监控利器之 Prometheus

一直以来，我们会在项目中，使用 APM 去监控应用的状况，分析性能等，这些工具很有效，而且不侵入业务，不需要埋点。

然而，有些需求，是 APM 的监控满足不了的，比如应用业务指标。

监控模式

目前，采集指标有两种方式，一种是『推』，另一种就是『拉』：

推的代表有 ElasticSearch，InfluxDB，OpenTSDB 等，需要你从程序中将指标使用 TCP，UDP 等方式推送至相关监控应用，只是使用 TCP 的话，一旦监控应用挂掉或存在瓶颈，容易对应用本身产生影响，而使用 UDP 的话，虽然不用担心监控应用，但是容易丢数据。

拉的代表，主要代表就是 Prometheus，让我们不用担心监控应用本身的状态。而且，可以利用 DNS-SRV 或者 Consul 等服务发现功能就可以自动添加监控。

当然，InfluxDB 加上 collector，或者 ES 加上 metricbeat 也可以变为 『拉』，而 Prometheus 加上 Push Gateway 也可以变为 『推』。

接下来，我们主要介绍下 Prometheus。

Prometheus

『普罗米修斯』，也是希腊之神，取义『先见之明』，应该就是监控的意义所在吧。

它跟 k8s 一样，也是依据 Google 内部的应用原理设计来的，可以看作是 Google 内部监控系统 Borgmon 的一个实现。

架构图如下（来自 Prometheus 官方文档）：

Prometheus 可以从配置或者用服务发现，去调用各个应用的 metrics 接口，来采集数据，然后存储在硬盘中，而如果是基础应用比如数据库，负载均衡器等，可以在相关的服务中安装 Exporters 来提供 metrics 接口供 Prometheus 拉取。

采集到的数据有两个去向，一个是报警，另一个是可视化。

下面将一一介绍。

Metrics 格式

<metric name>{<label name>=<label value>, ...}

各个部分需符合相关的正则表达式

• metric name: [a-zA-Z_:][a-zA-Z0-9_:]*
• label name: [a-zA-Z0-9_]*
• label value: .* (即不限制)

需要注意的是，label value 最好使用枚举值，而不要使用无限制的值，比如用户 ID，Email 等，不然会消耗大量内存，也不符合指标采集的意义。

Metrics 接口的实现

大部分语言都有提供客户端，比如 Node.js 的客户端 prom-client：

npm install prom-client --save

目前，这个客户端提供了完整功能，可以在应用中埋点采集数据，比如

• 今天注册了多少用户，收入了多少钱，可以使用 Counter;
• Node 内存以及 CPU 的变化，可以使用 Gause；
• API 接口响应时间的统计，可以使用 Histogram 或者 Summary，前者可以按照具体数值，而后者可以按照百分比去统计响应时长；

对了，这个包内部提供了采集默认数据的功能，比如 Node 相关的指标：

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

promClient.collectDefaultMetrics({
    timeout: 5000,
});

报警

你可以根据业务需求，来定制相关的规则去报警，然后关键就来了，你是否在传统的短信或者邮件报警中感到厌烦呢？

一方面，当线上问题出现的时候，我们会收到大量的报警消息，而其中很大一部分是重复的；另一方面，收到没用的报警，或者报警级别不高，导致这时候如果有重要的报警，会被我们忽略。

Prometheus 的 AlertManager 提供了解决这些问题的各种高级报警功能。

• 报警分组：将报警分组，当报警大量出现的时候，只会发一条消息告诉你数据库挂了的情况出现了 100 次，而不是用 100 条推送轰炸你；
• 报警抑制：显然，当数据库出问题的时候，其它的应用可肯定会出问题，这时候你可能不会需要其它的不相干的报警短信，这个功能将真正有用的信息及时通知你；
• 报警静默：一些不重要的报警，可以完全忽略，因此也就没有必要通知；

报警通知的方式，目前可以通过 webhook, email 等方式，估计微信或者钉钉也可以，我目前使用的是 slack。

可视化

首选当然是 Grafana，Prometheus 自己放弃了 PromDash 的可视化工具，而专注于监控数据采集与分析。在 Grafana 中配置 Prometheus 也很简单，在配置好数据源之后，可以直接创建图表。

需要注意的是，你会需要用到 Prometheus 专用的查询语言去配置数据，其中如果涉及到的图表内容太多，你可能会需要用到 Grafana 的模板：

• label_values(label)：全局中 label 值的集合；
• label_values(metric, label)：某个 metric 的 label 值的集合；
• metrics(metric)：metric 的正则表达集合，返回全部匹配的 metric；
• query_result(query)：返回查询集合；

Ref

• https://prometheus.io/docs/operating/configuration/
• https://prometheus.io/blog/2015/06/01/advanced-service-discovery/
• http://docs.grafana.org/features/datasources/prometheus/

---

首发于 Github issues: https://github.com/xizhibei/blog/issues/54 ，欢迎 Star 以及 Watch

本文采用 署名-非商业性使用-相同方式共享（BY-NC-SA）进行许可
作者：习之北 (@xizhibei)
原链接：https://blog.xizhibei.me/zh-cn/2017/08/06/monitoring-with-prometheus/

---