一、介绍

　　Prometheus是主要基于Go编写，最初在SoundCloud上构建的开源系统监视和警报工具包，它启发于 Google 的 borgmon 监控系统，由工作在 SoundCloud 的 google 前员工在 2012 年创建，作为社区开源项目进行开发，并于2015年正式发布，Prometheus 于2016年加入了 Cloud Native Computing Foundation，这是继Kubernetes之后的第二个托管项目，成为受欢迎度仅次于 Kubernetes 的项目。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。

Prometheus的特点如下：

• 一个多维数据模型，包含度量标准名称和键值对标识的时间序列数据

• PromQL，一种灵活的查询语言

• 不依赖分布式存储，单个服务器节点是自主的。

• 通过基于HTTP的pull方式采集时序数据

• 可以通过中间网关进行时序列数据推送

• 通过服务发现或者静态配置来发现目标服务对象

• 支持多种多样的图表和界面展示，比如Grafana等

• 由于数据采集可能会有丢失，所以 Prometheus 不适用对采集数据要 100% 准确的情形。但如果用于记录时间序列数据，Prometheus 具有很大的查询优势，此外，Prometheus 适用于微服务的体系架构。

• 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

  Prometheus 生态圈中包含了多个组件，其中许多组件是可选的：

• Prometheus Server: 用于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: 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，这类 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。

  Prometheus采集数据的方式：

  　　Prometheus的数据采集方式，Prometheus采集数据有pull和push两种方式。pull方式是在客户端（被监控机器）系统上先安装各类已有的exproters（由社区组织或企业开发的监控客户端插件），然后exproters会以守护进程的模式运行并且开始采集数据。exproter本身是一个http_server，可以对http请求作出响应返回数据（K/V metrics），prometheus服务端用pull的方式（http get）去访问每个节点上exporter并采样需要的数据，Pull是一种主动拉取的形式。

  　　push方式可以在任意地方安装官方提供的pushgateway插件，不需要必须在服务器，它自己本身就是个服务器，相当于作为一个中介，首先由运维自行开发的各种脚本部署在客户端，然后把监控采集到的数据组织成k/v的形式（metrics形式）发送给pushgateway，之后pushgateway再推送给prometheus，一般以http的post方式推送，push是一种被动接收的形式。pushgateway有两个缺点：一是pushgateway会形成一个单点瓶颈，假如好多个脚本同时发送给一个pushgateway的进程，如果这个进程没了，那么监控数据也没了。二是pushgateway并不能对发送来的数据做智能的判断，如果脚本采集的数据有问题，那么有问题的数据也会同样发给pushgateway，pushgateway一样会收取，然后发送给prometheus。

  　　Prometheus采集数据metrics的主要两种类型，首先metrics不是一种具体的数据格式，它是一种对于度量计算单位的抽象。metrics的主要两种类型是Gauge（仪表盘）和Counter（计数器），gauge表示瞬时变化，没有规律的变化，侧重于反应系统的当前状态。因此这类指标的样本数据可增可减。常见指标如：node_memory_MemFree（主机当前空闲的内存大小）、node_memory_MemAvailable（可用内存大小）都是Gauge类型的监控指标。counter类型的指标其工作方式和计数器一样，只增不减（除非系统重置），常见的监控指标，如http_requests_total，node_cpu都是Counter类型的监控指标。 一般在定义Counter类型指标的名称时推荐使用_total作为后缀。除了这两种常用的还有Histogram（直方图）和Summary（摘要）两种。采集到的数据metrics以空格分开key/value的形式进行展示

二、安装

　　Prometheus安装方式可以通过二进制文件安装，也可以通过docker方式安装，这里我依然采用docker方式进行安装

　　1.docker-hub搜索并下载镜像prom/pometheus

　　docker search Prometheus

　　docker pull docker.io/prom/Prometheus

　　2.下载镜像grafana，grafana是一个开源的功能丰富的数据可视化平台，通常用于时序数据的可视化

　　docker pull grafana/Grafana

　　3.下载镜像node-exporter，node-exporter用于机器系统数据收集

　　docker pull prom/node-exporter

　　4.分别创建并运行容器prometheus、grafana、node-exporter

　　docker run --name myprometheus -p 9090:9090 -d prom/prometheus

　　docker run --name mygrafana -p 3000:3000 -d grafana/grafana

　　docker run --name mynode-exporter -p 9100:9100 -d prom/node-exporter

　　5.这样安装好的prometheus只是监控了prometheus server自己，prometheus本身也会收集自己的监控数据，并没有配置exporter监控插件，所以target目录下没有exporter，然后需要进行下配置，配置的方式是修改prometheus.yml配置文件，配置文件进入容器后在etc目录下，配置好后需要重启容器。

　　docker exec -it myprometheus sh

　　cd /etc/prometheus

　　vi prometheus.yml

　　配置node-exporter所在服务器的ip加端口号

　　docker restart myprometheus

　　启动容器如下：

三、使用

　　1.浏览器访问：http://192.168.0.125:9100/，会展示收集的数据，出现页面如下：

2.浏览器访问：http://192.168.0.125:9090/，展示prometheus页，出现页面如下：

　3.浏览器访问：http://192.168.0.125:3000/，进入可视化登录页面，出现页面如下：

　　默认用户名和密码都是admin，进入首页如下：

　　4.首先需要设置数据源，使grafana连接上prometehus server，点击Add data Source

　 5.输入url然后save

　6.首页点击new dashboard然后edit

　 7.可在metrics处输入cpu，来检测cpu的情况，然后query，效果如下：

　  8.可以输入memory检测虚拟机情况，添加查询，效果如下：

　　9.在metrics输入{instance,job}可以指定某台实例或者根据job指定，如下图：

　　10.使用docker命令docker exec -it myprometheus /bin/bash进入docker中prometheus时报错：starting container process caused "exec: \"bash\": executable file not found in $PATH"，这个错误说明镜像不包含适合bash的风格操作，没有这样的文件或目录，可能你的镜像基于busybox，它没有bash shell。但他在/bin/sh有一个shell，直接执行 docker exec -it myprometheus /bin/sh 就可以进入容器里面。