什么是Prometheus？

引入

我们先来类比这样一个场景：

有一个已经上线的系统平台，用户在访问某个页面时响应及其缓慢，就投诉给产品，产品又来找研发，研发经过排查后，发现磁盘打满了，就把磁盘清了，系统恢复了正常。

过了没几天，又出现同样的问题，这次研发发现的问题是系统cpu打满了，接着就去各种调试后，系统恢复了正常。

然而又过了没几天，出现了…xxx…问题，产品又来找研发，还吐槽这系统真菜，这么不稳定，你是不是不行啊…研发表面接受，心里一万个羊驼在奔腾…没办法啊，我心里也苦…

之后研发受够了，索性开发了系统，让系统去主动发现可预见的问题，有问题之后给研发报警，研发知道后，悄悄的在用户产品发现前将其处理了，这样就舒服了…再也不用被指着鼻子了。

相信上述案例，大家或多或少都会遇到过，而在这里，我们就要引出我们的主角——Prometheus。

什么是 Prometheus？

Prometheus（普罗米修斯）是古希腊的一个神明，而他的超能力就是未卜先知，提前可以发现一些事情。对应我们的技术层面，不就是监控告警么。

维基百科的解释：Prometheus is a free software application used for event monitoring and alerting（Prometheus 是用来监控、报警的免费软件）。

Prometheus 官网的解释「From metrics to insight」（用指标洞察系统的意思）描述了 Prometheus 的用途。

历程：

Prometheus 受启发于 Google 的Brogmon 监控系统（相似的 Kubernetes 是从 Google的 Brog 系统演变而来），从 2012 年开始由前 Google 工程师在 Soundcloud 以开源软件的形式进行研发，并且于 2015 年早期对外发布早期版本。

2016 年 5 月继 Kubernetes 之后成为第二个正式加入 CNCF 基金会的项目，同年 6 月正式发布 1.0 版本。2017 年底发布了基于全新存储层的 2.0 版本，能更好地与容器平台、云平台配合。

Prometheus 作为新一代的云原生监控系统，目前已经有超过 650+位贡献者参与到Prometheus 的研发工作上，并且超过 120+项的第三方集成。

看到这里我们大概知道 Prometheus 其实就是一个数据监控解决方案，它能帮你简单快速地搭建起一套可视化的监控系统。 但这么说还是有点抽象，下面我举几个简单的例子，帮助大家理解 Prometheus 究竟能做什么？

  • 对于运维人员来说，他们需要监控机器的 CPU、内存、硬盘的使用情况，以此来保证运行在机器上的应用的稳定性。
  • 对于研发人员来说，他们关注某个异常指标的变化情况，从而来保证业务的稳定运行。
  • 对于产品或运营来说，他们更关心产品层面的事情，例如：某个活动参加人数的增长情况，活动积分的发放情况。

对于上面说到的这些功能，Prometheus 都能够实现。Prometheus 能根据这些收集的数据实现告警功能。

例如：运维希望在 CPU 达到 80% 的时候给值班的运维人员发送邮件，产品希望活动积分发放数量超过 10 万的时候发送告警邮件。这些都可以通过 Prometheus 实现。

除了数据收集、告警功能之外，Prometheus 还有很多强大的功能，例如：强大的 ProQL 查询、许多客户端库等。

因为 Prometheus 功能强大、构建成本低，所以现在越来越多的公司都使用 Prometheus 作为其数据监控的解决方案。

来源：Prometheus 快速入门教程（开篇）：为什么要学 Prometheus ？

特征

Prometheus 是一个开源的完整监控解决方案，其对传统监控系统的测试和告警模型进行了彻底的颠覆，形成了基于中央化的规则计算、统一分析和告警的新模型。 相比于传统监控系统，Prometheus 具有以下优点：

  • 强大的多维度数据模型。所有采集的监控数据均以指标(metric)的形式保存在内置的时间序列数据库当中 (TSDB)。

  • 时间序列数据通过 metric 名和键值对来区分。

  • 所有的 metrics 都可以设置任意的多维标签。

    ee4a62dba7a397c8881efda80a601b8b.png
    所有采集的监控数据均以指标(metric)的形式保存在内置的时间序列数据库当中（TSDB，Time Series DB）。所有的样本除了基本的指标名称以外，还包含一组用于描述该样本特征的标签。如下所示：

    http_request_status{
 code='200',
 content_path='/api/path',
 environment='produment'
} =>
[value1@timestamp1,value2@timestamp2...]

http_request_status{ # 指标名称
 code='200', # 维度的标签
 content_path='/api/path2',
 environment='produment'
} =>
[value1@timestamp1,value2@timestamp2...] # 存储的样本值

    每一条时间序列由**指标名称(Metrics Name)以及一组标签(Labels)**唯一标识。每条时间序列按照时间的先后顺序存储一系列的样本值。

    ➢ http_request_status：指标名称(Metrics Name)

    ➢ {code=‘200’,content_path=’/api/path’,environment=‘produment’}：表示维度的标签，基于这些 Labels 我们可以方便地对监控数据进行聚合，过滤，裁剪。

    ➢ [value1@timestamp1,value2@timestamp2…]：按照时间的先后顺序存储的样本值。

    一个指标对应多个时序。（cpu的每个核心都是一个时序）

    cpu使用率是个综合信息，如包含了用户空间使用率、内核空间使用率、切换使用率

    指标是数据库， 每个表的字段是通过标签定义的。

  • 数据模型更随意，不需要刻意设置为以点分隔的字符串。

  • 可以对数据模型进行聚合，切割和切片操作。

  • 支持双精度浮点类型，标签可以设为全 unicode。

  • 灵活而强大的查询语句（PromQL）：在同一个查询语句，可以对多个 metrics 进行乘法、加法、连接、取分数位等操作。

    比如：

    ➢ 在过去一段时间中 95%应用延迟时间的分布范围？

    ➢ 预测在 4 小时后，磁盘空间占用大致会是什么情况？

    ➢ CPU 占用率前 5 位的服务有哪些？(过滤)

    39f6338debc8c268860dc92b3b106846.png

  • 易于管理： Prometheus server 是一个单独的二进制文件，可直接在本地工作，不依赖于分布式存储。

  • 高效：平均每个采样点仅占 3.5 bytes，且一个 Prometheus server 可以处理数百万的 metrics。

  • 使用 pull 模式采集时间序列数据，这样不仅有利于本机测试而且可以避免有问题的服务器推送坏的 metrics。

    f3668ebd8153aa8436e99f8aad9c829d.png

  • 可以采用 push gateway 的方式把时间序列数据推送至 Prometheus server 端。

  • 可以通过服务发现或者静态配置去获取监控的 targets。

  • 有多种可视化图形界面。

  • 易于伸缩。

生态圈组件

Prometheus生态系统包含多个组件，其中许多是可选的：

  • Prometheus Server: 主服务器，负责收集和存储时间序列数据。
  • Client Library: 客户端库，为需要监控的服务生成相应的 metrics 并暴露给 Prometheus server。当 Prometheus server 来 pull 时，直接返回实时状态的 metrics。
  • Push Gateway: 推送网关，主要用于短期的 jobs。由于这类 jobs 存在时间较短，可能在 Prometheus 来 pull 之前就消失了。为此，这次 jobs 可以直接向 Prometheus server 端推送它们的 metrics。这种方式主要用于服务层面的 metrics，对于机器层面的 metrices，需要使用 node exporter。
  • Exporters: 用于暴露已有的第三方服务的 metrics 给 Prometheus。
  • Alertmanager: 从 Prometheus server 端接收到 alerts 后，会进行去除重复数据，分组，并路由到对收的接受方式，发出报警。常见的接收方式有：电子邮件，pagerduty，OpsGenie, webhook 等。
  • 一些其他的工具。

大多数Prometheus组件都是用Go编写的，因此易于构建和部署为静态二进制文件。

架构

image-20220412153142536.png

整体的工作流程是：

  1. Prometheus server 定期从配置好的 jobs 或者 exporters 中拉 metrics，或者接收来自 Pushgateway 发过来的 metrics，或者从其他的 Prometheus server 中拉 metrics。
  2. Prometheus server 在本地存储收集到的 metrics，并运行已定义好的 alert.rules，记录新的时间序列或者向 Alertmanager 推送警报。
  3. Alertmanager 根据配置文件，对接收到的警报进行处理，发出告警。
  4. 在图形界面中，可视化采集数据。

简单来说，就是收集数据、处理数据、可视化展示，再进行数据分析进行报警处理。

16027237924160.jpg

为什么需要Prometheus

来源：Prometheus 快速入门教程（开篇）：为什么要学 Prometheus ？

对于流量不是很大的系统来说，出现几分钟的故障可能造成不了多少损失。但是对于像淘宝、美团、字节跳动这样的巨无霸来说，宕机 1 分钟损失的金额可能就是几百万！

所以弄清楚此时此刻系统的运行是否正常？各项业务指标是否超过阈值？这些问题是每个经验丰富的研发人员所需要关注的事情！

那么如何监控你的系统？如何得知系统目前是正常还是异常？甚至如何预知未来一段时间系统可能出问题？Prometheus 正是这么一套数据监控解决方案。它能让你随时掌控系统的运行状态，快速定位出现问题的位置，快速排除故障。

对于个人来讲，掌握 Prometheus 可以增加你当 leader 的竞争力。 毕竟如果一个研发对自己的系统运行状况都不了解，那么他怎么做 leader，怎么带领一个团队往前冲呢？

市场上的竞品

来源：监控 prometheus 与zabbix对比

经过上述的介绍，我们已经知道了Prometheus是一个监控告警的软件，那么目前市面上监控系统只有Prometheus么？

答案是否定的，与其存在竞争的产品是Zabbix。

两者之间的区别如下：

ZabbixPrometheus
后端用 C 开发，界面用 PHP 开发，定制化难度很高。后端用 golang 开发，前端是 Grafana，JSON 编辑即可解决。定制化难度较低。
集群规模上限为 10000 个节点。支持更大的集群规模，速度也更快。
更适合监控物理机环境.更适合云环境的监控，对 OpenStack，Kubernetes 有更好的集成。
监控数据存储在关系型数据库内，如 MySQL，很难从现有数据中扩展维度。监控数据存储在基于时间序列的数据库内，便于对已有数据进行新的聚合。
安装简单，zabbix-server 一个软件包中包括了所有的服务端功能。安装相对复杂，监控、告警和界面都分属于不同的组件。
图形化界面比较成熟，界面上基本上能完成全部的配置操作。界面相对较弱，很多配置需要修改配置文件。
发展时间更长，对于很多监控场景，都有现成的解决方案。2015 年后开始快速发展，但发展时间较短，成熟度不及 Zabbix。

总结：

如果监控的是物理机，用 Zabbix 没毛病，Zabbix在传统监控系统中，尤其是在服务器相关监控方面，占据绝对优势。甚至环境变动不会很频繁的情况下，Zabbix 也会比 Prometheus 好使；

但如果是云环境的话，除非是 Zabbix 玩的非常溜，可以做各种定制，否则还是 Prometheus 吧，毕竟人家就是干这个的。Prometheus开始成为主导及容器监控方面的标配，与kubernetes适配度更高，并且在未来可见的时间内被广泛应用。如果是刚刚要上监控系统的话，不用犹豫了，Prometheus 准没错。

使用场景

  1. 容器监控，服务部署在云服务器上；
  2. k8s架构下的监控系统；
  3. 急需一套监控系统，而又没有特别大的精力和成本去开发一套；

Prometheus非常适合记录任何纯数字时间序列。它既适合以机器为中心的监视，也适合于高度动态的面向服务的体系结构的监视。在微服务世界中，它对多维数据收集和查询的支持是一种特别的优势。

Prometheus的设计旨在提高可靠性，使其成为中断期间要使用的系统，以使您能够快速诊断问题。

每个Prometheus服务器都是独立的，而不依赖于网络存储或其他远程服务。当基础结构的其他部分损坏时，您可以依靠它，并且无需设置广泛的基础结构即可使用它。

版权声明：本文为zz18435842675原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。