Prometheus使用

suveng 5年前运维监控被围观了714次

Prometheus使用

环境

命令行入门实例

CPU使用率计算

CPU在t1到t2时间段总的使用时间 = ( user2+ nice2+ system2+ idle2+ iowait2+ irq2+ softirq2) - ( user1+ nice1+ system1+ idle1+ iowait1+ irq1+ softirq1) CPU在t1到t2时间段空闲使用时间 =(idle2 - idle1)

CPU在t1到t2时间段即时利用率 = 1 - CPU空闲使用时间 / CPU总的使用时间

increase() 函数:解决counter类型的时间增量

多核CPU计算

sum()结果求和

获取CPU时间
获取空闲时间idle

获取总的时间

单台机器的CPU总利用率

  1-(sum(increase(node_cpu_seconds_total{instance="192.168.9.232:9100",mode="idle"}[1m]))/sum(increase(node_cpu_seconds_total{instance="192.168.9.232:9100"}[1m])))

by(instance): 区分不同实例
```
(1-( sum(increase(node_cpu_seconds_total{mode="idle"}[1m])) by(instance) / sum(increase(node_cpu_seconds_total{}[1m]) ) by(instance) )) * 100
```
- 计算其他CPU状态时间的使用
- iowait io等待时间
sum(increase(node_cpu_seconds_total{mode="iowait"}[1m])) by(instance) / sum(increase(node_cpu_seconds_total{}[1m]) ) by(instance)
- irq 硬中断
sum(increase(node_cpu_seconds_total{mode="irq"}[1m])) by(instance) / sum(increase(node_cpu_seconds_total{}[1m]) ) by(instance)
- soft irq 软中断
sum(increase(node_cpu_seconds_total{mode="softirq"}[1m])) by(instance) / sum(increase(node_cpu_seconds_total{}[1m]) ) by(instance)
- steal 虚拟机的分片时间
sum(increase(node_cpu_seconds_total{mode="steal"}[1m])) by(instance) / sum(increase(node_cpu_seconds_total{}[1m]) ) by(instance)
- nice 进程分配nice值的时间
sum(increase(node_cpu_seconds_total{mode="nice"}[1m])) by(instance) / sum(increase(node_cpu_seconds_total{}[1m]) ) by(instance)
- idle空闲
sum(increase(node_cpu_seconds_total{mode="idle"}[1m])) by(instance) / sum(increase(node_cpu_seconds_total{}[1m]) ) by(instance)
- user用户态
sum(increase(node_cpu_seconds_total{mode="user"}[1m])) by(instance) / sum(increase(node_cpu_seconds_total{}[1m]) ) by(instance)
- sytem内核态
sum(increase(node_cpu_seconds_total{mode="system"}[1m])) by(instance) / sum(increase(node_cpu_seconds_total{}[1m]) ) by(instance)

命令行扩展使用
- 过滤
- 标签过滤 key{label=""}
- 模糊匹配 key{label=~"web.*"}
- 数值过滤
- 四则运算 key{.} > 400
- 函数
- rate(.[5m]) 搭配counter型数据, 按照设置的一个时间段,取counter在这个时间段的增量的平均每秒
$value = ∆S/∆t$
- 时间段的取值要考虑采集数据的程序采集间隔
- increase(.[5m])搭配counter型数据,取一个时间段的增量 $value=∆S$
- sum()加和
- 结合 by()
- topk(x,key) 取最高前x位
- 不适合 graph ; 适用于console 查看
- 适合瞬时报警
- count()
- 模糊监控判断
采集数据

服务端启动-适用于生产
- Peometheus加载配置文件
- 向prometheus进行发信号
- kill -HUP pid
- 向prometheus发送HTTP请求
- curl -XPOST http://prometheus.chenlei.com//blog/reload
- 后台运行
- 使用 screen 工具
- 使用 daemonize
```
> yum install -y kernel-devel 
> yum groupinstall -y Development tools
> git clone https://github.com/bmc/daemonize.git
> cd daemonize
> ./configure && make && make install 
```
启动prometheus额外参数
- –web.listen-address : 监听地址 0.0.0.0:9090
- –web.read-timeout : 请求链接最大等待时间 2m
- –web.max-connections: 最大连接数 10
- –storage.tsdb.retention: 数据保存期限 90d
- –storage.tsdb.path: 数据保存路径 /data/prometheus/server/data
- –query.max-concurrency: 最大并发数 20
- –query.timeout: 查询超时时间 2m
存储结构

  server/
  └── data
      ├── 01DM9HP1PHHK2BD1MGC7J1C0YC
      │   ├── chunks
      │   │   └── 000001
      │   ├── index
      │   ├── meta.json
      │   └── tombstones
      ├── 01DM9ZDG8QKWTPYZ86K7XW6FKZ
      │   ├── chunks
      │   │   └── 000001
      │   ├── index
      │   ├── meta.json
      │   └── tombstones
      ├── 01DMAM0NM51YSQ4EVRRV46X2E1
      │   ├── chunks
      │   │   └── 000001
      │   ├── index
      │   ├── meta.json
      │   └── tombstones
      ├── 01DMAM0P4CGJWSSA15QPWJGZXF
      │   ├── chunks
      │   │   └── 000001
      │   ├── index
      │   ├── meta.json
      │   └── tombstones
      ├── lock
      ├── queries.active
      └── wal
          ├── 00000011
          ├── 00000012
          ├── 00000013
          ├── 00000014
          ├── 00000015
          ├── 00000016
          ├── 00000017
          ├── 00000018
          └── checkpoint.000010
              └── 00000000

近期数据保存在wal/目录中,防止突然断电或者重启,以用来恢复内存中的数据

服务端配置文件写法

global:
  scrape_interval:     5s #抓取频率
  evaluation_interval: 1s 



alerting:
  alertmanagers:
  - static_configs:
    - targets:



rule_files:

scrape_configs:	

  - job_name: 'prometheus'

    static_configs:
    - targets: ['localhost:9090']

  - job_name: '233-node-exporter'

    static_configs:
    - targets: ['192.168.9.233:9100']

  - job_name: '232-node-exporter'

    static_configs:
    - targets: ['192.168.9.232:9100']

  - job_name: '239-node-exporter'

    static_configs:
    - targets: ['192.168.9.239:9200']

node_exporter

github地址

采集服务器的指标
有足够多的默认采集项
可以通过启动时,开启或者禁用某些指标

pushgateway

介绍主动推送数据到prometheus server

可以单独运行在不同节点上,并不要求是监控节点

安装
- 0.9.1 / 2019-08-01
- 下载地址: 链接
- 解压
- 运行
自定义采集脚本发送到pushgateway
- 安装pushgeteway
- prometheus配置job关联pushgateway
- 目标主机编写脚本采集数据
- 定时执行发送metric数据到pushgateway
```
#!/bin/bash
instance_name=instance_name
    
label=label
value=123
    
echo "$label $value" | curl --data-binary @- http://192.168.9.233:9091/metrics/job/test/instance/$instance_name
```
- 缺点
- 单点瓶颈
- 没有数据过滤
自定义exporter
- 开发流程
- 官网介绍
- web HTTP 服务, 响应外部GET请求
- 运行在后台,定期触发抓取本地的监控数据
- 响应结果必须符合prometheus的metrics的格式
- [Java]Spring版exporter
- 自定义Metrics：让Prometheus监控你的应用程序（Spring版）
- Go语言开发Prometheus Exporter示例
界面可视化

grafana
- 介绍开源数据绘图工具
- 安装
- grafana官网
- 官网安装引导
- 默认端口: 3000
- 配置
- 添加prometheus数据源
- 添加dashboard
  image-20190910175959926
- 建立Dashboard
- 数据源配置
  image-20190910175917439
- 图形配置
- Visualization
  image-20190910175754722
- Axes
  image-20190910175814132
- Legend
  image-20190910175830342
- Thresholds & Time Regions
  image-20190910175852153
- Data link
- 通用配置
  image-20190910180031703
- 告警配置
  image-20190910180042705
- 备份
- 导出json
- save as
- 还原
- 导入json/粘贴json
- 报警功能报警是 grafana 4.0 的新功能
- 钉钉告警
- pageduty
实践
- 内存使用率
- 数据来源 node_exporter
- 计算公式 $value=available/Sum$ 实际可用内存=free+buffers+cached
- 公式实现 ((node_memory_MemFree_bytes+node_memory_Buffers_bytes+node_memory_Cached_bytes)/node_memory_MemTotal_bytes)*100
- 硬盘io监控
- 数据来源 node_exporter
- 计算公式 $value=读速度+写速度$
- 公式实现函数: predict_linear(), 预测趋势 (rate(node_disk_read_bytes_total[1m])+rate(node_disk_written_bytes_total[1m]))
- 网络监控
- 数据来源 bash脚本+pushgateway
- 脚本编写采集内网流量ping延迟和丢包率
```
instance=`hostname -f`
#外网联通
lostpk=`timeout 5 ping -q -A -s 500 -W 1000 -c 100 baidu.com | grep transmitted | awk '{print $6}'`
#时间
rrt=`timeout 5 ping -q -A -s 500 -W 1000 -c 100 baidu.com | grep transmitted | awk '{print $10}'`
    
# value只允许数值型
value_lostpk=${lostpk%%\%}
value_rrt=${rrt%%ms}
    
# 通过 pushgateway 发送给prometheus
echo "lostpk_$instance : $value_lostpk"
echo "lostpk_$instance $value_lostpk" | curl --data-binary @- http://192.168.9.233:9091/metrics/job/network-traffic/instance/$instance
    
echo "rrt_$instance : $value_rrt"
echo "rrt_$instance $value_rrt" | curl --data-binary @- http://192.168.9.233:9091/metrics/job/network-traffic/instance/$instance
    
```
- 定时执行资料定时执行步骤:
- 安装crontab
- 在/etc/crontab配置cron运行对应可执行脚本
- 查看结果
- 在prometheus查看targets有没有在线,如果没有需要到prometheus配置,记得刷新配置
  image-20190912115039938
- 查看配置
image-20190912115136770
- 看指标,在命令行输入刚刚自定的key应该会有提示出现lostpk rrt
  image-20190912124023780
ping 和 port监控问题,prometheus不适合
- 如果在pushgateway到脚本之间或者 prometheus 到 pushgateway之间出现网络问题, 那么数据就无法采集, 会出现误报情况
- 使用nagios可以替换这种监控的缺点