• Prometheus基础


    监控系统作用

        监控系统主要用于保证所有业务系统正常运行, 和业务的瓶颈监控. 需要周期性采集和探测.

    采集的详情

    • 采集: 采集器, 被监控端, 监控代理, 应用程序自带仪表盘, 黑盒监控, SNMP.
    • 存储: SQL, NoSQL(k/v, document, TSDB(series))
    • 展示: Grafana
    • 报警: Alert 通知 Email, 短信, 微信, 钉钉,
    • 常见开源实现: (Cacti/Nagios/ zabbix/ Prometheus)

    监控体系

    • 系统层监控
      • 系统监控: CPU, Memory, Swap, Disk, Process, Load
      • 网络监控: 网络设备, 工作负载, 网络延迟, 丢包率...
    • 基础设施是监控
      • 消息中间件: Kafka, RocketMQ, RabbitMQ等..
      • Web服务容器: Tomcat, Jetty, Nginx等..
      • 数据库及缓存系统: Mysql, Redis, MogoDB, ElasticSearch.
      • 存储系统: Ceph等.
    • 应用层监控
      • 用于衡量应用程序代码的状态和性能.
    • 业务层监控
      • 用于衡量应用程序价值, 例如电子商务网站的销售量.
      • QPS,DAU日活, 转化率.
      • 业务接口: 登录数, 注册数, 订单量 搜索量, 的支付量等.

     云原生时代可观测性

    • 可观测性系统
      • 指标监控(Metrics): 随时间推移产生的一些于监控相关的可集合数据点.
      • 日志监控(Logging): 离散式的日志或事件.
      • 链路跟踪(Tracing): 分布式应用调用链链跟踪.

    CNCF 将可观测性和数据分析归类一个单独的类别, 且划分成了4个子类

    • 系统监控: 以 Prometheus 等为代表.
    • 日志系统: 以 ElasticStack和PLG Stack等为代表
    • 分布式调用链跟踪系统: 以 Zipkin, Jaeger, SkyWalking, Pinpoint等为代表.
    • 混沌工程系统: 以 ChaosMonkey, 和 ChaosBlade等为代表.

    Prometheus

        prometheus 是一款时序(time series)数据库,  但他的功能却并非止步于TSDB,  而是一款设计用于进行目标(Target)监控的关键组件.

       组合生态系统内的其他组件, 例如 Pushgateway, Altermanager 和 Grafana等, 可构成完整的IT监控系统.

       Metric, 有独创的指标格式, Prometheus 格式.

       多维度标签, 每个独立的标签组合都代表一个独立的时间序列.

       内建时序数据的聚合, 切割, 切片功能.

        支持双精度浮点型数据.

    时序数据简介

        时序数据, 是在一段时间内通过重复测量(measurement)而获得的观测值的集合; 将这些观测值绘制于图形之上, 它会有一个数据轴和一个时间轴.

       服务器指标数据, 应用程序性能监控数据, 网络数据等也是时序数据.

    如何抓取数据Pull?

        基于 HTTP call, 从配置文件中指定的网络端点(endpoint) 上周期性获取指标数据.

    Prometheus 支持通过三种类型的途径从目标上抓取(Scrape) 指标数据.

    • Exporters 内建不支持指标暴露

    • Instrumentation 应用程序内建的

    • Pushgateway

    Prometheus 同其它 TSDB 相比有一个非常经典的特性; 他可以主动从 Target 上"拉取" 数据, 而非等待被监控端的agent推送"push";

    两种方式各有优劣, 其中 Pull 模型的优势在于:

    • 集中控制: 有利于将配置集中在 Prometheus Server上完成, 包括指标即采集速率等.

    • Prometheus 的根本目标在于收集 在 Target 上预先完成集合的聚合性数据.而非一款由时间驱动的存储系统.

    Prometheus 生态组件

    • Prometheus Server: 收集和存储时间序列数据.
    • Client Library: 客户端库, 目的在于为那些期望原生提供 Lnstrumentation 更的应用程序提供便捷的开发途径.
    • Push Gateway: 接收那些通常由短期作业生成的指标数据的网关, 并支持Prometheus Server 进行指标拉取操作;
    • Exporters: 用于暴露现有应用程序或者服务(不支持Instrumentation) 的指标给Prometheus Server.
    • Alertmanager: 从 Prometheus Server 接收到告警通知后, 通过去重分组, 路由等预处理功能以高效向用户完成告警信息发送.
    • Data Visuaization: Prometheus Web UI(Prometheus Server 内建), 及 Grafana 等,
    • Service Discovery: 动态发现待监控的Target, 从而完成监控配置的中间组件, 从容器化环境尤为重要, 该组件目前由 Prometheus Server内建支持.

    Prometheus 数据模型

    Prometheus 仅用于以键值形式存储的时间式的聚合数据, 它并不支持存储文本信息.

    其中 键 成为指标 "Metric", 它通常意味着 CPU速率, 内存使用速率, 或 分区空闲比例等.

    用一指标可能会适配到读个目标或设备, 因而他使用标签作为元数据, 从而为 Metric 添加更多的信息描述纬度.

    这些标签还可以作为过滤器进行指标过滤机聚合运算.

    指标类型

    Counter 计数器

        用于保存单调递增的数据, 例如访问站点访问次数等, 不能为负值, 也不支持减少, 但是可以重置为0.

    Gauge 仪表盘

        用于 存储有着起伏特征的指标数据, 例如内存空间大小等;

         Gauge 是 Counter 的超集, 但存在指标数据丢失的可能性是, Counter 能让用户确切来哦接指标随时间的变化, 而 Gauge 则可能随时间流逝而精准度越来越低.

    Histogram 直方图

         它会在一段时间内对数据进行采样, 并将其计入可配置的 bucket 之中, Histogram 能够储存更多的信息, 包括样本值分部在每个 bucket (bucket 自身的可配置) 中的数量, 所有样本值之和和以及总的样本数量, 从而 Prometheus 能够使用内建函数进行如下操作:

    • 计算样本平均值: 以值的总和除以值的数量.

    • 计算样本分位值: 分为数有助于了解符合特定标准的数据个数. 例如评估响应时长超1秒中的请求比例, 若超过20%即发送告警等.

    summary 摘要

       Histogram 扩展类型, 单它使直接由被检测端自行聚合计算出分位数, 并将计算结果响应给 Prometheus Server 的样本采集请求, 因而, 其分位数计算是由监控端完成.

     

    作者:闫世成

    出处:http://cnblogs.com/yanshicheng

    联系:yans121@sina.com

    本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,如有问题或建议,请多多赐教,非常感谢。
  • 相关阅读:
    通用测试用例(二)
    loadrunner基础学习笔记八-分析场景
    loadrunner基础学习笔记七-面向目标场景
    Detect the Virus ZOJ
    考研路茫茫——单词情结 HDU
    DNA Sequence POJ
    病毒侵袭持续中 HDU
    病毒侵袭 HDU
    Keywords Search HDU
    codeforces 949B :A Leapfrog in the Array 找规律
  • 原文地址:https://www.cnblogs.com/yanshicheng/p/15189663.html
Copyright © 2020-2023  润新知