Prometheus 极速概览

2021-08-30codingprometheus

配置文件

和 K8s 一样，prometheus 也是一个配置驱动的系统，了解配置是关键，后面的小节会覆盖不少细节，现在暂时粗略预览整个配置文件的结构：

global:
  # How frequently to scrape targets by default.
  # 抓 target 的频率
  [ scrape_interval: <duration> | default = 1m ]

  # How long until a scrape request times out.
  # 超时时间
  [ scrape_timeout: <duration> | default = 10s ]

  # How frequently to evaluate rules.
  # 计算 rule 的频率
  [ evaluation_interval: <duration> | default = 1m ]

  # The labels to add to any time series or alerts when communicating with
  # external systems (federation, remote storage, Alertmanager).
  external_labels:
    [ <labelname>: <labelvalue> ... ]

  # File to which PromQL queries are logged.
  # Reloading the configuration will reopen the file.
  [ query_log_file: <string> ]

# Rule files specifies a list of globs. Rules and alerts are read from
# all matching files.
# 一组 glob（带通配符的文件地址），读取文件中的规则和告警
rule_files:
  [ - <filepath_glob> ... ]

# A list of scrape configurations.
# 抓取配置，可以分组配置 exporter
scrape_configs:
  [ - <scrape_config> ... ]

# Alerting specifies settings related to the Alertmanager.
alerting:
  alert_relabel_configs:
    [ - <relabel_config> ... ]
  alertmanagers:
    [ - <alertmanager_config> ... ]

# Settings related to the remote write feature.
remote_write:
  [ - <remote_write> ... ]

# Settings related to the remote read feature.
remote_read:
  [ - <remote_read> ... ]

在 prometheus GitHub 仓库里有一份推荐参考的配置文件，写配置时感到迷惑可以看看。

基本流程

Prometheus Server 收集 exporter 或 job 的数据，推送到 Alertmanager；同时，Grafana 和 API 客户端可以使用 PromQL 向 Prometheus Server 查询数据。

要对对象进行监控，首先要在监控目标设置 exporter，常见例子有 node_exporter。

Exporter

要知道 node_exporter 暴露了怎样的数据，在正确安装 node_exporter 后，可以通过 http://192.168.41.128:9100/metrics 访问 metric 的内容，大概会像这样：

# HELP node_disk_io_time_seconds_total Total seconds spent doing I/Os.
# TYPE node_disk_io_time_seconds_total counter
node_disk_io_time_seconds_total{device="dm-0"} 903.864
node_disk_io_time_seconds_total{device="sda"} 903.688
node_disk_io_time_seconds_total{device="sr0"} 0.156
node_disk_io_time_seconds_total{device="sr1"} 0.124
# HELP node_disk_io_time_weighted_seconds_total The weighted # of seconds spent doing I/Os.
# TYPE node_disk_io_time_weighted_seconds_total counter
node_disk_io_time_weighted_seconds_total{device="dm-0"} 387.796
node_disk_io_time_weighted_seconds_total{device="sda"} 38.02
node_disk_io_time_weighted_seconds_total{device="sr0"} 0.024
node_disk_io_time_weighted_seconds_total{device="sr1"} 0.008
# HELP node_disk_read_bytes_total The total number of bytes read successfully.
# TYPE node_disk_read_bytes_total counter
node_disk_read_bytes_total{device="dm-0"} 7.86113536e+08
node_disk_read_bytes_total{device="sda"} 7.97292544e+08
node_disk_read_bytes_total{device="sr0"} 1.8208768e+07
node_disk_read_bytes_total{device="sr1"} 1.8243584e+07

不只是 node_exporter，所有 exporter 输出的数据都符合这样格式，其中包含三类内容：

  • # HELP 开头的是帮助信息
  • # TYPE 开头的是 metric 类型，也就是上面提到的 Counter、Gauge、Histogram、Summary
  • 其他的都是实际需要使用的数据，结构包括 metric 本体、值、时间戳（可以没有默认当前时间），用 EBNF 表示为如下架构：
metric_name [
  "{" label_name "=" `"` label_value `"` { "," label_name "=" `"` label_value `"` } [ "," ] "}"
] value [ timestamp ]

数据格式先说到这，接着需要在 scrape_configs 属性中配置 job，分类抓取 exporter：

scrape_configs:
  - job_name: 'node'
    # Override the global default and scrape targets from this job every 5 seconds.
    # 可覆盖 global 配置的抓取间隔
    scrape_interval: 5s
    static_configs:
      - targets: ['localhost:8080', 'localhost:8081']
        labels:
          group: 'production'
      - targets: ['localhost:8082']
        labels:
          group: 'canary'

Record rule

可以使用 record rule（不知道该如何翻译，暂且叫做“记录规则”吧）聚合成新的信息，聚合输出的规则格式是用一个 groups 指定一组 rule_group。

groups:
  [ - <rule_group> ]

rule_group 再包含一组 rule：

# The name of the group. Must be unique within a file.
name: <string>

# How often rules in the group are evaluated.
[ interval: <duration> | default = global.evaluation_interval ]

rules:
  [ - <rule> ... ]

rule 格式则是这样的，重点，敲黑板：

# The name of the time series to output to. Must be a valid metric name.
record: <string>

# The PromQL expression to evaluate. Every evaluation cycle this is
# evaluated at the current time, and the result recorded as a new set of
# time series with the metric name as given by 'record'.
expr: <string>

# Labels to add or overwrite before storing the result.
labels: [<labelname>: <labelvalue>]

对于记录规则的名称，在官方文档有一些建议。

按照 groups、rule_group、rule 三层结构，把 rule 组合保存到 prometheus.rules.yml 文件，就是这样的：

groups:
  - name: cpu-node
    rules:
      - record: job_instance_mode:node_cpu_seconds:avg_rate5m
        expr: avg by (job, instance, mode) (rate(node_cpu_seconds_total[5m]))

再在 Prometheus 配置中使用 rule 配置文件：

rule_files:
  - 'prometheus.rules.yml'

rule 的 record 是聚合得来的新纪录的名称；expr 是聚合规则，其使用的便是 prometheus 的一大重点 PromQL。

PromQL

表达式由四种类型组成：

  • Instant vector 瞬时向量
  • Range vector 区间向量
  • Scalar 纯量
  • String 字符串

选择器：

  • 瞬时选择，最简单的选择只需要使用 metric 的名称，也可以用 {} 筛选标签
  • 区间选择 []
  • 时间偏移 Offset
  • 指定时间 @

Subquery 返回一个区间向量：

<instant_query> '[' <range> ':' [<resolution>] ']' [ @ <float_literal> ] [ offset <duration> ]

操作符：

  • 二元操作符，包括算术运算（+-*/%^）和比较（== != > < >= <=）两类
  • 聚合操作符，sum、max、topk 等，更多请看文档

函数：看文档

The Four Golden Signals：

  • Latency
  • Traffic
  • Errors
  • Saturation

引用自 Google SRE book

一个比较靠谱的 PromQL 中文说明。可以在 promlens 分析和测试你的 PromQL。

Alert rule

除了聚合新信息还可以编写告警规则（alert rule），它的格式如下：

# The name of the alert. Must be a valid label value.
alert: <string>

# The PromQL expression to evaluate. Every evaluation cycle this is
# evaluated at the current time, and all resultant time series become
# pending/firing alerts.
expr: <string>

# Alerts are considered firing once they have been returned for this long.
# Alerts which have not yet fired for long enough are considered pending.
[ for: <duration> | default = 0s ]

# Labels to add or overwrite for each alert.
labels:
  [ <labelname>: <tmpl_string> ]

# Annotations to add to each alert.
annotations:
  [ <labelname>: <tmpl_string> ]

包含三层结构的一个例子：

groups:
  - name: example
    rules:
      - alert: HighRequestLatency
        expr: job:request_latency_seconds:mean5m{job="myjob"} > 0.5
        for: 10m
        labels:
          severity: page
        annotations:
          summary: High request latency

在 annotations 中可以使用模板语法。

AlertManager

为了在 AlertManager 查看告警，需要在配置文件中关联 AlertManager：

alerting:
  alertmanagers:
    - static_configs:
        - targets: ['localhost:9093']

AlertManager 除了提供基本的告警通知能力以外，还主要提供了如：分组、抑制以及静默等告警特性。

Alertmanager 本身也有配置，文档在此，暂不展开。

Glossary

Metric

结构 = Metric names + labels

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

这是一个例子：

api_http_requests_total{method="POST", handler="/messages"}

Metric 类型：

  • Counter
  • Gauge
  • Histogram
  • Summary

Job

一个 exporter 就是一个 target，job 是相同逻辑 target 的集合。

Time series

数据会以 Time series 的形式存入 TSDB（时序数据库）。

参考

暂时没有留言，要抢沙发吗？
留言
隐
夜