Prometheus 中文教程

1. 项目概述

Prometheus 是一个开源的监控系统和时序数据库，专为收集、存储和分析指标数据而设计。它最初由 SoundCloud 开发，现在是 Cloud Native Computing Foundation (CNCF) 的毕业项目。

主要功能

  • 多维度数据模型：通过键值对标识的时间序列数据
  • 灵活的查询语言 PromQL：支持复杂的数据分析和聚合
  • 高效的存储：本地时序数据库，支持长期存储
  • 基于 HTTP 的拉取模型：从目标服务获取指标
  • 自动发现目标：支持多种服务发现机制
  • 集成的告警功能：基于 PromQL 表达式的告警规则
  • 丰富的可视化集成：与 Grafana 等工具无缝集成

技术栈特点

  • 用 Go 语言编写，性能优异
  • 单机部署简单，集群部署可扩展
  • 开源社区活跃，生态系统丰富
  • 与 Kubernetes 深度集成

适用环境

  • 云原生环境监控
  • 微服务架构监控
  • 容器环境监控
  • 传统服务器监控

2. 安装与配置

2.1 二进制安装

  1. 从 Prometheus 官网 下载对应平台的二进制文件
  2. 解压文件
  3. 运行 Prometheus
# 下载最新版本
wget https://github.com/prometheus/prometheus/releases/download/v2.43.0/prometheus-2.43.0.linux-amd64.tar.gz

# 解压
tar xvfz prometheus-*.tar.gz
cd prometheus-*

# 运行 Prometheus
./prometheus --config.file=prometheus.yml

2.2 Docker 安装

docker run -d \n  --name prometheus \n  -p 9090:9090 \n  -v /path/to/prometheus.yml:/etc/prometheus/prometheus.yml \n  prom/prometheus

2.3 Kubernetes 安装

使用 Helm 安装：

helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
helm repo update
helm install prometheus prometheus-community/prometheus

2.4 基本配置

Prometheus 的配置文件为 YAML 格式，主要包含以下部分：

# prometheus.yml
global:
  scrape_interval: 15s  # 抓取间隔
  evaluation_interval: 15s  # 规则评估间隔

rule_files:
  # - "first_rules.yml"
  # - "second_rules.yml"

alerting:
  alertmanagers:
    - static_configs:
        - targets:
          # - alertmanager:9093

scrape_configs:
  - job_name: "prometheus"
    static_configs:
      - targets: ["localhost:9090"]

  - job_name: "node"
    static_configs:
      - targets: ["node-exporter:9100"]

3. 基本使用

3.1 启动 Prometheus

# 使用默认配置启动
./prometheus

# 使用自定义配置启动
./prometheus --config.file=my-config.yml

3.2 访问 Web UI

Prometheus 启动后，可以通过 http://localhost:9090 访问 Web UI。

3.3 基本查询

在 Web UI 的查询编辑器中，可以使用 PromQL 进行查询：

# 查询 Prometheus 自身的 HTTP 请求数
promhttp_requests_total

# 按路径分组查询
promhttp_requests_total by (handler)

# 查询 5 分钟内的请求率
rate(promhttp_requests_total[5m])

3.4 指标类型

Prometheus 支持四种指标类型：

  1. Counter：单调递增的计数器，如请求数、错误数
  2. Gauge：可增可减的仪表盘，如温度、内存使用率
  3. Histogram： histogram 类型，用于统计分布情况，如请求延迟
  4. Summary： summary 类型，类似于 histogram，但直接计算分位数

4. 高级特性

4.1 服务发现

Prometheus 支持多种服务发现机制：

  • 静态配置：手动指定目标
  • DNS 服务发现：通过 DNS 记录发现目标
  • 文件服务发现：通过配置文件发现目标
  • Consul 服务发现：从 Consul 集群发现目标
  • Kubernetes 服务发现：从 Kubernetes 集群发现目标

4.2 告警规则

配置告警规则：

# alerting_rules.yml
groups:
- name: example
  rules:
  - alert: HighErrorRate
    expr: rate(http_requests_total{status="5xx"}[5m]) / rate(http_requests_total[5m]) > 0.05
    for: 5m
    labels:
      severity: warning
    annotations:
      summary: "High error rate detected"
description: "Error rate is {{ $value }} on {{ $labels.instance }}"

4.3 远程存储

Prometheus 支持将数据发送到远程存储系统：

# prometheus.yml
remote_write:
  - url: "http://remote-storage:9090/api/v1/write"

remote_read:
  - url: "http://remote-storage:9090/api/v1/read"

4.4 记录规则

使用记录规则预计算复杂查询：

# recording_rules.yml
groups:
- name: example
  rules:
  - record: job:http_requests:rate5m
    expr: rate(http_requests_total[5m]) by (job)

5. 最佳实践

5.1 指标设计

  • 使用有意义的指标名称，遵循 {namespace}_{subsystem}_{metric} 格式
  • 为指标添加有意义的标签，便于查询和聚合
  • 避免使用高基数标签（如用户 ID、会话 ID 等）
  • 选择合适的指标类型

5.2 配置优化

  • 根据实际需求调整抓取间隔
  • 使用服务发现而非静态配置
  • 为不同类型的目标设置不同的抓取配置
  • 使用记录规则预计算复杂查询

5.3 存储优化

  • 合理设置存储保留时间
  • 考虑使用远程存储系统进行长期存储
  • 监控 Prometheus 自身的存储使用情况

5.4 告警最佳实践

  • 告警级别应反映问题的严重程度
  • 告警信息应包含足够的上下文信息
  • 避免告警风暴，使用告警分组和抑制
  • 定期审查和优化告警规则

6. 实际应用场景

6.1 监控服务器资源

使用 Node Exporter 监控服务器资源：

# prometheus.yml 中添加
scrape_configs:
  - job_name: "node"
    static_configs:
      - targets: ["localhost:9100"]

查询服务器 CPU 使用率：

100 - (avg by(instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)

6.2 监控应用服务

为应用添加 Prometheus 客户端库，暴露指标：

Node.js 应用示例：

const express = require('express');
const promClient = require('prom-client');

const app = express();

// 创建指标
const httpRequestsTotal = new promClient.Counter({
  name: 'http_requests_total',
  help: 'Total HTTP requests',
  labelNames: ['method', 'path', 'status']
});

// 中间件记录请求
app.use((req, res, next) => {
  const originalEnd = res.end;
  res.end = function() {
    httpRequestsTotal.inc({ method: req.method, path: req.path, status: res.statusCode });
    originalEnd.apply(this, arguments);
  };
  next();
});

// 暴露指标端点
app.get('/metrics', async (req, res) => {
  res.set('Content-Type', promClient.register.contentType);
  res.end(await promClient.register.metrics());
});

app.get('/', (req, res) => {
  res.send('Hello World!');
});

app.listen(3000, () => {
  console.log('Server listening on port 3000');
});

6.3 监控 Kubernetes 集群

使用 Prometheus Operator 监控 Kubernetes 集群：

# 安装 Prometheus Operator
helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
helm install prometheus-operator prometheus-community/kube-prometheus-stack

6.4 与 Grafana 集成

  1. 安装 Grafana
  2. 添加 Prometheus 数据源
  3. 创建仪表盘

基本仪表盘配置：

{
  "datasource": "Prometheus",
  "panelId": 1,
  "title": "HTTP 请求率",
  "type": "graph",
  "targets": [
    {
      "expr": "rate(http_requests_total[5m])",
      "legendFormat": "{{handler}}",
      "refId": "A"
    }
  ]
}

7. 总结

Prometheus 是一个功能强大、灵活可扩展的监控系统，特别适合云原生环境和微服务架构。通过本文的介绍，您应该已经了解了 Prometheus 的核心概念、安装配置、基本使用和高级特性。

关键优势

  • 多维度数据模型，支持复杂查询
  • 高效的存储和查询性能
  • 灵活的服务发现机制
  • 强大的告警功能
  • 丰富的生态系统和集成

应用场景

  • 系统和服务监控
  • 性能分析和故障排查
  • 业务指标监控
  • 容量规划和预测

Prometheus 与 Grafana 等工具结合使用，可以构建完整的监控和可视化解决方案，帮助您更好地理解和管理您的系统。

« 上一篇 OpenEBS容器存储教程 下一篇 » Grafana 中文教程
↑