🌟思维风暴
Author Image
༒过渡忙碌使你落后

© 2024 tkstorm.com

粤ICP备14088510号

基于PG(Prometheus+Grafana)实现Linux基础设施的监控（上）

2019/07/25 共 2910 字 9 分钟阅读
DEVOPS sre
AI 摘要: 本文介绍了基于Prometheus和Grafana的系统监控解决方案，同时对比了Collectd、Telegraf和Prometheus三种工具的特点。另外还概述了相关软件如InfluxDB、Zabbix、Kabana等，并详细介绍了使用Prometheus和Grafana实现对服务器资源节点的监控的流程和配置。最后对整个解决方案进行了总结。

1. 系统监控解决方案

  • 基于CollectD，InfluxDB和Grafana实现（CollectD是基于C语言写的，基于模块化，组件很丰富）
  • 基于Prometheus和Grafana实现 (主要基于这套)

2. 基于Prometheus和Grafana实现

2.1. 先附一张效果图

3. collectd vs Telegraf vs Prometheus：有什么区别？

对比参见：https://stackshare.io/stackups/collectd-vs-prometheus

3.1. Collectd

系统和应用程序度量收集器，collectd收集有关其运行的系统的统计信息并存储此信息，然后使用这些统计数据来查找当前的性能瓶颈（即性能分析）并预测未来的系统负载（即容量规划）。

特定：收集帮助分析

3.2. Telegraf

Telegraf是收集，处理，汇总和编写指标的代理。设计目标是通过插件系统实现最小的内存占用，以便社区中的开发人员可以轻松添加对收集指标的支持

3.3. Prometheus

整体Prometheus架构：

由SoundCloud基于Golang开发的开源服务监控系统和时间序列数据库。

Prometheus是一个系统和服务监控系统，它以给定的时间间隔从配置的目标收集指标，评估规则表达式，显示结果，并且如果观察到某些条件为真，则可以触发警报。

普罗米修斯的主要特点是：

  • 具有由度量名称和键/值对标识的时间序列数据的多维数据模型
  • PromQL，一种灵活的查询语言， 可以利用这一维度
  • 不依赖分布式存储; 单个服务器节点是自治的
  • 时间序列集合通过HTTP上的拉模型发生
  • 推送时间序列通过中间网关支持
  • 通过服务发现或静态配置发现目标
  • UI较弱，可与与Grafana结合使用

普罗米修斯的组件，Prometheus生态系统由多个组件组成，其中许多组件是可选的：

  • 主要的Prometheus服务器，用于存储时间序列数据
  • 用于检测应用程序代码的客户端库
  • 用于支持短期工作的推送网关
  • 针对HAProxy，StatsD，Graphite等服务的专用出口商
  • 一个alertmanager处理警报
  • 各种支持工具

4. 其他相关性软件简要概述

  • InfluxDB：开源的分布式时间序列数据库，没有外部依赖关系
  • Zabbix: 跟踪，记录，提醒和可视化IT资源的性能和可用性
  • Kabana: ELK技术栈，探索和可视化您的数据
  • Prometheus：基于Golang开发的告警、事件监控的应用软件。Prometheus支持一些监控和管理协议，以实现转换的互操作性：Graphite，StatsD，SNMP，JMX和CollectD。
  • Grafana：Grafana是一个通用仪表板和图形编辑器。它专注于提供丰富的时间序列度量可视化方法，主要是通过图形，但支持通过可插拔面板架构可视化数据的其他方法。它目前对Graphite，InfluxDB和OpenTSDB提供了丰富的支持。但是通过插件支持其他数据源。
  • StatsD：Node.js平台上运行，并侦听通过UDP发送的统计信息，如计数器和计时器，并将聚合发送到一个或多个可插入后端服务（例如，Graphite）。
  • Nagios：用C语言编写并在GNU通用公共许可证下发布的主机/服务/网络监控程序，完整的服务器，交换机，应用程序和服务监控和警报
  • Ganglia：可扩展的分布式监控系统，适用于集群和网格等高性能计算系统
  • Fluentd：Fluentd从各种数据源收集事件并将其写入文件，RDBMS，NoSQL，IaaS，SaaS，Hadoop等。Fluentd可帮助您统一日志记录基础架构。
  • Jaeger: Uber作为开源发布的分布式跟踪系统
  • collectd: 系统和应用程序指标收集器

5. PG对服务器资源节点监控的落地

实现监控单台Server的磁盘、网络、内存、CPU等指标的监控

5.1. 实施流程

  1. 下载并安装Prometheus，部署在监控服务器上
  2. 下载并安装Node_Exporter，部署在被监控节点服务器
  3. 下载并安装Grafana，部署在监控服务器上
  4. 基于Nginx作为反向代理，配置Grafana、Prometheus
  5. 配置Grafana，基于PromQL实现节点的磁盘、网络、内存、CPU情况监测

5.2. 下载安装Prometheus、Node_Exporter、Grafana

5.3. 配置Node Exporter服务

以下在被监控节点服务器上部署，提供一个http的api接口给到Prometheus来Pull 指标数据，暴露的节点在:9100上面提供web api服务；

注意：--no-collector.netstat，是因为node-exporter在收集netstat时候报错，是一个官方Bug，暂时先忽略收集！

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

// 服务文件 - /etc/systemd/system/node-exporter.service
[Unit]
Description=Node Exporter for prometheus.

[Service]
User=node_exporter
EnvironmentFile=/etc/sysconfig/node_exporter
ExecStart=/usr/sbin/node_exporter $OPTIONS

[Install]
WantedBy=multi-user.target

$ cat /etc/sysconfig/node_exporter
OPTIONS=" --no-collector.netstat \
    --collector.textfile.directory /var/lib/node_exporter/textfile_collector \
    --web.listen-address 172.18.x.x:9100 \
"

5.4. Nginx - 认证文件生成

考虑到Nginx的aut_basic，先简单安装htpasswd和设置好用户名、密码，基本认证密码可以基于htpasswd工具生成

1
2
3
4
5
6
7
8

// 什么包提供htpasswd命令
yum provides *bin/htpasswd

// 安装
yum install httpd-tools -y

// 秘钥生成
htpasswd -bc .mypasswd user pass

5.5. Nginx - 配置Nginx反向代理

  1. ssl_cert.conf配置，基于acme.sh安装的ssl证书配置
  2. auth_basic，
    • 针对Grafana不用开启简单认证，因为Grafana自己有一套认证方式，可以参考Grafana文档的认证文档；
    • 针对Prometheus开启简单认证，作为Grafana的数据源

prometheus.conf vhos部分：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

// 1. Grafana
server {
    listen 443 ssl http2;
    include ssl_cert.conf;
    server_name gf.hostname;
    location / {
        proxy_pass           http://localhost:3000/;
    }
    #auth_basic              "Grafana";
    #auth_basic_user_file    .mypasswd;
}

// 2. Prometheus
server {
    listen  443 ssl http2;
    include ssl_cert.conf;
    server_name pr.hostname;
    location / {
        proxy_pass           http://localhost:9090/;
    }
    auth_basic              "Prometheus";
    auth_basic_user_file    .mypasswd;
}

ssl证书部分

1
2
3
4

// 基于acme.sh安装的ssl证书配置
ssl_certificate         ./ssl/tkstorm.com.chained.cert;
ssl_certificate_key     ./ssl/tkstorm.com.key;
add_header Strict-Transport-Security "max-age=31536000; includeSubDomains" always;

5.6. 启动Prometheus服务

配置prometheus.yml，新增node job，定期去被监控节点服务器上去Pull内容（这里是去上面node_exporter暴露API节点上去PULL数据）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

// 配置prometheus.yml，新增node job
scrape_configs:
  # The job name is added as a label `job=<job_name>` to any timeseries scraped from this config.
  - job_name: 'prometheus'
    # metrics_path defaults to '/metrics'
    # scheme defaults to 'http'.
    static_configs:
        - targets: ['localhost:9090']
  - job_name: 'node'
    static_configs:
        - targets: ['172.18.x.x:9100']

// 启动prometheus服务
cd /usr/local/prometheus 
./prometheus --config.file=prometheus.yml

5.7. 启动Grafana服务

Grafana配置在安装目录下的conf内（我这里是基于源码包下载安装的，非rpm）：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20

conf/
├── defaults.ini
├── ldap_multiple.toml
├── ldap.toml
├── provisioning
│   ├── dashboards
│   │   └── sample.yaml
│   ├── datasources
│   │   └── sample.yaml
│   └── notifiers
│       └── sample.yaml
└── sample.ini

// 编辑defaults.ini
http_addr = 127.0.0.1   # 因为我们是基于Nginx代理进来的，可以直接绑定本地addr
root_url = https://gf.hostsname/ # 配置root_url，方便grafana可以直接查询

// 启动grafana服务
cd /usr/local/grafana
./grafana-server web

遗留问题，Promethues和Grafnana的systemd服务没有配置

5.8. Grafana - 配置

  1. 配置数据源，选择Prometheus数据源，注意URL、Basic auth两处地方：

5.9. Metric Type

理解Metric types，以prometheus job的/metric指标监控为例说明：

1
2
3
4
5
6
7

// HELP prometheus_http_requests_total Counter of HTTP requests.
// TYPE prometheus_http_requests_total counter
prometheus_http_requests_total{code="200",handler="/api/v1/label/:name/values"} 7
prometheus_http_requests_total{code="200",handler="/api/v1/query"} 19
...
prometheus_http_requests_total{code="302",handler="/"} 1
prometheus_http_requests_total{code="400",handler="/api/v1/query_range"} 6

指标由指标名(这里是prometheus_http_requests_total)、花括号里的labels(比如code、handler)以及label values（比如200、302等）组成。其中labels可以理解为维度，PromQL提供查询指标按时间、维度聚合，参见下面的示例。1

5.10. PromQL配置

通过Create一个一个的新建面板，就可以实现基础设施的监控，这里简要配置几个PromQL。

Tips: 可以通过查看prometheus的/graph的console查看指标名支持的labels情况，以及相关的查询语句的的值

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

// 统计各类型磁盘，在不同job、文件类型下下，按GB统计情况
node_filesystem_free_bytes{job="$server", fstype=~"xfs|ext4"}/1024/1024/1024
node_filesystem_avail_bytes{job="$server", fstype=~"xfs|ext4"}/1024/1024/1024
node_filesystem_size_bytes{job="$server", fstype=~"xfs|ext4"}/1024/1024/1024
(node_filesystem_size_bytes{job="$server", fstype=~"xfs|ext4"}-node_filesystem_free_bytes{job="$server",fstype=~"xfs|ext4"})/1024/1024/1024

// 内存
node_memory_MemTotal_bytes{job="$server"}/1024/1024
node_memory_MemAvailable_bytes{job="$server"}/1024/1024
node_memory_MemFree_bytes{job="$server"}/1024/1024
node_memory_Buffers_bytes{job="$server"}/1024/1024
node_memory_Cached_bytes{job="$server"}/1024/1024

// CPU各类状态（用户、系统、iowait、softirq、irq等指标查看）
irate(node_cpu_seconds_total{job="$job",instance="$instance"}[1m])

// CPU1、5、15分钟负载
node_load1{job="$job",instance="$instance"}
node_load5{job="$job",instance="$instance"}
node_load15{job="$job",instance="$instance"}

// 网络单位时间流量情况
rate(node_network_transmit_bytes_total{device="eth0",job="$server"}[$__interval])
rate(node_network_receive_bytes_total{device="eth0",job="$server"}[$__interval])

// 网络按天偏移统计流量
node_network_transmit_bytes_total{device="eth0",instance="$instance"} /1024/1024 - node_network_transmit_bytes_total{device="eth0",instance="$instance"} offset 1d / 1024/1024

Console查看：

5.11. 拿节点上下文切作为示例配置

通过选择合适的数据源，在PromQL区域增加对应的监控项内容；利用AddQuery添加额外的监控项：

5.12. 模板变量参考 2

可以在变量中使用变量，而不必在指标查询中对服务器，应用程序和传感器名称等进行硬编码。变量在仪表板顶部显示为下拉选择框。这些下拉菜单使您可以轻松更改仪表板上显示的数据。

如果在Grafana中的查询变量指定，Query类型允许查询Prometheus获取metrics, labels,label values内容：

  • label_names() ：获取所有标签名
  • label_values(label)：基于标签名获取所有值
  • label_values(metric, label)：获取指定指标下的标签值，比如
    • label_values(node_uname_info, job) 获取job
    • label_values(node_uname_info, nodename) 获取节点主机名
    • label_values(node_uname_info, instance) 获取IP实例
  • metrics(metric)：获取匹配指定正则标签的所有，比如metrics(.*)先查看所有指标
  • query_result(query)：返回promQL查询结果

考虑到多节点的监控，我们需要将不同的Server标识(如实例IP、Job名称等)做成通用变量，这样在Grafana大盘上面，可以简单的通过参数就可以指定！

以上基本摸清后，可以从Grafana上面参照其他人分享出来的配置，导入自己环境进行相关调试，做到适配自己的基础运维环境

配置列表：
配置明细：

6. 小结

简要介绍了基于prometheus+grafana对系统资源节点监控解决方案，grafana弥补了prometheus的UI短板，同时prometheus定期从指定的job抓取相关的指标存储在自己时序数据库中。

我们可以通过prometheus的web界面/metric、graph、console等界面查看和调试指标，在grafana设置好prometheus数据源后，可以通过PromQL查询语句，统计相关指标的资源使用情况，结合grafana的变量功能，能够做到美观和适用的节点资源监控效果。

如果要达到生产级别的使用，grafana变量维度的丰富，prometheus时序数据库的高可用、高并发以及扩容支持，以及监控告警都是是需要重点考虑的。

7. 链接参考

  • Prometheus介绍：https://en.wikipedia.org/wiki/Prometheus_(software)
  • Prometheus Document: https://prometheus.io/docs/introduction/overview/
  • 与prometheus相关性软件：https://stackshare.io/prometheus/alternatives
  • Prometheus的PromQL语法：https://prometheus.io/docs/prometheus/latest/querying/examples/
  • Grafana变量参考：https://grafana.com/docs/grafana/latest/reference/templating/

  1. https://frezc.github.io/2019/08/03/prometheus-metrics/ ↩︎

  2. https://grafana.com/docs/grafana/latest/features/datasources/prometheus/#templating ↩︎

Vagarnt - Homestead Box使用 httpstat - 基于Golang写的一款Http检测工具

Related Articles