Prometheus内置了一个强大的数据查询语言PromQL。通过PromQL可以实现对监控数据的查询、聚合。同时PromQL也被应用于数据可视化（如Grafana）以及告警当中。

通过PromQL可以轻松回答类似于以下问题：

在过去一段时间中95%的应用延迟时间的分布范围
预测在4小时后，磁盘空间占用大致会是什么情况
CPU占用率前5的服务有哪些（过滤）

2.5.高效

对于监控系统而言，大量的监控任务必然导致有大量的数据产生，而Prometheus可以高效地处理这些数据。对于单一Prometheus Server实例而言，它可以处理：

数以百万的监控指标
每秒处理数十万的数据点

2.6.可扩展

可以在每个数据中心、每个团队运行独立的Prometheus Server。Prometheus对于联邦集群的支持，可以让多个Prometheus实例产生1个逻辑集群。当单个Prometheus Server处理的任务量过大时，通过使用功能分区（sharding）+联邦集群（federation），可以对其扩展。

2.7.易于集成

使用Prometheus可以快速搭建监控服务，并且可以非常方便地在应用程序中进行集成。目前支持：Java、JMX、Python、Go、Ruby、.Net、Node.js等语言的客户端SDK。基于这些SDK可以快速让应用程序纳入到Prometheus的监控当中，或者开发自己的监控收集程序。

同时这些客户端收集的监控数据，不仅仅支持Prometheus，还能支持Graphite等其他监控工具。

同时Prometheus还支持与其他的监控系统进行集成：Graphite， Statsd， Collected， Scollector， muini， Nagios等。 Prometheus社区还提供了大量第三方实现的监控数据采集支持：JMX，CloudWatch，EC2，MySQL，PostgresSQL，Haskell，Bash，SNMP，Consul，Haproxy，Mesos，Bind，CouchDB，Django，Memcached，RabbitMQ，Redis，RethinkDB，Rsyslog等等。

2.8.可视化

Prometheus Server中自带的Prometheus UI，可以方便地直接对数据进行查询，并且支持直接以图形化的形式展示数据。同时，Prometheus还提供了1个独立的基于Ruby On Rails的Dashboard解决方案Promdash。

最新的Grafana可视化工具也已经提供了完整的Prometheus支持，基于Grafana可以创建更加精美的监控图标。

基于Prometheus提供的API还可以实现自己的监控可视化UI。

2.9.开放性

通常来说当我们需要监控一个应用程序时，一般需要该应用程序提供对相应监控系统协议的支持，因此应用程序会与所选择的监控系统进行绑定。为了减少这种绑定所带来的限制，对于决策者而言要么你就直接在应用中集成该监控系统的支持，要么就在外部创建单独的服务来适配不同的监控系统。

而对于Prometheus来说，使用Prometheus的client library的输出格式不止支持Prometheus的格式化数据，也可以输出支持其它监控系统的格式化数据，比如Graphite。因此你甚至可以在不使用Prometheus的情况下，采用Prometheus的client library来让你的应用程序支持监控数据采集。

3. Prometheus架构

架构如下所示：

3.1.Prometheus生态圈组件

l Prometheus Server：主服务器，负责收集和存储时间序列数据

l Client libraries：应用程序代码插桩，将监控指标嵌入到被监控应用程序中

l Pushgateway：推送网关，为支持short-lived作业提供一个推送网关

l Exporter：专门为一些应用开发的数据摄取组件-exporter，例如：HAProxy、StatsD、Graphite等等

l Altermanager：专门用于处理alert的组件

3.2.架构理解

Prometheus既然设计为一个维度存储模型，可以把它理解为一个OLAP系统。

1.存储计算层

l Prometheus Server，里面包含了存储引擎和计算引擎

l Retrieval组件为取数组件，它会主动从Pushgateway或者Exporter拉取指标数据

l Service discovery，可以动态发现要监控的目标

l TSDB，数据核心存储与查询

l HTTP server，对外提供HTTP服务

2.采集层

采集层分为2类，一类是生命周期较短的作业，还有一类市生命周期较长的作业：

l 短作业（例如executor）：直接通过API，在退出时间指标推送给Pushgateway

l 长作业：Retrieval组件直接从Job或者Exporter拉取数据

3.应用层

应用层主要分为2种，一种是AlertManager，另一种是数据可视化。

l AlertManager

对接Pagerduty，是一套付费的监控报警系统。可以实现短信、5分钟无人ack打电话、仍然无人ack就通知manager…

Email等等

…

l 数据可视化

Prometheus build-in WebUI

Grafana

其他基于API开发的客户端