監控工具之---Prometheus原理介紹(一)

什麼是Prometheus？

　　Prometheus是由SoundCloud開源的監控系統，是Google BorgMon監控系統的開源版本。伴隨着容器及Kubernetes技術的興起，Prometheus愈來愈受到你們的關注。

　　不管是傳統數據中心仍是雲數據中心，不管是物理機，虛擬機仍是容器，整個數據中心的建設都繞不開監控這個話題。優秀的監控系統不只須要兼容各類設備和環境，還須要具有高性能，高可靠及易運維等特性，Prometheus正是其中之一。伴隨着容器相關技術的興起，Prometheus正逐步成爲容器監控的標準，而且對於傳統應用和設備也有良好的兼容性。

　　Prometheus有GO語言編寫而成，採用Pull方式獲取監控信息，並提供了多維度的數據模型和靈活的查詢接口。Prometheus不只能夠經過靜態文件配置監控對象，還支持自動發現機制，可以經過Kubernetes，Consul，DNS等多種方式動態獲取監控對象。在數據採集方面，藉助Go語言的高併發特性，單機Prometheus能夠採集數百個節點的監控數據；在數據存儲方面，隨着本地時序數據庫的不斷優化，單機Prometheus每秒能夠採集一千萬個指標，若是須要存儲大量的歷史監控數據，則還支持遠端存儲。

 

Prometheus生態系統組件架構：

 

 　　Prometheus Server負責定時在目標上抓取Metrics數據，每一個抓取目標都須要暴露一個HTTP服務接口用於Prometheus定時抓取。這種調用被監控對象獲取監控數據的方式被稱爲Pull。Pull方式體現了Prometheus獨特的設計哲學與大多數採用了Push方式的監控系統不一樣。
　　但某些現有系統是經過push方式實現的，爲了接入這個系統，Prometheus提供對PushGateway的支持，這些系統主動推送metrics到PushGateway，而Prometheus只是定時去Gateway上抓取數據。

　　AlertManager是獨立於Prometheus的一個組件，在觸發了預先設置在Prometheus中的高級規則後，Prometheus便會推送告警信息到AlertManager。

　　Prometheus支持兩種存儲方式：　　

• 一種是本地存儲。經過Prometheus自帶的時序數據庫將數據保存到本地磁盤，爲了性能考慮，建議使用SSD。但本地存儲的容量畢竟有限，建議不要保存超過一個月的數據。
• 另外一種是遠程存儲，適用於存儲大量監控數據。經過中間層的適配器的轉化，目前Prometheus支持OpenTSDB、InfluxDB、Elasticsearch等後端存儲，經過適配器實現Prometheus存儲的remote write和remote read接口，即可以接入Prometheus做爲遠端存儲使用。

Prometheus的優點：

• 由監控名稱和鍵/值對標籤標識的時間序列數據組成的多維數據模型
• 強大的查詢語言PromQL
• 不依賴分佈式存儲；單個服務節點具備自治能力
• 時間序列數據是服務端經過HTTP協議主動拉取得到的
• 也能夠經過中間網關來推送時間序列數據
• 能夠經過靜態配置文件或服務發現來獲取監控目標
• 支持多種類型的圖表和儀表盤

Prometheus監控目標：

• 長期趨勢分析：經過對監控樣本數據的持續收集和統計，對監控指標進行長期趨勢分析。例如，經過對磁盤空間增加率的判斷，咱們能夠提早預測在將來什麼時間節點上須要對資源進行擴容。
• 對照分析：兩個版本的系統運行資源使用狀況的差別如何？在不一樣容量狀況下系統的併發和負載變化如何？經過監控可以方便的對系統進行跟蹤和比較。
• 告警：當系統出現或者即將出現故障時，監控系統須要迅速反應並通知管理員，從而可以對問題進行快速的處理或者提早預防問題的發生，避免出現對業務的影響。
• 故障分析與定位：當問題發生後，須要對問題進行調查和處理。經過對不一樣監控以及歷史數據的分析，可以找到並解決根源問題。
• 數據可視化：經過可視化儀表盤可以直接獲取系統的運行狀態、資源使用狀況、以及服務運行狀態等直觀的信息。

指標摘要：

　　一般來講，單個指標對咱們價值很小，每每須要聯合並可視化多個指標，這其中須要應用一些數學轉換。

• 計數(count)：計算特定時間間隔的觀察點數。
• 求和(sum)：將特定時間間隔內全部觀察點的值累計相加
• 平均值(avg)：提供特定時間間隔內全部值的平均值
• 中間數：數值的幾何中點，正好50%的數值位於他前面，而另外50%則位於它後面
• 百分位數：度量佔總數特定百分比的觀察點的值
• 標準差(stddev)：顯示指標分佈中與平均值的標準差，這能夠策略出數據集的差別程度。標準差爲0表示數據都等於平均值，較高的標準差意味着數據分佈的範圍很廣。