## 1、Prometheus 特點 * 多維數據模型：由度量名稱和鍵值對標識的時間序列數據。 * PromSQL：一種靈活的查詢語言，可以利用多維數據完成復雜的查詢。 * 不依賴分布式存儲，單個服務器節點可直接工作。 * 基于HTTP的pull方式采集時間序列數據。 * 推送時間序列數據通過PushGateway組件支持。 * 通過服務發現或靜態配置發現目標。 * 多種圖形模式及儀表盤支持（grafana）。 ## 2、Prometheus 工作原理 通過HTTP周期性抓取被監控組件的狀態，任意組件只要提供對應的HTTP接口并符合Prometheus定義的數據格式，就可以接入Prometheus監控；Prometheus Server負責定時在目標上抓取metrics(指標)數據，每個抓取目標都需要暴露一個HTTP服務接口用于Prometheus定時抓取。這種調用被監控對象獲取監控數據的方式被稱為Pull(拉)；Pull方式體現了Prometheus獨特的設計哲學與大多數采用Push(推)方式的監控不同。 **優點** * ``` 強大的多維度數據模型 ``` * ``` 靈活而強大的查詢語句（PromQL）：在同一個查詢語句，可以對多個 metrics 進行乘法、加法、連接、取分數位等操作。 ``` * ``` 易于管理： Prometheus server 是一個單獨的二進制文件，可直接在本地工作，不依賴于分布式存儲。 ``` * ``` 高效：平均每個采樣點僅占 3.5 bytes，且一個 Prometheus server 可以處理數百萬的 metrics。 ``` * ``` 使用 pull 模式采集時間序列數據，這樣不僅有利于本機測試而且可以避免有問題的服務器推送壞的 metrics。 ``` * ``` 可以采用 push gateway 的方式把時間序列數據推送至 Prometheus server 端 ``` * ``` 可以通過服務發現或者靜態配置去獲取監控的 targets。 ``` * ``` 有多種可視化圖形界面。 ``` * ``` 易于伸縮。 ``` ## 3、組件 Prometheus 生態圈中包含了多個組件，其中許多組件是可選的： * ``` Prometheus Server: 用于收集和存儲時間序列數據。 ``` * ``` Client Library：客戶端庫，為需要監控的服務生成相應的 metrics 并暴露給 Prometheus server。當 Prometheus server 來 pull 時，直接返回實時狀態的 metrics。 ``` * ``` Push Gateway: 主要用于短期的 jobs。由于這類 jobs 存在時間較短，可能在 Prometheus 來 pull 之前就消失了。為此，這次 jobs 可以直接向 Prometheus server 端推送它們的 metrics。這種方式主要用于服務層面的 metrics，對于機器層面的 metrices，需要使用 node exporter。 ``` * ``` Exporters: 用于暴露已有的第三方服務的 metrics 給 Prometheus。 ``` * ``` Alertmanager: 從 Prometheus server 端接收到 alerts 后，會進行去除重復數據，分組，并路由到對收的接受方式，發出報警。常見的接收方式有：電子郵件，pagerduty，OpsGenie, webhook 等。 ``` ## 4、架構  ## 5、prometheus運行流程 prometheus根據配置定時去拉取各個節點的數據，默認使用的拉取方式是pull，也可以使用pushgateway提供的push方式獲取各個監控節點的數據。將獲取到的數據存入TSDB(一款時序型數據庫)。此時prometheus已經獲取到了監控數據，可以使用內置的PromQL進行查詢。它的報警功能使用Alertmanager提供(Alertmanager是prometheus的告警管理和發送報警的一個組件)。prometheus原生的圖標功能過于簡單，可將prometheus數據接入grafana，由grafana進行統一管理。