使用thanos管理Prometheus持久化数据

关于thanos的介绍可以参考这篇官方博客的翻译文档，本文不作部署操作介绍。下图是thanos的官方架构图，主要有5个组件：

• Query：可以近似看作是Prometheus的实现，用于采集其他组件的数据，如sidecar和store gateway。Query的UI与Prometheus基本相同。
• Store  Gateway：用于获取来自对象存储的历史数据，它使得Query可以获取历史数据，并通过Grafana展示。
• Compact：用于历史数据的压缩和降准采样，提高在Grafana上执行Zoom-in/Zoom-out时的效率。
• Ruler：配置告警相关的内容，Ruler的UI与Alertmanager原生的UI基本相同。
• Sidecar：与Prometheus部署，一来为Query提供未持久化到对象存储的数据；二来将超期的数据持久化到对象存储。

通常thanos管理多集群时，除Sidecar组件需要在每个集群内部署，其余组件仅部署一份，用于处理多个集群的数据。需要注意的是，thanos的StoreAPI采用的是gRPC协议，只能走四层通信，像在openshift 3.11版本下无法通过router(ingress)暴露给集群外部的Query等组件。规避办法为采用nodePort方式暴露，但通常nodePort并不是一个很好的方式，因为它占用了主机的端口。

从使用上看，thanos使用上最主要的作用就是实现了数据的持久化以及历史数据的提取，其实现的StoreAPI也可以作为可移植的功能。

TIPS：

• 目前thanos还不能支持阿里OSS，但很快会支持，代码合入进展可以参考该PR，如果有需要，可以从dockerhub上下载我自己打包的镜像。oss配置文件如下：

type: ALIYUNOSS
config:
  endpoint: ""
  bucket: ""
  access_key_id: ""
  access_key_secret: ""

• 可以在源码中使用make build编译源码
• 可以使用下述校验对象存储状态，如thanos bucket ls --objstore.config-file=/etc/thanos/oss.yml 列出所有的bucket信息

  bucket verify [<flags>]
    Verify all blocks in the bucket against specified issues

  bucket ls [<flags>]
    List all blocks in the bucket

  bucket inspect [<flags>]
    Inspect all blocks in the bucket in detailed, table-like way

• Query，Ruler，Store_Gateway和Compact的docker-compose启动方式可以参考如下yaml文件

version: '3.1'

volumes:
    grafana_data: {}
    minio_data: {}
    store_data: {}
    compactor_data: {}

services:
  thanos-querier:
    image: ${thanos-image}
    extra_hosts:
      - "{$bucket_name}.${oss_backend}:${oss_backend_ip}}" #ali-yun需要添加这一行解析
      - "${oss_backend}:${oss_backend_ip}}"
    command:
      - 'query'
      - '--grpc-address=0.0.0.0:10901'   # Query storeAPI
      - '--http-address=0.0.0.0:10902'   # Query UI
      - '--query.replica-label=replica'
      - '--store=${prometheus_sidecar_lb}:${prometheus_sidecar_lb_port}'
      - '--store=thanos-store-gateway:10901'
    privileged: true
    ports:
      - :
    restart: always

  thanos-store-gateway:
    image: ${thanos-image}
    extra_hosts:
      - "{$bucket_name}.${oss_backend}:${oss_backend_ip}}"
      - "${oss_backend}:${oss_backend_ip}}"
    volumes:
      - ./thanos/:/etc/thanos/
      - store_data:/data
    command:
      - 'store'
      - '--grpc-address=0.0.0.0:10901'
      - '--http-address=0.0.0.0:10902'
      - '--data-dir=/data'
      - '--objstore.config-file=/etc/thanos/bucket_config.yaml' # Object store config file
    privileged: true
    restart: always

  thanos-compactor:
    image: ${thanos-image}
    extra_hosts:
      - "{$bucket_name}.${oss_backend}:${oss_backend_ip}}"
      - "${oss_backend}:${oss_backend_ip}}"
    volumes:
      - ./thanos/:/etc/thanos/
      - compactor_data:/data
    command:
      - 'compact'
      - '--log.level=debug'
      - '--data-dir=/data'
      - '--objstore.config-file=/etc/thanos/bucket_config.yaml'
      - '--http-address=0.0.0.0:10902'
      - '--wait'
    privileged: true
    restart: always

  grafana:
    image: ${grafana-image}
    user: ""
    ports:
      - :
    volumes:
      - grafana_data:/var/lib/grafana
    restart: always

  thanos-ruler:
    image: ${thanos-image}
    volumes:
      - ./thanos/:/etc/thanos/
    command:
      - 'rule'
      - '--grpc-address=0.0.0.0:10901'  # Ruler Store API
      - '--http-address=0.0.0.0:10902'  # Ruler UI
      - '--log.level=debug'
      - '--data-dir=/data'
      - '--eval-interval=15s'
      - '--query=thanos-querier:10902'
      - '--alertmanagers.url=http://alertmanager:9093'
      - '--rule-file=/etc/thanos/*.rules.yaml'
      - '--objstore.config-file=/etc/thanos/bucket_config.yaml'
      - "--label=monitor_cluster=\"poc-ocp01\""
      - "--label=replica=\"r1\""
    ports:
      - :
    privileged: true
    depends_on:
      - thanos-querier
    restart: always

  alertmanager:
    image: ${alertmanager-image}
    ports:
      - :
    volumes:
      - ./thanos/:/etc/alertmanager/
    restart: always
    privileged: true
    command:
      - '--data.retention=120h'
      - '--web.listen-address=0.0.0.0:9093'
      - '--config.file=/etc/alertmanager/alertmanager.yaml'
      - '--storage.path=/alertmanager'

TIPS:

• 创建alertmanager高可用集群可以参见这里
• prometheus和ruler都需要配置external label，否则可能会出现数据冲突
• store-gateway可能会发生OOM，可以尝试使用--max-time命令限制查找的metric的范围。参见该issue
• compactor建议配置--consistencyDelay参数，防止由于畸形报文导致compactor崩溃