Prometheus简介:
Prometheus是基于Go语言开发的一套开源的监控、 报警和时间序列数据库的组合， 是由SoundCloud公司开发(2012年)的开源监控系统， Prometheus于2016年加入CNCF（ Cloud Native Computing Foundation,云原生计算基金会） ,2018年8月9日prometheus成为CNCF继kubernetes 之后毕业的第二个项目， prometheus在容器和微服务领域中得到了广泛的应用， 其主要优缺点如下：
- 使用key-value的多维度(多个角度， 多个层面， 多个方面)格式保存数据
- 数据不使用MySQL这样的传统数据库， 而是使用时序数据库， 目前是使用的TSDB
- 支持第三方dashboard实现更绚丽的图形界面， 如grafana(Grafana 2.5.0版本及以上)
- 组件模块化
- 不需要依赖存储， 数据可以本地保存也可以远程保存
- 平均每个采样点仅占3.5 bytes， 且一个Prometheus server可以处理数百万级别的的metrics指标数据。
- 支持服务自动化发现(基于consul等方式动态发现被监控的目标服务)
- 强大的数据查询语句功(PromQL,Prometheus Query Language)
- 数据可以直接进行算术运算
- 易于横向伸缩
- 众多官方和第三方的exporter(“ 数据” 导出器)实现不同的指标数据收集
CNCF 基金会已经毕业的项目： https://www.cncf.io/projects
Prometheus 架构：
- prometheus server： 主服务， 接受外部http请求、 收集指标数据、 存储指标数据与查询指标数据等。
- prometheus targets: 静态发现目标后执行指标数据抓取。
- service discovery： 动态发现目标后执行数据抓取。
- prometheus alerting： 调用alertmanager组件实现报警通知。
- push gateway： 数据收集代理服务器(类似于zabbix proxy但仅限于client主动push数据至push gateway)。
- data visualization and export：数据可视化与数据导出(浏览器或其它client)。
数据采集流程、 TSDB简介；
Prometheus数据采集流程:
- 基于静态配置文件或动态发现获取目标
- 向目标URL发起http/https请求
- 目标接受请求并返回指标数据
- prometheus server接受并数据并对比告警规则， 如果触发告警则进一步执行告警动作并存储数据， 不触发告警则只进行数据存储
- grafana进行数据可视化
TSDB简介及特点
TSDB简介:
- Prometheus有着非常高效的时间序列数据存储方法， 每个采样数据仅仅占用3.5byte左右空间， 上百万条时间序列， 30秒间隔， 保留60天，大概200多G空间（ 引用官方资料） 。
- 默认情况下， prometheus将采集到的数据存储在本地的TSDB数据库中， 路径默认为prometheus安装目录的data目录， 数据写入过程为先把数据写入wal日志并放在内存， 然后2小时后将内存数据保存至一个新的block块， 同时再把新采集的数据写入内存并在2小时后再保存至一个新block块，以此类推。
- prometheus先将采集的指标数据保存到内存的chunk中， chunk是prometheus存储数据的最基本单元。
- 每间隔两个小时， 将当前内存的多个chunk统一保存至一个block中并进行数据合并、 压缩、 并生成元数据文件index、 meta.json和tombstones
阿里云的商业T时序数据库产品
https://www.aliyun.com/product/hitsdb
TSDB特点
- TSDB： Time Series Database , 简称 TSDB， 存放时间序列数据的数据库
- 时间序列数据具有不变性、 唯一性和按照时间排序的特性。
- 持续周期性写入数据、 高并发吞吐： 每间隔一段时间，就会写入成千上万的节点的指标数据。
- 写多读少： prometheus每间隔15s就会采集数十万或更多指标数据， 但通常只查看最近比较重要的指标数据。
- 数据按照时间排列： 每次收集的指标数据， 写入时都是按照当前时间往后进行写入， 不会覆盖历史数据。
- 数据量大： 历史数据会有数百G甚至数百T或更多。
- 时效性： 只保留最近一段时间的数据， 超出时效的数据会被删除。
- 冷热数据分明： 通常只查看最近的热数据， 以往的冷数据很少查看。
TSDB-block特性：
block会压缩、 合并历史数据块， 以及删除过期的块， 随着压缩、 合并， block的数量会减少， 在压缩过程中会发生三件事： 定期执行压缩、 合并小的block到大的block、 清理过期的块， 每个块有4部分组成：
tree /apps/prometheus/data/01FQNCYZ0BPFA8AQDDZM1C5PRN/
/apps/prometheus/data/01FQNCYZ0BPFA8AQDDZM1C5PRN/
├── chunks
│ └── 000001 #数据目录,每个大小为512MB超过会被切分为多个
├── index #索引文件， 记录存储的数据的索引信息， 通过文件内的几个表来查找时序数据
├── meta.json #block元数据信息， 包含了样本数、 采集数据数据的起始时间、 压缩历史
└── tombstones #逻辑数据， 主要记载删除记录和标记要删除的内容， 删除标记， 可在查询块时排除样本。
TSDB-block简介：
每个block为一个data目录中以01开头的存储目录， 如下：
ls -l /apps/prometheus/data/
total 4
drwxr-xr-x 3 root root 68 Oct 10 19:01 01HCCKYCZXW40V7KQP295KK2TD #block
drwxr-xr-x 3 root root 68 Oct 13 01:02 01HCJDAH1WM0EQGA5H0Q9FYANY #block
drwxr-xr-x 3 root root 68 Oct 15 07:02 01HCR6PW52WZ45K8YF4XWCFFPA #block
部署Prometheus Server和各类Exporter完成目标监控；
Prometheus 可以通过不同的方式安装部署prometheus监控环境，但是实际生产环境只需要根据实际需求选择其中一种方式部署即可， 而且无论是使用哪一种方式安装部署的prometheus server，以后的使用都是一样的：
- 使用apt或者yum安装
apt install prometheus - 基于官方提供的二进制文件安装
https://prometheus.io/download - 基于docker镜像直接启动或通过docker-compose编排
https://prometheus.io/docs/prometheus/latest/installation - 基于operator部署在kubernetes环境部署
https://github.com/prometheus-operator/kube-prometheus
基于二进制部署：
基础架构：
Prometheus-Server 10.2.0.18
Prometheus-Node01 10.2.0.21
Prometheus-pushgateway 10.2.0.24解压服务文件到指定目录；
root@prometheus-server:~# mkdir /apps
root@prometheus-server:~#tar xvf prometheus-2.47.1.linux-amd64.tar.gz -C /apps/ && ln -sf /apps/prometheus-2.47.1.linux-amd64 /apps/prometheus && cd /apps/prometheus && ll
total 236868
drwxr-xr-x 6 1001 127 4096 Oct 17 13:50 ./
drwxr-xr-x 3 root root 4096 Oct 15 13:20 ../
drwxr-xr-x 2 1001 127 4096 Oct 4 19:05 console_libraries/
drwxr-xr-x 2 1001 127 4096 Oct 4 19:05 consoles/
drwxr-xr-x 11 root root 4096 Oct 19 09:00 data/
-rw-r--r-- 1 1001 127 11357 Oct 4 19:05 LICENSE
-rw-r--r-- 1 1001 127 3773 Oct 4 19:05 NOTICE
-rwxr-xr-x 1 1001 127 124158156 Oct 4 18:35 prometheus* #prometheus服务可执行程序
-rw-r--r-- 1 1001 127 1226 Oct 17 13:37 prometheus.yml #prometheus配置文件
-rwxr-xr-x 1 1001 127 118343283 Oct 4 18:38 promtool* #测试工具， 用于检测配置prometheus配置文件、 检测metrics数据等
root@prometheus-server:/apps/prometheus#./promtool check config prometheus.yml
Checking prometheus.yml
SUCCESS: prometheus.yml is valid prometheus config file syntax创建启动service文件：
cat /etc/systemd/system/prometheus.service
[Unit]
Description=Prometheus Server
Documentation=https://prometheus.io/docs/introduction/overview/
After=network.target
[Service]
Restart=on-failure
WorkingDirectory=/apps/prometheus/
ExecStart=/apps/prometheus/prometheus \
--config.file=/apps/prometheus/prometheus.yml \
--web.enable-lifecycle \
--storage.tsdb.retention=30d \
--web.enable-admin-api
[Install]
WantedBy=multi-user.target
参数解释：
/apps/prometheus/prometheus：Prometheus 可执行文件路径。
--config.file=/apps/prometheus/prometheus.yml：指定 Prometheus 配置文件的路径。
--web.enable-lifecycle：启用 Prometheus 的 Web 生命周期功能，该功能允许通过 HTTP 请求启动、停止和重新加载 Prometheus。
--storage.tsdb.retention=30d：指定 Prometheus 时序数据库 (TSDB) 的数据保留时间，为 30 天。
--web.enable-admin-api：启用 Prometheus 的 Web 管理 API，该 API 允许用户执行各种管理操作，例如创建和删除快照、查询警报状态等。
启动服务：
systemctl daemon-reload && systemctl restart prometheus && systemctl enable prometheus.service验证prometheus web界面：
prometheus配置文件主要参数：
- --config.file="prometheus.yml" #指定配置文件
- --web.listen-address="0.0.0.0:9090" #指定监听地址
- --storage.tsdb.path="data/" #指定数存储目录
- --storage.tsdb.retention.size=B, KB, MB, GB, TB, PB, EB #指定block大小， 默认512MB
- --storage.tsdb.retention.time= #数据保存时长， 默认15天
- --query.timeout=2m #最大查询超时时间
- -query.max-concurrency=20 #最大查询并发数
- --web.read-timeout=5m #最大空闲超时时间
- --web.max-connections=512 #最大并发连接数
- --web.enable-lifecycle #启用API动态加载配置功能
部署node_exporter：
解压服务文件到指定目录；
root@prometheus-node_exporter01:~# mkdir /apps
root@prometheus-node_exporter01:~#tar xvf node_exporter-1.6.1.linux-amd64.tar.gz -C /apps/ && ln -sf /apps/node_exporter-1.6.1.linux-amd64 /apps/node_exporter创建service文件：
cat /etc/systemd/system/node-exporter.service
[Unit]
Description=Prometheus Node Exporter
After=network.target
[Service]
ExecStart=/apps/node_exporter/node_exporter
[Install]
WantedBy=multi-user.target启动node-exporter：
root@prometheus-node_exporter01:~#systemctl daemon-reload && systemctl restart node-exporter.service && systemctl enable node-exporter.service验证node_exporter web界面：
Prometheus数据简介：
- metric: 指标， 有各自的metric name， 是一个key value(键值)格式组成的某个监控项数据。
- labels： 标签， 用于对相同名称的指标进行删选， 一个指标可以同时有多个不同的标签。
- samples： 样本， 存在于TSDB中的数据， 有三部分组成：
指标(包含metric name和labels)
值(value, 指标数据)
时间戳(指标写入的时间) - series： 序列， 有多个samples组成的时间序列数据。
Node节点指标数据收集：
配置Prometheus server收集Node-exporter指标数据：
root@prometheus-server:~# vim /apps/prometheus/prometheus.yml
- job_name: 'prometheus-node_exporter'
scrape_interval: 5s
static_configs:
- targets: ['10.2.0.21:9100']重启服务使配置生效：
systemctl restart prometheus.serviceweb UI验证能否正常收集Node-exporter指标数据
Node节点常见指标：
- node_boot_time： 系统自启动以后的总计时间
- node_cpu： 系统CPU使用量
- node_disk*： 磁盘IO
- node_filesystem*： 系统文件系统用量
- node_load1： 系统CPU负载
- node_memory*： 内存使用量
- node_network*： 网络带宽指标
- node_time： 当前系统时间
- go_*： node exporter中go相关指标
- process_*： node exporter自身进程相关运行指标
基于Operator一键部署prometheus监控系统：
Operator部署器是基于已经编写好的yaml文件，可以将prometheus server、alertmanager、grafana、node-exporter等组件一键批量部署
基础环境
Kubernetes Cluster Version:v1.27.2
kube-prometheus Version:v0.13.0
kube-prometheus项目地址&下载地址：
项目地址：https://github.com/prometheus-operator/kube-prometheus
下载地址：https://github.com/prometheus-operator/kube-prometheus/archive/refs/tags/v0.13.0.tar.gz部署kube-prometheus：
1、解压文件并进入yaml配置目录
tar zxvf kube-prometheus-0.13.0.tar.gz && cd kube-prometheus-0.13.02、修改镜像地址
root@k8s-master-1:~/kube-prometheus-0.13.0#grep image: manifests/*.yaml
alertmanager-alertmanager.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/alertmanager:v0.26.0
blackboxExporter-deployment.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/blackbox-exporter:v0.24.0
blackboxExporter-deployment.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/configmap-reload:v0.5.0
blackboxExporter-deployment.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/kube-rbac-proxy:v0.15.0
grafana-deployment.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/grafana:10.2.0
kubeStateMetrics-deployment.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/kube-state-metrics:v2.10.0
kubeStateMetrics-deployment.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/kube-rbac-proxy:v0.15.0
kubeStateMetrics-deployment.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/kube-rbac-proxy:v0.15.0
nodeExporter-daemonset.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/node-exporter:v1.6.1
nodeExporter-daemonset.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/kube-rbac-proxy:v0.15.0
prometheusAdapter-deployment.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/prometheus-adapter:v0.11.1
prometheusOperator-deployment.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/prometheus-operator:v0.68.0
prometheusOperator-deployment.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/kube-rbac-proxy:v0.15.0
prometheus-prometheus.yaml: image: registry.cn-shanghai.aliyuncs.com/qwx_images/prometheus-linux-amd64:v2.47.23、创建CRD
kubectl apply --server-side -f manifests/setup4、检测CRD资源是否创建完成
kubectl wait \
--for condition=Established \
--all CustomResourceDefinition \
--namespace=monitoring参数解释
wait 命令用于等待 Kubernetes 中的资源达到指定的状态。
--for condition=Established：指定要等待的资源状态。等待所有 CustomResourceDefinition (CRD) 的状态都变为Established。
--all CustomResourceDefinition：指定要等待的资源类型。等待所有 CRD。
--namespace=monitoring：指定要等待的资源所在的命名空间。等待 monitoring 命名空间中的所有 CRD。5、删除Grafana和Prometheus的NetworkPolicy文件
rm -rf grafana-networkPolicy.yaml prometheus-networkPolicy.yaml6、把Grafana和prometheus的SVC文件改成NodePort端口以供集群外部机器访问
cat grafana-service.yaml
apiVersion: v1
kind: Service
metadata:
labels:
app.kubernetes.io/component: grafana
app.kubernetes.io/name: grafana
app.kubernetes.io/part-of: kube-prometheus
app.kubernetes.io/version: 9.5.3
name: grafana
namespace: monitoring
spec:
type: NodePort
ports:
- name: http
port: 3000
nodePort: 33000
targetPort: http
selector:
app.kubernetes.io/component: grafana
app.kubernetes.io/name: grafana
app.kubernetes.io/part-of: kube-prometheus
cat prometheus-service.yaml
apiVersion: v1
kind: Service
metadata:
labels:
app.kubernetes.io/component: prometheus
app.kubernetes.io/instance: k8s
app.kubernetes.io/name: prometheus
app.kubernetes.io/part-of: kube-prometheus
app.kubernetes.io/version: 2.46.0
name: prometheus-k8s
namespace: monitoring
spec:
type: NodePort
ports:
- name: web
port: 9090
nodePort: 39090
targetPort: web
- name: reloader-web
port: 8080
targetPort: reloader-web
selector:
app.kubernetes.io/component: prometheus
app.kubernetes.io/instance: k8s
app.kubernetes.io/name: prometheus
app.kubernetes.io/part-of: kube-prometheus
sessionAffinity: ClientIP7、apply manifests目录下所有文件
kubectl apply -f manifests/8、验证是否Pod是否正常
root@k8s-master-1:~# kubectl get pod,svc -n monitoring
NAME READY STATUS RESTARTS AGE
pod/alertmanager-main-0 2/2 Running 0 161m
pod/alertmanager-main-1 2/2 Running 0 161m
pod/alertmanager-main-2 2/2 Running 0 162m
pod/blackbox-exporter-857ff47d99-698cv 3/3 Running 0 172m
pod/grafana-5896f7bc7b-nxpgq 1/1 Running 1 (2d ago) 2d16h
pod/kube-state-metrics-9d84d8856-2clgv 3/3 Running 0 169m
pod/node-exporter-2fzqm 2/2 Running 0 3h5m
pod/node-exporter-5bm7g 2/2 Running 0 3h5m
pod/node-exporter-5wtsd 2/2 Running 0 3h5m
pod/node-exporter-7t2fd 2/2 Running 0 3h5m
pod/node-exporter-vhk5k 2/2 Running 0 3h6m
pod/node-exporter-wfnwq 2/2 Running 0 3h6m
pod/prometheus-adapter-7745b55777-2xxdd 1/1 Running 2 (2d ago) 2d17h
pod/prometheus-adapter-7745b55777-vlt7v 1/1 Running 2 (2d ago) 2d17h
pod/prometheus-k8s-0 2/2 Running 0 124m
pod/prometheus-k8s-1 2/2 Running 0 125m
pod/prometheus-operator-7bbfffb859-hjtwn 2/2 Running 0 162m
NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
service/alertmanager-main ClusterIP 10.100.11.157 <none> 9093/TCP,8080/TCP 2d17h
service/alertmanager-operated ClusterIP None <none> 9093/TCP,9094/TCP,9094/UDP 2d17h
service/blackbox-exporter ClusterIP 10.100.132.79 <none> 9115/TCP,19115/TCP 2d17h
service/grafana NodePort 10.100.204.12 <none> 3000:33000/TCP 2d17h
service/kube-state-metrics ClusterIP None <none> 8443/TCP,9443/TCP 2d17h
service/node-exporter ClusterIP None <none> 9100/TCP 2d17h
service/prometheus-adapter ClusterIP 10.100.139.100 <none> 443/TCP 2d17h
service/prometheus-k8s NodePort 10.100.32.94 <none> 9090:39090/TCP,8080:42589/TCP 2d17h
service/prometheus-operated ClusterIP None <none> 9090/TCP 2d17h
service/prometheus-operator ClusterIP None <none> 8443/TCP 2d17h9、访问Prometheus Web UI
http://10.2.0.1:33000/
10、访问Grafana Web UI
http://10.2.0.1:33000
基于DaemonSet部署cadvisor、node-exporter。Deployment部署Prometheus Server
监控Pod指标数据需要使用cadvisor，cadvisor由谷歌开源，在kubernetes v1.11及之前的版本内置在kubelet中并监听在4194端口(https://github.com/kubernetes/kubernetes/pull/65707)，从v1.12开始kubelet中的cadvisor被移除，因此需要单独通过daemonset等方式部署。cadvisor（容器顾问）不仅可以收集一台机器上所有运行的容器信息，还提供基础查询界面和http接口，方便其他组件如Prometheus进行数据抓取，cAdvisor可以对节点机器上的容器进行实时监控和性能数据采集，包括容器的CPU使用情况、内存使用情况、网络吞吐量及文件系统使用情况。
cadvisor的DaemonSet的文件，使用官方镜像：
apiVersion: v1
kind: Namespace
metadata:
name: monitoring
---
apiVersion: apps/v1
kind: DaemonSet
metadata:
name: cadvisor
namespace: monitoring
spec:
selector:
matchLabels:
app: cAdvisor
template:
metadata:
labels:
app: cAdvisor
spec:
tolerations: #污点容忍,忽略master的NoSchedule
- effect: NoSchedule
key: node-role.kubernetes.io/master
#hostNetwork: true 取消注释后可以使用集群以外的Prometheus-Server来访问集群内的Pod指标数据
restartPolicy: Always # 重启策略
containers:
- name: cadvisor
image: registry.cn-shanghai.aliyuncs.com/qwx_images/cadvisor-amd64:v0.47.2
imagePullPolicy: IfNotPresent # 镜像策略
resources:
limits:
memory: "512Mi"
cpu: "500m"
requests:
memory: "512Mi"
cpu: "500m"
ports:
- containerPort: 8080
volumeMounts:
- name: root
mountPath: /rootfs
readOnly: true
- name: run
mountPath: /var/run
readOnly: true
- name: sys
mountPath: /sys
readOnly: true
- name: containerd
mountPath: /var/lib/containerd
readOnly: true
- name: devdisk
mountPath: /devdisk
readOnly: true
volumes:
- name: root
hostPath:
path: /
- name: run
hostPath:
path: /var/run
- name: sys
hostPath:
path: /sys
- name: containerd
hostPath:
path: /var/lib/containerd
- name: devdisk
hostPath:
path: /dev/diskDaemonSet部署node-exporter：
apiVersion: apps/v1
kind: DaemonSet
metadata:
name: node-exporter
namespace: monitoring
labels:
k8s-app: node-exporter
spec:
selector:
matchLabels:
k8s-app: node-exporter
template:
metadata:
labels:
k8s-app: node-exporter
spec:
tolerations:
- effect: NoSchedule
key: node-role.kubernetes.io/master
containers:
image: registry.cn-shanghai.aliyuncs.com/qwx_images/node-exporter:v1.6.1
imagePullPolicy: IfNotPresent
name: prometheus-node-exporter
ports:
- containerPort: 9100
hostPort: 9100
protocol: TCP
name: metrics
volumeMounts:
- mountPath: /host/proc
name: proc
- mountPath: /host/sys
name: sys
- mountPath: /host
name: rootfs
args:
- --path.procfs=/host/proc
- --path.sysfs=/host/sys
- --path.rootfs=/host
volumes:
- name: proc
hostPath:
path: /proc
- name: sys
hostPath:
path: /sys
- name: rootfs
hostPath:
path: /
---
apiVersion: v1
kind: Service
metadata:
annotations:
prometheus.io/scrape: "true"
labels:
k8s-app: node-exporter
name: node-exporter
namespace: monitoring
spec:
#type: NodePort
ports:
- name: http
port: 9100
#nodePort: 39100
protocol: TCP
selector:
k8s-app: node-exporter验证Pod：
# kubectl get pod -n monitoring
NAME READY STATUS RESTARTS AGE
cadvisor-2r9kl 1/1 Running 0 98m
cadvisor-8z886 1/1 Running 0 98m
cadvisor-9h2b9 1/1 Running 0 98m
node-exporter-4jmq4 1/1 Running 0 39s
node-exporter-58t26 1/1 Running 0 39s
node-exporter-drdf2 1/1 Running 0 39sDeployment部署Prometheus Server：
1、创建Prometheus Server的ConfigMap
apiVersion: v1
kind: ConfigMap
metadata:
labels:
app: prometheus
name: prometheus-config
namespace: monitoring
data:
prometheus.yml: |
global:
scrape_interval: 15s
scrape_timeout: 10s
evaluation_interval: 1m
scrape_configs:
- job_name: 'kube-state-metrics'
static_configs:
- targets: ['kube-state-metrics:8080']
- job_name: 'kubernetes-node'
kubernetes_sd_configs:
- role: node
relabel_configs:
- source_labels: [__address__]
regex: '(.*):10250'
replacement: '${1}:9100'
target_label: __address__
action: replace
- action: labelmap
regex: __meta_kubernetes_node_label_(.+)
- job_name: 'kubernetes-node-cadvisor'
kubernetes_sd_configs:
- role: node
scheme: https
tls_config:
ca_file: /var/run/secrets/kubernetes.io/serviceaccount/ca.crt
bearer_token_file: /var/run/secrets/kubernetes.io/serviceaccount/token
relabel_configs:
- action: labelmap
regex: __meta_kubernetes_node_label_(.+)
- target_label: __address__
replacement: kubernetes.default.svc:443
- source_labels: [__meta_kubernetes_node_name]
regex: (.+)
target_label: __metrics_path__
replacement: /api/v1/nodes/${1}/proxy/metrics/cadvisor
- job_name: 'kubernetes-apiserver'
kubernetes_sd_configs:
- role: endpoints
scheme: https
tls_config:
ca_file: /var/run/secrets/kubernetes.io/serviceaccount/ca.crt
bearer_token_file: /var/run/secrets/kubernetes.io/serviceaccount/token
relabel_configs:
- source_labels: [__meta_kubernetes_namespace, __meta_kubernetes_service_name, __meta_kubernetes_endpoint_port_name]
action: keep
regex: default;kubernetes;https
- job_name: 'kubernetes-service-endpoints'
kubernetes_sd_configs:
- role: endpoints
relabel_configs:
- source_labels: [__meta_kubernetes_service_annotation_prometheus_io_scrape]
action: keep
regex: true
- source_labels: [__meta_kubernetes_service_annotation_prometheus_io_scheme]
action: replace
target_label: __scheme__
regex: (https?)
- source_labels: [__meta_kubernetes_service_annotation_prometheus_io_path]
action: replace
target_label: __metrics_path__
regex: (.+)
- source_labels: [__address__, __meta_kubernetes_service_annotation_prometheus_io_port]
action: replace
target_label: __address__
regex: ([^:]+)(?::\d+)?;(\d+)
replacement: $1:$2
- action: labelmap
regex: __meta_kubernetes_service_label_(.+)
- source_labels: [__meta_kubernetes_namespace]
action: replace
target_label: kubernetes_namespace
- source_labels: [__meta_kubernetes_service_name]
action: replace
target_label: kubernetes_name
- job_name: 'kubernetes-nginx-pods'
kubernetes_sd_configs:
- role: pod
#namespaces: #可选指定namepace，如果不指定就是发现所有的namespace中的pod
# names:
# - myserver
# - magedu
relabel_configs:
- source_labels: [__meta_kubernetes_pod_annotation_prometheus_io_scrape]
action: keep
regex: true
- source_labels: [__meta_kubernetes_pod_annotation_prometheus_io_scheme]
action: replace
target_label: __scheme__
regex: (https?)
- source_labels: [__address__, __meta_kubernetes_pod_annotation_prometheus_io_port]
action: replace
target_label: __address__
regex: ([^:]+)(?::\d+)?;(\d+)
replacement: $1:$2
- action: labelmap
regex: __meta_kubernetes_pod_label_(.+)
- source_labels: [__meta_kubernetes_namespace]
action: replace
target_label: kubernetes_namespace
- source_labels: [__meta_kubernetes_pod_name]
action: replace
target_label: kubernetes_pod_name
kubectl apply -f prometheus-cfg.yaml2、部署Prometheus-Server
2.1、将Prometheus数据目录挂载在nfs中，提前准备数据目录并授权：
root@nfs:~#mkdir -p /data/prometheusdata
root@nfs:~#cat /etc/exports
/data/prometheusdata *(rw,no_root_squash)
root@nfs:~#chmod 777 /data/prometheusdata && systemctl restart nfs-server2.2、创建监控账号：
root@k8s-master01:~#kubectl create serviceaccount monitor -n monitoring2.3、对monitor账号授权:
kubectl create clusterrolebinding monitor-clusterrolebinding -n monitoring --clusterrole=cluster-admin --serviceaccount=monitoring:monitor
2.4、创建Deployment控制器:
apiVersion: apps/v1
kind: Deployment
metadata:
name: prometheus-server
namespace: monitoring
labels:
app: prometheus
spec:
replicas: 1
selector:
matchLabels:
app: prometheus
component: server
template:
metadata:
labels:
app: prometheus
component: server
annotations:
prometheus.io/scrape: 'false'
spec:
serviceAccountName: monitor
containers:
- name: prometheus
image: registry.cn-shanghai.aliyuncs.com/qwx_images/prometheus-linux-amd64:v2.47.2
imagePullPolicy: IfNotPresent
command:
- prometheus
- --config.file=/etc/prometheus/prometheus.yml
- --storage.tsdb.path=/prometheus
- --storage.tsdb.retention=720h
resources:
limits:
memory: "512Mi"
cpu: "500m"
requests:
memory: "512Mi"
cpu: "500m"
ports:
- containerPort: 9090
protocol: TCP
volumeMounts:
- mountPath: /etc/prometheus/prometheus.yml
name: prometheus-config
subPath: prometheus.yml
- mountPath: /prometheus/
name: prometheus-storage-volume
volumes:
- name: prometheus-config
configMap:
name: prometheus-config
items:
- key: prometheus.yml
path: prometheus.yml
mode: 0644
- name: prometheus-storage-volume
nfs:
server: 10.2.0.10
path: /data/prometheusdata2.5、验证Pod：
NAME READY STATUS RESTARTS AGE
cadvisor-2r9kl 1/1 Running 0 5h48m
cadvisor-8z886 1/1 Running 0 5h49m
cadvisor-9h2b9 1/1 Running 0 5h49m
node-exporter-4jmq4 1/1 Running 0 5h59m
node-exporter-58t26 1/1 Running 1 (2d3h ago) 2d19h
node-exporter-drdf2 1/1 Running 0 5h57m
prometheus-server-77d99f79d7-ftmv8 1/1 Running 2 (2d3h ago) 2d20h2.6、创建SVC
apiVersion: v1
kind: Service
metadata:
name: prometheus
namespace: monitoring
labels:
app: prometheus
spec:
type: NodePort
ports:
- port: 9090
targetPort: 9090
nodePort: 39090
protocol: TCP
selector:
app: prometheus
component: server2.7、验证SVC：
NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
prometheus NodePort 10.100.204.12 <none> 9090:39090/TCP 2d20h2.8、UI访问Prometheus
http://10.2.0.1:39090
Grafana 二进制部署及使用：
Grafana简介：
Grafana是一个可视化组件， 用于接收客户端浏览器的请求并连接到prometheus查询数据， 最后经过渲染并在浏览器进行体系化显示， 需要注意的是， grafana查询数据类似于zabbix一样需要自定义模板， 模板可以手动制作也可以导入已有模板。
官网
https://grafana.com/ 模板下载
https://grafana.com/grafana/dashboards/
Grafana 部署及使用：
下载并安装Grafana
https://grafana.com/grafana/download?pg=get&plcmt=selfmanaged-box1-cta1
root@prometheus-server:~# apt-get install -y adduser libfontconfig1 musl
root@prometheus-server:~# wget https://dl.grafana.com/enterprise/release/grafana-enterprise_10.1.5_amd64.deb
root@prometheus-server:~# dpkg -i grafana-enterprise_10.1.5_amd64.deb
root@prometheus-server:~# vim /etc/grafana/grafana.ini
[server]
# Protocol (http, https, socket)
protocol = http
# The ip address to bind to, empty will bind to all interfaces
http_addr = 0.0.0.0
# The http port to use
http_port = 3000启动Grafana
systemctl restart grafana-server && systemctl enable grafana-server登录Grafana web界面：
默认登录账户信息：
- 默认账户：admin
- 默认密码：admin
添加数据源：
路径：Home=>Connections=>Data sources=>Prometheus-Server
导入模板：
https://grafana.com/grafana/dashboards
路径：Home=>Dashboards=>Import dashboard 模板ID：16098
PromQL语句-指标数据、 数据类型、 匹配器；
PromQL简介：
Prometheus提供一个函数式的表达式语言PromQL (Prometheus Query Language)， 可以使用户实时地查找和聚合时间序列数据， 表达式计算结果可以在图表中展示， 也可以在Prometheus表达式浏览器中以表格形式展示， 或者作为数据源, 以HTTP API的方式提供给外部系统使用。
https://prometheus.io/docs/prometheus/latest/querying/basics
PromQL查询数据类型：
Instant Vector： 瞬时向量/瞬时数据,是对目标实例查询到的同一个时间戳的一组时间序列数据(按照时间的推移对数据进存储和展示)， 每个时间序列包含单个数据样本， 比如node_memory_MemFree_bytes查询的是当前剩余内存(可用内存)就是一个瞬时向量， 该表达式的返回值中只会包含该时间序列中的最新的一个样本值， 而相应的这样的表达式称之为瞬时向量表达式。
以下是查询node节点可用内存的瞬时向量表达式：
root@prometheus-server:~# curl 'http://10.2.0.18:9090/api/v1/query' --data 'query=node_memory_MemFree_bytes' --data time=1697699171
{"status":"success","data":{"resultType":"vector","result":[{"metric":{"__name__":"node_memory_MemFree_bytes","country":"中国上海","instance":"10.2.0.21:9100","job":"prometheus-ShangHai"},"value":[1697699171,"1202761728"]}]}}
Range Vector： 范围向量/范围数据,是指在任何一个时间范围内， 抓取的所有度量指标数据.比如最近一天的网卡流量趋势图、 或最近5分钟的node节点内容可用字节数等。
以下是查询node节点可用内存的范围向量表达式：
root@prometheus-server:~# curl 'http://10.2.0.18:9090/api/v1/query' --data 'query=node_memory_MemFree_bytes{instance="10.2.0.21:9100"}[5m]' --data time=1697699171
{"status":"success","data":{"resultType":"matrix","result":[{"metric":{"__name__":"node_memory_MemFree_bytes","country":"中国上海","instance":"10.2.0.21:9100","job":"prometheus-ShangHai"},"values":[[1697698872.270,"1202761728"],[1697698887.269,"1202761728"],[1697698902.270,"1202761728"],[1697698917.269,"1202761728"],[1697698932.269,"1202761728"],[1697698947.269,"1202761728"],[1697698962.269,"1202761728"],[1697698977.269,"1202761728"],[1697698992.269,"1202761728"],[1697699007.269,"1202761728"],[1697699022.269,"1202761728"],[1697699037.269,"1202761728"],[1697699052.269,"1202761728"],[1697699067.270,"1202761728"],[1697699082.269,"1202761728"],[1697699097.270,"1202761728"],[1697699112.269,"1202761728"],[1697699127.269,"1202761728"],[1697699142.269,"1202761728"],[1697699157.270,"1202761728"]]}]}}Instant Vector（瞬时向量） VS Range Vector（范围向量）:
instant vector（瞬时向量）：每个指标只含有一个数据
range vector（范围向量）：每个指标含有一组数据（例如指定最近几分钟的数据）
scalar： 标量/纯量数据,是一个浮点数类型的数据值， 使用node_load1获取到一个瞬时向量后， 再使用prometheus的内置函数scalar()将瞬时向量转换为标量。
例如： scalar(sum(node_load1))
root@prometheus-server:~#curl 'http://10.2.0.18:9090/api/v1/query' --data 'query=scalar(sum(node_load1{instance="10.2.0.21:9100"}))' --data time=1697699171
{"status":"success","data":{"resultType":"scalar","result":[1697699171,"0"]}}
Prometheus指标数据类型：
- Counter:计数器,Counter类型代表一个累积的指标数据， 在没有被重启的前提下只增不减(生活中的电表、 水表)， 比如磁盘I/O总数、 Nginx/API的请求总
数、 网卡流经的报文总数等。 - Gauge:仪表盘,Gauge类型代表一个可以任意变化的指标数据， 值可以随时增高或减少， 如带宽速率、 CPU负载、 内存利用率、 nginx 活动连接数等。
- Histogram： 累积直方图， Histogram会在一段时间范围内对数据进行采样(通常是请求持续时间或响应大小等),假如每分钟产生一个当前的活跃连接数， 那么一天24小时*60分钟=1440分钟就会产生1440个数据， 查看数据的每间隔的绘图跨度为2小时， 那么2点的柱状图(bucket)会包含0点到2点即两个小时的数据， 而4点的柱状图(bucket)则会包含0点到4点的数据， 而6点的柱状图(bucket)则会包含0点到6点的数据， 可用于统计从当天零点开始到当前时间的数据统计结果， 如http请求成功率、 丢包率等， 比如ELK的当天访问IP统计。
- Summary： 摘要图， 也是一组数据， 默认统计选中的指标的最近10分钟内的数据的分位数， 可以指定数据统计时间范围， 基于分位数(Quantile),亦称分位
点,是指用分割点(cut point)将随机数据统计并划分为几个具有相同概率的连续区间， 常见的为四分位， 四分位数是将数据样本统计后分成四个区间， 将范围内的数据进行百分比的占比统计,从0到1， 表示是0%~100%， (0%~25%,%25~50%,50%~75%,75%~100%),利用四分位数， 可以快速了解数据的大概统计结果。
node-exporter指标数据格式：
没有标签的
#metric_name metric_value
# TYPE node_load15 gauge
node_load15 0.1一个标签的
#metric_name{label1_name="label1-value"} metric_value
# TYPE node_network_receive_bytes_total counter
node_network_receive_bytes_total{device="eth0"} 1.44096e+07多个标签的
#metric_name{label1_name="label1-value","labelN_name="labelN-value} metric_value
# TYPE node_filesystem_files_free gauge
node_filesystem_files_free{device="/dev/sda2",fstype="xfs",mountpoint="/boot"} 523984PromQL查询指标数据示例：
- node_memory_MemTotal_bytes #查询node节点总内存大小
- node_memory_MemFree_bytes #查询node节点剩余可用内存
- node_memory_MemTotal_bytes{instance="10.2.0.21:9100"} #基于标签查询指定节点的总内存
- node_memory_MemFree_bytes{instance="10.2.0.21:9100"} #基于标签查询指定节点的可用内存
- node_disk_io_time_seconds_total{device="sda"} #查询指定磁盘的每秒磁盘io
- node_filesystem_free_bytes{device="/dev/sda1",fstype="xfs",mountpoint="/"} #查看指定磁盘的磁盘剩余空间
基于标签对指标数据进行匹配：
- = :选择与提供的字符串完全相同的标签， 精确匹配。
- != :选择与提供的字符串不相同的标签， 取反。
- =~ :选择正则表达式与提供的字符串（ 或子字符串） 相匹配的标签。
- !~ :选择正则表达式与提供的字符串（ 或子字符串） 不匹配的标签。
查询格式<metric name>{<label name>=<label value>, ...}
node_load1{instance="10.2.0.21:9100"}
node_load1{country="中国上海"}
node_load1{country="中国上海", instance="10.2.0.21:9100"} #精确匹配
node_load1{country="中国上海",instance!="10.2.0.21:9100"} #取反
node_load1{instance=~"10.2.0.2.*:9100$"} #包含正则且匹配
node_load1{instance!~"10.2.0.21:9100"} #包含正则且取反
PromQL语句-时间范围、 运算符、 聚合运算及示例；
对指标数据进行时间范围指定:
- s - 秒
- m - 分钟
- h - 小时
- d - 天
- w - 周
- y - 年
瞬时向量表达式， 选择当前最新的数据
node_memory_MemTotal_bytes{}区间向量表达式， 选择以当前时间为基准， 查询所有节点node_memory_MemTotal_bytes指标5分钟内的数据
node_memory_MemTotal_bytes{}[5m]区间向量表达式， 选择以当前时间为基准， 查询指定节点node_memory_MemTotal_bytes指标5分钟内的数据
node_memory_MemTotal_bytes{instance="172.31.1.181:9100"}[5m]PromQL 运算符：
对指标数据进行数学运算：
+ 加法
- 减法
* 乘法
/ 除法
% 模
^ 幂(N次方)node_memory_MemFree_bytes/1024/1024 #将内存进行单位从字节转行为兆
node_disk_read_bytes_total{device="sda"} + node_disk_written_bytes_total{device="sda"} #计算磁盘读写数据量
(node_disk_read_bytes_total{device="sda"} + node_disk_written_bytes_total{device="sda"}) / 1024 / 1024 #单位转换
对指标数据进行进行聚合运算：
- max() #最大值
- min() #最小值
- avg() #平均值
计算每个节点的最大的流量值：
max(node_network_receive_bytes_total) by (instance)计算每个节点最近五分钟每个device的最大流量
max(rate(node_network_receive_bytes_total[5m])) by (device)
sum() #求数据值相加的和(总数)
sum(prometheus_http_requests_total)
{} 2495最近总共请求数为2495次， 用于计算返回值的总数(如http请求次数)
count() #统计返回值的条数
count(node_os_version)
{} 3 一共两条返回的数据， 可以用于统计节点数、 pod数量等
count_values() #对value的个数(行数)进行计数,并将value赋值给自定义标签， 从而成为新的label
count_values("node_version",node_os_version) #统计不同的系统版本节点有多少
{node_version="22.04"} 3abs() #返回指标数据的值
abs(sum(prometheus_http_requests_total{handler="/metrics"}))absent() #如果监指标有数据就返回空， 如果监控项没有数据就返回1， 可用于对监控项设置告警通知(如果返回值等于1就触发告警通知)
absent(sum(prometheus_http_requests_total{handler="/metrics"}))stddev() #标准差
stddev(prometheus_http_requests_total) #5+5=10,1+9=10,1+9这一组的数据差异就大， 在系统是数据波动较大， 不稳定stdvar() #求方差
stdvar(prometheus_http_requests_total)topk() #样本值排名最大的N个数据
举例取从大到小的前6个
topk(6, prometheus_http_requests_total)bottomk() #样本值排名最小的N个数据
举例取从小到大的前6个
bottomk(6, prometheus_http_requests_total)rate()
rate函数是专门搭配counter数据类型使用函数， rate会取指定时间范围内所有数据点， 算出一组速率， 然后取平均值作为结果,适合用于计算数据相对平稳的数据。
rate(prometheus_http_requests_total[5m])
rate(apiserver_request_total{code=~"^(?:2..)$"}[5m])
rate(node_network_receive_bytes_total[5m])irate()
函数也是专门搭配counter数据类型使用函数，irate取的是在指定时间范围内的最近两个数据点来算速率，适合计算数据变化比较大的数据，显示的数据相对比较准确,所以官网文档说：irate适合快速变化的计数器（counter），而rate适合缓慢变化的计数器（counter）。
irate(prometheus_http_requests_total[5m])
irate(node_network_receive_bytes_total[5m])
irate(apiserver_request_total{code=~"^(?:2..)$"}[5m])by
在计算结果中， 只保留by指定的标签的值， 并移除其它所有的
sum(rate(node_network_receive_packets_total{instance=~".*"}[10m])) by (instance)
sum(rate(node_memory_MemFree_bytes[5m])) by (increase)without， 从计算结果中移除列举的instance,job标签， 保留其它标签
sum(prometheus_http_requests_total) without (instance,job)Prometheus pushgateway：
Pushgateway 简介：
- pushgateway用于临时的指标数据收集。
- pushgateway不支持数据拉取(pull模式)， 需要客户端主动将数据推送给pushgateway。
- pushgateway可以单独运行在一个节点， 然后需要自定义监控脚本把需要监控的主动推送给pushgateway的API接口， 然后pushgateway再等待prometheus server抓取数据， 即pushgateway本身没有任何抓取监控数据的功能，目前pushgateway只能被动的等待数据从客户端进行推送。
- --persistence.file="" #数据保存的文件， 默认只保存在内存中
- --persistence.interval=5m #数据持久化的间隔时间
客户端推送单条指标数据和Pushgateway 数据采集流程:
要手动Push数据到 PushGateway中， 可以通过其提供的 API 标准接口来添加， 默认 URL 地址为：http://<;ip>:9091/metrics/job/<JOBNAME{/<LABEL_NAME>/<LABEL_VALUE>}
<JOBNAME>是必填项，是job的名称，后边可以跟任意数量的标签对，一般会添加一个instance/<INSTANCE_NAME>实例名称标签， 来方便区分各个指标是在哪个节点产生的。
如下推送一个job名称为mytest_job， key为mytest_metric值为2022
echo "mytest_metric 2088" | curl --data-binary @- http://10.2.0.24:9091/metrics/job/mytest_job
部署Pushgateway：
root@prometheus-pushgateway:/apps# tar xvf pushgateway-1.6.2.linux-amd64.tar.gz
root@prometheus-pushgateway:/apps# ln -sv /apps/pushgateway-1.6.2.linux-amd64 /apps/pushgateway
root@prometheus-pushgateway:/apps# cat /etc/systemd/system/pushgateway.service
[Unit]
Description=Prometheus pushgateway
After=network.target
[Service]
ExecStart=/apps/pushgateway/pushgateway
[Install]
WantedBy=multi-user.target
root@prometheus-pushgateway:/apps/pushgateway# systemctl daemon-reload && systemctl start pushgateway && systemctl enable pushgateway
验证Pushgateway：
默认监听在9091端口，可以通过http://10.2.0.24:9091/metrics对外提供指标数据抓取接口
除了我们手动push的指标数据自身以外， pushgateway还为每一条指标数据附加了push_time_seconds 和 push_failure_time_seconds 两个指标，这两个是 PushGateway 自动生成的, 分别用于记录指标数据的成功上传时间和失败上传时间。
配置Prometheus-server数据采集：
root@prometheus-server:/apps/prometheus# vim prometheus.yml
- job_name: 'prometheus-pushgateway'
scrape_interval: 5s
honor_labels: true
static_configs:
- targets: ['10.2.0.24:9091']
root@prometheus-server1:/apps/prometheus# systemctl restart prometheus.serviceprometheus-server 验证指标数据：
客户端推送多条数据-方式一：
root@prometheus-node1:~# cat <<EOF | curl --data-binary @- http://10.2.0.24:9091/metrics/job/test_job/instance/10.2.0.24
#TYPE node_memory_usage gauge
node_memory_usage 4311744512
# TYPE memory_total gauge
node_memory_total 103481868288
EOF客户端推送多条数据-方式二：
基于自定义脚本实现数据的收集和推送：
root@prometheus-node1:~# cat memory_monitor.sh
#!/bin/bash
total_memory=$(free |awk '/Mem/{print $2}')
used_memory=$(free |awk '/Mem/{print $3}')
job_name="custom_memory_monitor"
instance_name=`ifconfig eth0 | grep -w inet | awk '{print $2}'`
pushgateway_server="http://10.2.0.24:9091/metrics/job"
cat <<EOF | curl --data-binary @- ${pushgateway_server}/${job_name}/instance/${instance_name}
#TYPE custom_memory_total gauge
custom_memory_total $total_memory
#TYPE custom_memory_used gauge
custom_memory_used $used_memory
EOF分别在不同主机执行脚本， 验证指标数据收集和推送：
root@prometheus-node1:~# bash memory_monitor.sh
root@prometheus-node2:~# bash memory_monitor.sh验证prometheus-server能否抓取pushgateway的数据：
Pushgateway指标数的删除：
1、通过API删除：
root@prometheus-node2:~# curl -X DELETE http://10.2.0.24:9091/metrics/job/custom_memory_monitor/instance/10.2.0.242、通过控制台删除
Prometheus Federation(联邦集群)：
10.2.0.18收集10.5.0.21（ShangHai）节点数据，10.2.0.19收集10.2.0.22（BeiJing）节点数据，10.2.0.20收集10.2.0.23（ShenZhen）数据。10.2.0.17通过联邦模式（/federate）抓取三个Server抓取到的指标也就是ShangHai，BeiJing，ShenZhen三个node节点的指标信息。
部署Prometheus Server和node_exporter的步骤
上方有，在此就不做过多介绍，详情请查看上方二进制安装
配置Prometheus(10.2.0.17)联邦节点收集node-exporter指标数据：
- job_name: 'prometheus-federate-2.0.18'
scrape_interval: 10s
honor_labels: true
metrics_path: '/federate'
params:
'match[]':
- '{job="prometheus-ShangHai"}'
- '{__name__=~"job:.*"}'
- '{__name__=~"node.*"}'
static_configs:
- targets:
- '10.2.0.18:9090'
- job_name: 'prometheus-federate-2.0.19'
scrape_interval: 10s
honor_labels: true
metrics_path: '/federate'
params:
'match[]':
- '{job="prometheus-BeiJing"}'
- '{__name__=~"job:.*"}'
- '{__name__=~"node.*"}'
static_configs:
- targets:
- '10.2.0.19:9090'
- job_name: 'prometheus-federate-2.0.20'
scrape_interval: 10s
honor_labels: true
metrics_path: '/federate'
params:
'match[]':
- '{job="prometheus-ShenZhen"}'
- '{__name__=~"job:.*"}'
- '{__name__=~"node.*"}'
static_configs:
- targets:
- '10.2.0.20:9090'
root@prometheus-server3:/apps/prometheus# systemctl restart prometheus.service验证prometheus targets状态：
验证prometheus 通过联邦节点收集的node-exporter指标数据:
仅登录用户可评论，点击 登录