grafana的repeat for有什么用 grafana alert 详解

文章目录

• 一、拓扑架构
• 二、exporter

• 2.1 node_exporter

• 2.1.1 部署

• 2.1.1.1 配置、启动
• 2.1.1.2 prometheus 采集数据
• 2.1.1.3 grafana dashboard 配置

• 2.1.2 plugin

• 2.1.2.1 用 textfile 集成 shell 的指标

• 2.2 postgres_exporter
• 2.3 redis_exporter
• 2.4 服务内存、CPU监控
• 2.5 golang 用 promauto 暴露变量

• 2.5.1 Opts
• 2.5.2 Counter
• 2.5.3 CounterVec

• 2.6 漏洞：basic auth

• 2.6.0 用 iptables 隔离 exporter
• 2.6.1 用 basic auth 设置 prometheus

• 2.6.1.1 创建密码
• 2.6.1.2 新建 web.yml
• 2.6.1.3 启动脚本
• 2.6.1.4 验证登录
• 2.6.1.5 验证 prometheus 的 Targets 可访问到各 exporter

• 2.6.2 grafana 配置 data source 的 basic auth
• 2.6.3 alertmanager 配置 basic auth

• 2.7 blackbox_exporter
• 2.8 pyroscope

• 三、prometheus

• 3.1 目录结构
• 3.2 配置文件
• 3.3 启停

• 3.3.1 启动
• 3.3.2 重新加载配置文件

• 3.4 运行效果
• 3.5 配置 Targets

• 3.5.1 手动配置
• 3.5.2 file_sd
• 3.5.3 http_sd

• 3.6 设置 alert rules

• 3.6.1 alert manager

• 3.6.1.1 Grouping（聚合）
• 3.6.1.2 Inhibition（抑制）
• 3.6.1.3 Silences（静音）

• 3.6.2 alertmanager 配置

• 3.6.2.1 配置文件
• 3.6.2.2 模板文件
• 3.6.2.3 运维API
• 3.6.2.4 鉴权

• 3.7 PromQL

• 四、grafana

• 4.1 部署
• 4.2 配置数据源

• 4.2.1 explore view

• 4.3 配置 dash board
• 4.4 配置 panel

• 4.4.1 设置数据

• 4.4.1.1 Query
• 4.4.1.2 Transform
• 4.4.1.3 Alert

• 4.4.2 设置图表

• 五、alertmanager
• 六、prometheusAlert
• 七、pushgateway

一、拓扑架构

整体生态有四个组件

• exporter 服务，抓取需要的统计数据，并对外提供 http server 来暴露指标
• prometheus 服务，在配置文件中配置各 exporter 的地址 和 抓取时间间隔，其会定期通过 http get 请求获取 exporter 的指标，并存入其内嵌的 TSDB 数据库组件。
• grafana 服务，是一套前端界面，在界面配置 prometheus 数据源，其调用 prometheus 后端提供的 http 接口，展示 prometheus 数据库中的数据到图表组件上。
• alertManager 服务，用于做报警推送

整体架构如下：一个 prometheus 可能对应多个 exporter。

+-----------------------------------------------------------------------------------------------+
|                               grafana                                                         |
+-----------------------------------------------------------------------------------------------+

+-----------------------------------------------------------------------------------------------+
|                              prometheus                                                       |
+-----------------------------------------------------------------------------------------------+

 +-----------------+      +----------------+       +------------------+      +------------------+
 |    node_exporter|      |  postgres_exporter1    | postgres_exporter2      | app1_exporter    |
 +-----------------+      +----------------+       +------------------+      +------------------+

二、exporter

2.1 node_exporter

NodeExporter 是 Prometheus 提供的一个可以采集到主机信息的应用程序，它能采集到机器的 CPU、内存、磁盘等信息

2.1.1 部署

2.1.1.1 配置、启动

目录结构如下：

# wget https://github.com/prometheus/node_exporter/releases/download/v1.6.1/node_exporter-1.6.1.linux-amd64.tar.gz
# root@ubuntu:~/node_exporter/latest# ll -h
total 20M
-rw-r--r-- 1 1001 1002 12K Jul 17 20:15 LICENSE
-rwxr-xr-x 1 1001 1002 20M Jul 17 20:11 node_exporter* # 可看到只有一个二进制文件
-rw-r--r-- 1 1001 1002 463 Jul 17 20:15 NOTICE

启动方式和效果：

root@db:/home/ubuntu/node_exporter-1.1.2.linux-amd64# ./node_exporter --web.listen-address 192.168.2.99:9199  # 注意此处不要写127.0.0.1否则虽能启动但浏览器访问不到http://192.168.2.99:9199/metrics页面
level=info ts=2021-07-07T05:25:03.777Z caller=node_exporter.go:178 msg="Starting node_exporter" version="(version=1.1.2, branch=HEAD, revision=b597c1244d7bef49e6f3359c87a56dd7707f6719)"
level=info ts=2021-07-07T05:25:03.777Z caller=node_exporter.go:179 msg="Build context" build_context="(go=go1.15.8, user=root@f07de8ca602a, date=20210305-09:29:10)"
level=warn ts=2021-07-07T05:25:03.777Z caller=node_exporter.go:181 msg="Node Exporter is running as root user. This exporter is designed to run as unpriviledged user, root is not required."
level=info ts=2021-07-07T05:25:03.778Z caller=filesystem_common.go:74 collector=filesystem msg="Parsed flag --collector.filesystem.ignored-mount-points" flag=^/(dev|proc|sys|var/lib/docker/.+)($|/)
level=info ts=2021-07-07T05:25:03.778Z caller=filesystem_common.go:76 collector=filesystem msg="Parsed flag --collector.filesystem.ignored-fs-types" flag=^(autofs|binfmt_misc|bpf|cgroup2?|configfs|debugfs|devpts|devtmpfs|fusectl|hugetlbfs|iso9660|mqueue|nsfs|overlay|proc|procfs|pstore|rpc_pipefs|securityfs|selinuxfs|squashfs|sysfs|tracefs)$
level=info ts=2021-07-07T05:25:03.779Z caller=node_exporter.go:106 msg="Enabled collectors"
level=info ts=2021-07-07T05:25:03.779Z caller=node_exporter.go:113 collector=arp
level=info ts=2021-07-07T05:25:03.779Z caller=node_exporter.go:113 collector=cpu
...
level=info ts=2021-07-07T05:25:03.779Z caller=node_exporter.go:113 collector=timex
level=info ts=2021-07-07T05:25:03.779Z caller=node_exporter.go:113 collector=zfs
ts=2023-07-30T00:45:31.254Z caller=tls_config.go:274 level=info msg="Listening on" address=192.168.100.172:9199
ts=2023-07-30T00:45:31.254Z caller=tls_config.go:277 level=info msg="TLS is disabled." http2=false address=192.168.2.99:9199

访问 http://192.168.2.99:9199/metrics 就可以看到如下界面：

每一个监控指标之前都会有一段类似于如下形式的信息：

# HELP node_cpu Seconds the cpus spent in each mode. 即 cpu0 上 idle 进程占用 CPU 的总时间，是一个只增不减的度量指标，从类型中也可以看出 node_cpu 的数据类型是计数器(counter)
# TYPE node_cpu counter
node_cpu{cpu="cpu0",mode="idle"} 362812.7890625

# HELP node_load1 1m load average. 即当前主机在最近一分钟以内的负载情况，系统的负载情况会随系统资源的使用而变化，因此node_load1反映的是当前状态，数据可能增加也可能减少，从注释中可以看出当前指标类型为仪表盘(gauge)
# TYPE node_load1 gauge
node_load1 3.0703125

还有如下监控指标：

node_boot_time：系统启动时间
node_cpu：系统CPU使用量
nodedisk*：磁盘IO
nodefilesystem*：文件系统用量
node_load1：系统负载
nodememeory*：内存使用量
nodenetwork*：网络带宽
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

2.1.1.2 prometheus 采集数据

为了让 Prometheus Server 能从当前 node exporter 获取到监控数据，需改 prometheus.yml 并在scrape_configs节点下添加以下内容：

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: 'pushgetway'
    static_configs:
    - targets: ['192.168.100.99:9099']
  - job_name: 'node_exporter'
    static_configs:
    - targets: ['192.168.100.99:9199']

采集到的效果如下：

2.1.1.3 grafana dashboard 配置

设置 grafana 看板：在 google 能看到很多样例：

例如这个 dash board，将其导出为 JSON 文件

然后在 grafana 中导入此 JSON，如下图：

配置后效果如下：

2.1.2 plugin

2.1.2.1 用 textfile 集成 shell 的指标

https://github.com/prometheus/node_exporter

使用方式

2.2 postgres_exporter

在启动脚本中通过 DATA_SOURCE_NAME 填写数据库地址：

cat start_postgres_exporter.sh
DATA_SOURCE_NAME="user=postgres dbname=mydb host=192.168.2.99 port=5432 password=postgres sslmode=disable" ./postgres_exporter --web.listen-address=":9287" --extend.query-path="queries.yaml" --log.level=error

运行效果如下：

我们可以在 queries.yml 中添加自定义的查询 sql，让 exporter 暴露出来，最终在 grafana 界面添加图表并写 PromQL 即可展示，例如如下 sql：

pg_replication:
  query: "SELECT CASE WHEN NOT pg_is_in_recovery() THEN 0 ELSE GREATEST (0, EXTRACT(EPOCH FROM (now() - pg_last_xact_replay_timestamp()))) END AS lag"
  master: true
  metrics:
    - lag:
        usage: "GAUGE"
        description: "Replication lag behind master in seconds"

pg_postmaster:
  query: "SELECT pg_postmaster_start_time as start_time_seconds from pg_postmaster_start_time()"
  master: true
  metrics:
    - start_time_seconds:
        usage: "GAUGE"
        description: "Time at which postmaster started"

2.3 redis_exporter

在启动脚本中写连接地址

./redis_exporter --redis-addr 192.168.2.99 --redis.password myredispasswd

2.4 服务内存、CPU监控

下载链接

2.5 golang 用 promauto 暴露变量

promauto变量必须被router引用，才能在http接口中暴露出来，有如下2种方式

1. 在main.go或router.go中用到了

// metrics/metric.go
package metrics
import (
	"github.com/prometheus/client_golang/prometheus"
	"github.com/prometheus/client_golang/prometheus/promauto"
)
var ReqCount = promauto.NewCounter(prometheus.CounterOpts{
	Namespace: "app",
	Subsystem: "marathon",
	Name:      "http_request_total",
	Help:      "total count of http requests",
})

// routers/router.go
var (
	a      = metrics.ReqCount
)
func NewRouter() *gin.Engine {
	gin.DisableConsoleColor()
	gin.SetMode(gin.ReleaseMode)
	router := gin.New()
	router.Use(middlewares.Logger())
	router.Use(gin.Recovery())
	router.Use(gzip.Gzip(gzip.DefaultCompression))
	router.Use(static.ServeRoot("/", "static"))
	{
		router.GET("/ping", func(ctx *gin.Context) { ctx.String(http.StatusOK, "PONG") })
		router.GET("/time", func(ctx *gin.Context) { ctx.String(http.StatusOK, time.Now().Format(time.RFC3339)) })
		router.GET("/version", func(ctx *gin.Context) { ctx.String(http.StatusOK, Commit) })
	}
	pprof.Register(router)
	router.GET("/metrics", gin.WrapH(promhttp.Handler()))
	api := router.Group("/api")
	apiV1 := api.Group("/v1")
	biz(apiV1)
	return router
}

2. 在router的handleFunc中被使用了

// routers/router.go
func biz(r *gin.RouterGroup) {
	r.POST("/login", middlewares.Login)
	r.POST("/logout", middlewares.LoginAuth, middlewares.Logout)
	r.Group("/user").Use(middlewares.LoginAuth).GET("", controllers.GetUser)
}

// middlewares/authenticator.go
func LoginAuth(ctx *gin.Context) {
	metrics.ReqCount.Inc()
	tokenData := ctx.Request.Header.Get("Authorization")// 获取token
	if tokenData == "" {
		ctx.Abort()
		controllers.Error403(ctx, errors.New("empty authorization"), false)
		return
	}
}

2.5.1 Opts

type Opts struct {
	// 三者会用_相连, Name必填
	Namespace 	string
	Subsystem 	string
	Name      	string
	Help	  	string // 建议填
	ConstLabels Labels // 固定的 Label，不建议用（因为可在 prometheus.yml 中为此 Target 配置实现此需求)
}

// Labels represents a collection of label name -> value mappings. This type is
// commonly used with the With(Labels) and GetMetricWith(Labels) methods of
// metric vector Collectors, e.g.: myVec.With(Labels{"code": "404", "method": "GET"}).Add(42)
//
// The other use-case is the specification of constant label pairs in Opts or to
// create a Desc.
type Labels map[string]string

2.5.2 Counter

var x = promauto.NewCounter(prometheus.CounterOpts{
	Namespace:   "app",
	Subsystem:   "x",
	Name:        "send_total",
	Help:        "",
	ConstLabels: nil,
})
x.Add(1)

2.5.3 CounterVec

Counter 是一个 Counter，CounterVec 是一组 Counter（即可指定 Labels []string）

var x = promauto.NewCounterVec(prometheus.CounterOpts{
	Namespace:   "app",
	Subsystem:   "x",
	Name:        "send_total",
	Help:        "",
	ConstLabels: nil,
}, []string{"topic", "ip"})
x.WithLabelValues("orders", "192.168.2.11").Add(1) // 添加的两个 labelValue 按顺序对应到其两个 labelName 上

2.6 漏洞：basic auth

背景：如果系统被部署在甲方，可能常被第三方网络工具扫描到漏洞

方案：给 prometheus 加授权，详见 prometheus 的 basic-auth

2.6.0 用 iptables 隔离 exporter

iptables

2.6.1 用 basic auth 设置 prometheus

详见 iptables 设置

2.6.1.1 创建密码

• 选一个用户名，例如用 admin（当然也可以是任意其他）
• 生成 bcrpy 密码（注意，同样的原文，每次生成的密文可能不同，可用下述网站校验原文与密文是否匹配）

• 方式1：在 bcrypt 网站 生成并检查，如下图
• 方式2：用 python3-bcrypt 包生成哈希密码，可以

# apt install python3-bcrypt 安装 python 包
import getpass
import bcrypt

password = getpass.getpass("password: ")
hashed_password = bcrypt.hashpw(password.encode("utf-8"), bcrypt.gensalt())
print(hashed_password.decode())

# python3 gen-pass.py 运行效果如下
# password:
# $2a$12$0ZzhI8c93fqR33XRzw0Yz.4d4TKWiqkolaoL4VY4n5Lr9hfITwNLC

2.6.1.2 新建 web.yml

basic_auth_users:
    admin: $2a$12$0ZzhI8c93fqR33XRzw0Yz.4d4TKWiqkolaoL4VY4n5Lr9hfITwNLC  # 原文为admin

校验配置文件的合法性：

./promtool check web-config web.yml
web.yml SUCCESS

2.6.1.3 启动脚本

#!/bin/bash
./prometheus --web.config.file="web.yml" --web.listen-address="0.0.0.0:9090" --config.file="./prometheus.yml" --web.max-connections=512  --storage.tsdb.retention.size=500GB --storage.tsdb.path="/data" --log.level=error --web.enable-lifecycle

2.6.1.4 验证登录

再次登录 http://192.168.2.163:9090 即可用 basic auth 访问

• 可在 http://192.168.2.163:9090/graph 看到图表
• 可在 http://192.168.2.163:9090/metrics 看到指标（文本形式）

2.6.1.5 验证 prometheus 的 Targets 可访问到各 exporter

prometheus.yml 配置文档

global:
  scrape_interval:     15s 
  evaluation_interval: 15s 

scrape_configs:
  - job_name: 'prometheus'
    static_configs:
    - targets: ['localhost:9090']

  - job_name: 'node_exporter'
    basic_auth:
      username: admin
      password: admin
    static_configs:
    - targets: ['localhost:9100', '192.168.2.99:9100']

2.6.2 grafana 配置 data source 的 basic auth

如果改配置的话，grafana 打开 data source 时会报错，如下图所示：

• 如果 grafana 的 prometheus 数据源是手动加的，直接在页面改，如下图

• 如果是通过配置文件加的，就改grafana 配置文件

• 若手动安装则改 conf/provisioning/datasources/sample.yaml
• 若apt或yum安装则改 /etc/grafana/provisioning/datasources/sample.yaml

# 不使用basic auth的配置如下：
datasources:
  - name: Prometheus
    type: prometheus
    access: proxy
    url: http://localhost:9090 # 根据具体的配置修改

# 使用basic auth的配置如下：
datasources:
  - name: Prometheus
    type: prometheus
    access: proxy
    url: http://localhost:9090 # 根据具体的配置修改
    user: admin # 根据具体的配置修改（明文）
    secureJsonData:
      password: admin # 根据具体的配置修改（明文）

最终 grafana 的 dashboard 图表即可如下图正常展示了：

2.6.3 alertmanager 配置 basic auth

一个华人讲解 prometheus 鉴权配置的视频

先按照 alertmanager 的 basic auth 配置 添加 web.yml（内容和上文 prometheus 的 web.yml 内容相同）

再重启 alertmanager：

./alertmanager --config.file=alertmanager.yml --web.config.file=web.yml

再给 prometheus 的 prometheus.yml 配置文件的 alerting 部分 添加 alertmanager 的 basic auth 密码，文档详见prometheus.yml 的 alerting 设置，配置例子如下图左侧部分：

注意：prometheusAlert 不需要配置 鉴权

2.7 blackbox_exporter

blackbox_exporter：The blackbox exporter allows blackbox probing of endpoints over HTTP, HTTPS, DNS, TCP, ICMP and gRPC

2.8 pyroscope

pyroscope：实时分析内存和 cpu

三、prometheus

下载链接

3.1 目录结构

root@db:/home/ubuntu/prometheus-2.28.1.linux-amd64# ll -hS
total 178M
-rwxr-xr-x 1 3434 3434  94M Jul  1 23:22 prometheus*
-rwxr-xr-x 1 3434 3434  84M Jul  1 23:25 promtool*
-rw-r--r-- 1 3434 3434  12K Jul  2 00:29 LICENSE
drwxr-xr-x 4 3434 3434 4.0K Jul  2 00:32 ./
drwxr-xr-x 3 root root 4.0K Jul  7 12:45 ../
drwxr-xr-x 2 3434 3434 4.0K Jul  2 00:29 console_libraries/
drwxr-xr-x 2 3434 3434 4.0K Jul  2 00:29 consoles/
-rw-r--r-- 1 3434 3434 3.6K Jul  2 00:29 NOTICE
-rw-r--r-- 1 3434 3434  926 Jul  2 00:29 prometheus.yml

3.2 配置文件

其中 global.scrape_interval 配置了默认抓取时间间隔为 15s，并在 scrape_configs.job_name 和 scrape_configs.job_name.static_configs.targets 设置了监控数据源的名称和地址，配置如下：

# my global config
global:
  scrape_interval:     15s # Set the scrape interval to every 15 seconds. Default is every 1 minute.
  evaluation_interval: 15s # Evaluate rules every 15 seconds. The default is every 1 minute.
  # scrape_timeout is set to the global default (10s).

# Alertmanager configuration
alerting:
  alertmanagers:
  - static_configs:
    - targets:
      # - alertmanager:9093

# Load rules once and periodically evaluate them according to the global 'evaluation_interval'.
rule_files:
  # - "first_rules.yml"
  # - "second_rules.yml"

# A scrape configuration containing exactly one endpoint to scrape:
# Here it's Prometheus itself.
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: 'pushgetway'
    static_configs:
    - targets: ['192.168.2.99:9099']

  - job_name: 'postgresqlmy'
    static_configs:
    - targets: ['192.168.2.99:9287']

  - job_name: 'redis_exporter'
    static_configs:
    - targets: ['192.168.2.99:9121']

  - job_name: 'push_gateway' # 非必要组件
    static_configs:
    - targets: ['192.168.2.99:9099']

3.3 启停

3.3.1 启动

# 设置端口为9090端口
root@db:/home/ubuntu/prometheus-2.28.1.linux-amd64# cat start_prometheus.sh
./prometheus --web.listen-address="0.0.0.0:9090" --config.file="./prometheus.yml" --web.max-connections=512  --storage.tsdb.retention.size=500GB --storage.tsdb.path="/data" --log.level=error --web.enable-lifecycle

3.3.2 重新加载配置文件

kill -HUP 1234 或 curl --location --request POST 'http://192.168.100.99:9090/-/reload'

参考

在浏览器的 http://192.168.2.99:9090/config 可看到配置是否生效

3.4 运行效果

root@db:/home/ubuntu/prometheus-2.28.1.linux-amd64# ./start_prometheus.sh
level=info ts=2021-07-07T04:47:52.077Z caller=main.go:389 msg="No time or size retention was set so using the default time retention" duration=15d
level=info ts=2021-07-07T04:47:52.077Z caller=main.go:443 msg="Starting Prometheus" version="(version=2.28.1, branch=HEAD, revision=b0944590a1c9a6b35dc5a696869f75f422b107a1)"
level=info ts=2021-07-07T04:47:52.077Z caller=main.go:448 build_context="(go=go1.16.5, user=root@2915dd495090, date=20210701-15:20:10)"
level=info ts=2021-07-07T04:47:52.077Z caller=main.go:449 host_details="(Linux 4.4.0-131-generic #157-Ubuntu SMP Thu Jul 12 15:51:36 UTC 2018 x86_64 db47 (none))"
level=info ts=2021-07-07T04:47:52.077Z caller=main.go:450 fd_limits="(soft=1024, hard=4096)"
level=info ts=2021-07-07T04:47:52.077Z caller=main.go:451 vm_limits="(soft=unlimited, hard=unlimited)"
level=info ts=2021-07-07T04:47:52.081Z caller=web.go:541 component=web msg="Start listening for connections" address=0.0.0.0:9090
level=info ts=2021-07-07T04:47:52.082Z caller=main.go:824 msg="Starting TSDB ..."
level=info ts=2021-07-07T04:47:52.085Z caller=tls_config.go:191 component=web msg="TLS is disabled." http2=false
level=info ts=2021-07-07T04:47:52.089Z caller=head.go:780 component=tsdb msg="Replaying on-disk memory mappable chunks if any"
level=info ts=2021-07-07T04:47:52.089Z caller=head.go:794 component=tsdb msg="On-disk memory mappable chunks replay completed" duration=4.35µs
level=info ts=2021-07-07T04:47:52.089Z caller=head.go:800 component=tsdb msg="Replaying WAL, this may take a while"
level=info ts=2021-07-07T04:47:52.090Z caller=head.go:854 component=tsdb msg="WAL segment loaded" segment=0 maxSegment=0
level=info ts=2021-07-07T04:47:52.090Z caller=head.go:860 component=tsdb msg="WAL replay completed" checkpoint_replay_duration=46.305µs wal_replay_duration=711.241µs total_replay_duration=815.791µs
level=info ts=2021-07-07T04:47:52.092Z caller=main.go:851 fs_type=EXT4_SUPER_MAGIC
level=info ts=2021-07-07T04:47:52.092Z caller=main.go:854 msg="TSDB started"
level=info ts=2021-07-07T04:47:52.092Z caller=main.go:981 msg="Loading configuration file" filename=prometheus.yml
level=info ts=2021-07-07T04:47:52.093Z caller=main.go:1012 msg="Completed loading of configuration file" filename=prometheus.yml totalDuration=951.082µs remote_storage=2.216µs web_handler=401ns query_engine=987ns scrape=414.253µs scrape_sd=45.16µs notify=36.377µs notify_sd=21.834µs rules=1.881µs
level=info ts=2021-07-07T04:47:52.093Z caller=main.go:796 msg="Server is ready to receive web requests."

# 通过ps查看到端口是9090
root@db:/home/ubuntu/pgexp/postgres_exporter/latest# ps -ef | grep prome
nobody    4129  4111  0 11:15 ?        00:00:01 /bin/prometheus --config.file=/etc/prometheus/prometheus.yml --storage.tsdb.path=/prometheus --web.console.libraries=/usr/share/prometheus/console_libraries --web.console.templates=/usr/share/prometheus/consoles
root      4367     1  0 11:16 ?        00:00:00 /bin/bash -c cd /opt/Aegis/prometheus/latest  && bash start_prometheus.sh
root      4371  4370  3 11:16 ?        00:01:27 ./prometheus --web.listen-address=0.0.0.0:9090 --config.file=./prometheus.yml --web.max-connections=512 --storage.tsdb.retention.size=500GB --storage.tsdb.path=/data --log.level=error --web.enable-lifecycle

启动后，即可在prometheus的web界面看到个exporter的状态，如下图所示：

最终，在prometheus的web界面可看到，prometheus 已定期抓取指标，并存储在数据库中。效果如下：

• 可以用 prometheus 的 UI 查看 Table 形式的指标：

• 可以用 prometheus 的 UI 查看 Graph 形式的曲线图

重要的是可以用 PromQL 定制化查询，其语法和 SQL 类似。

3.5 配置 Targets

每个 targets 都可以有很多 labels，例如下文的每个 target 都有 type=“box”、boxname=“第一个盒子”、code=“a”、ip=“192.168.100.1” 等四个标签，还会有默认的 job=”box" 标签

3.5.1 手动配置

prometheus.yml 如下

- job_name: 'box'
  metrics_path: "/proxy/node_exporter/metrics" # 会在 job_name 后加此后缀
  static_configs:
  - targets:
    - "192.168.100.1:8899" 
    labels:
      type: "box"
      boxname: "第一个盒子"
      code: "a"
      ip: "192.168.100.1"
    - "192.168.100.2:8899" 
    labels:
      type: "box"
      boxname: "第二个盒子"
      code: "b"
      ip: "192.168.100.2"
- job_name: 'other_app'

3.5.2 file_sd

prometheus.yml 如下：

- job_name: 'box'
  scrape_interval: 2m
  metrics_path: "/proxy/node_exporter/metrics"
  file_sd_configs:
    - files:
      - adir/*.yml
- job_name: 'other_app'

并新建 adir/a.yml 和 adir/b.yml 等文件如下（一个机器一个yaml文件，放到这个目录里）：

- targets:
  - "192.168.100.1:8899"
  labels:
    type: "box"
    boxname: "第一个盒子"
    code: "a"
    ip: "192.168.100.1"

3.5.3 http_sd

prometheus 支持多种 service discovery 方式，例如可通过 http 接口获取各 exporter 的地址

例如某 a 服务提供 GET 类型的 http 接口（http://192.168.2.a:2112/roles），响应体如下：

[
    {
        "targets":[
            "http://192.168.2.99:8000/api/proxy/metrics"
        ],
        "labels":{
            "role_of_machine":"manager"
        }
    },
    {
        "targets":[
            "http://192.168.2.100:8000/api/proxy/metrics"
        ],
        "labels":{
            "role_of_machine":"worker"
        }
    },
    {
        "targets":[
            "http://192.168.2.101:8000/api/proxy/metrics"
        ],
        "labels":{
            "role_of_machine":"just a candidate"
        }
    }
]

在 prometheus.yml 配置如下 http_sd，则会定时拉取各 exporter 信息（例如上文的 http://192.168.2.99:8000/api/proxy/metrics、http://192.168.2.100:8000/api/proxy/metrics、http://192.168.2.101:8000/api/proxy/metrics）：

- job_name: httpsd
  metrics_path: api/proxy/metrics
  http_sd_configs:
    - url: "http://192.168.2.a:2112/roles"

然后，可在 prometheus 的前端界面看到 http_sd 已生效（如下图），其会从各 exporter pull 指标：

3.6 设置 alert rules

在 prometheus/rules/下放置各 yml文件，可根据采集到的指标，做运算并产生 alert。详见alert rules 文档

整体架构如下：

• prometheus 根据 alert rules 生成 alerts，并发给 alertManager
• alertManager 管理这些 alerts，负责 silencing（静音）、inhibition（抑制）、aggregation（聚合）等操作，并发通知（如email、飞书、钉钉等）

需要如下设置：

• 启动、配置 alertmanager
• 给 prometheus 配 alertmanager 的地址
• 给 prometheus 配 alerting rules

3.6.1 alert manager

alert manager 文档 alert manager 接收 prometheus 的 alerts，做 deduplicating（去重）、grouping（分组）、routing（路由），并发送通知（如email、飞书、钉钉等）

其简要概念如下：详见配置文档

3.6.1.1 Grouping（聚合）

对相似的 alerts 分类（例如大量机器同时宕机，可将几百个消息 group 为一个）。

例如：如果有100个机器组成的集群，突然网络断了，导致都连不上 database 了。而 prometheus 的 alert rules 设置为每当任意 service 连不上 databasse 时均发 alert，就会导致几百个报警。

而对用户来说，需求是有一个页面看到哪些机器宕机了，因此可把 alertmanager 配置为对 alerts 的 cluster_name（集群名）做 group（聚合）。

Grouping of alerts, timing for the grouped notifications, and the receivers of those notifications are configured by a routing tree in the configuration file.

3.6.1.2 Inhibition（抑制）

如果已经产生 alert 了，抑制同类再次产生。

例如：正在触发警报，通知无法访问整个群集。可以将AlertManager配置为在触发特定警报时将「与此群集有关的所有其他警报」静音。这可以防止通知数百或数千个与实际问题无关的触发警报。

在 alertmanager 的配置文件配置。

3.6.1.3 Silences（静音）

alertmanager 对收到的每个 alert 判断是否符合相等或正则表达式，若将此 alert 丢弃。在 alertmanager 的配置文件配置。

3.6.2 alertmanager 配置

alertmanager 配置

通过命令行和配置文件配置，其中命令行标志配置不可变的系统参数，而配置文件定义禁止规则、通知路由和通知接收器。

alert manager routing tree visual editor 可以在线校验配置。

通过给 alertmanager 发 SIGHUP 信号或 POST /-/reload 可以重新加载配置。

3.6.2.1 配置文件

./alertmanager --config.file=alertmanager.yml 指定配置文件，下面是一些常用的占位符：

valid example file 是用法示例。

在 alertmanager/template/email.tmpl 设置如下模板：

{{ define "email.html" }}
receiver: {{ .Receiver }}
<table style="border-collapse:collapse;">
        <tr>
                <td style="border:1px solid #CCC;padding:6px">开始时间</td>
                <td style="border:1px solid #CCC;padding:6px">总结</td>
                <td style="border:1px solid #CCC;padding:6px">描述</td>
        </tr>
        {{ range .Alerts }}
                <tr>
                        <td style="border:1px solid #CCC;padding:6px">{{ .StartsAt }}</td>
                        <td style="border:1px solid #CCC;padding:6px">{{ .Annotations.summary }}</td>
                        <td style="border:1px solid #CCC;padding:6px">{{ .Annotations.description }}</td>
                </tr>
        {{ end }}
</table>
{{ end }}

配置示例：

# 全局配置项
global:
  resolve_timeout: 5m #处理超时时间，默认为5min
  smtp_smarthost: 'smtp.exmail.qq.com:587' # 邮箱smtp服务器代理
  smtp_from: '[e-mail]' # 发送邮箱名称
  smtp_auth_username: '[e-mail]' # 邮箱名称
  smtp_auth_password: 'xxxxxx' # 授权码

# 定义模板信息
templates:
  - 'template/*.tmpl'

# 将报警, 按规则路由到 receivers
route:
  group_by: [ 'alertname' ]
  group_wait: 30s
  group_interval: 5m
  repeat_interval: 1h
  receiver: 'developer-email'
  routes:
    - matchers:
        - alertname="P3:还有30天到期" # 各matchers按顺序匹配，均支持正则表达式
      receiver: 'site-manager-email'
      group_interval: 3d
    - matchers:
        - alertname="P2:还有7天到期"
      receiver: 'site-manager-email'
      group_interval: 1d
    - matchers:
        - alertname="P1:还有3天到期"
      receiver: 'site-manager-email'
      group_interval: 6h
    - matchers:
        - alertname="P1:还有1天到期"
      receiver: 'site-manager-email'
      group_interval: 1h
    - matchers:
        - alertname="^P1|^P2"
      group_interval: 5m
      repeat_interval: 1h
    - matchers:
        - alertname="^P3"
      group_interval: 5m
      repeat_interval: 24h

# 定义 receivers
receivers:
  - name: 'developer-email' # 警报
    email_configs: # 邮箱配置
      - to: '[e-mail],[e-mail]' # 接收警报的email配置，多个邮箱用“,”分隔
        html: '{{ template "email.html" . }}' # 设置邮箱内容模板, 内容见上一节
        headers: { Subject: "[WARN] 业务报警邮件 {{.GroupLabels.alertname}}" }# 接收邮件的标题
    webhook_configs:
      - url: 'http://localhost:8080/prometheusalert?type=fs&tpl=prometheus-fs&fsurl=https://open.feishu.cn/open-apis/bot/v2/hook/d39b14dc-5128-4db5-b809-708ff63765c6' # 产生报警时POST调用此下游接口, 下游即会产生飞书报警
        # The HTTP client's configuration.
        # [ http_config: <http_config> | default = global.http_config ]

        # The maximum number of alerts to include in a single webhook message. Alerts
        # above this threshold are truncated. When leaving this at its default value of
        # 0, all alerts are included.
        # [ max_alerts: <int> | default = 0 ]
  - name: 'site-manager-email'
    email_configs:
      - to: '[e-mail],[e-mail]'
        html: '{{ template "email.html" . }}'
        headers: { Subject: "[WARN] 业务报警邮件 {{.GroupLabels.alertname}}" }
    webhook_configs:
      - url: 'http://localhost:8080/prometheusalert?type=fs&tpl=prometheus-fs&fsurl=https://open.feishu.cn/open-apis/bot/v2/hook/d39b14dc-5128-4db5-b809-708ff63765c6'

inhibit_rules:

3.6.2.2 模板文件

模板文件规则模板文件示例

3.6.2.3 运维API

运维API

3.6.2.4 鉴权

鉴权

3.7 PromQL

“向量”（Vector）和"标量"（Scalar）是两种不同的数据类型，用于表示不同的指标数据。

1. 向量（Vector）：向量是一个包含多个时间序列的数据集合。每个时间序列都由一个标识符（通常是一个指标名称和一组标签）和一系列时间戳-值对组成。向量可以表示多个实体的指标数据，例如多个服务器的 CPU 使用率、多个网络接口的流量等。在 PromQL 查询语言中，向量由一对大括号 {} 表示。如 http_requests_total{job="webserver", method="GET"}
2. 标量（Scalar）：标量是一个单一的数值，不包含时间序列。它表示一个瞬时的数值或聚合结果。标量通常用于表示单个指标数据，例如某个时间点的 CPU 温度、内存使用量等。在 PromQL 查询语言中，标量表示一个数值。如 3.14

总结起来，向量是一个包含多个时间序列的数据集合，用于表示多个实体的指标数据。而标量是一个单一的数值，用于表示单个指标数据或聚合结果。在 Prometheus 中，可以使用 PromQL 查询语言对向量和标量进行操作和分析，以获取所需的指标信息。

向量和向量可以计算，但必须同 label。

如 node_cpu_time{} 可和 node_cpu_time{} 计算,因两侧label完全相同
如 node_cpu_time{ip="a",type="user"} 可和  node_cpu_time{ip="a",type="user"} 计算,因两侧label完全相同
如 node_cpu_time{ip="a",type="user"} 可和  node_disk_usage{ip="a",type="user"} 计算,因两侧label完全相同(虽然metric_name不同)

如 node_cpu_time{ip="a",type="user"} 不可和 node_cpu_time{ip="a",type="idle"} 计算,因两侧label不同
如 node_cpu_time{ip="a",type="user"} 不可和 node_cpu_time{ip="b",type="user"} 计算,因两侧label不同
如 node_cpu_time{ip="a",type="user"} 不可和 node_cpu_time{ip="a",type="user",state="up"} 计算,因两侧label不同

向量和标量可以计算
标量和标量可以计算
通过聚合函数，可将向量转变为向量（即只聚合了部分label）或标量（ 即聚合了所有 label）

sum 和 sum_over_time 都是用于计算时间序列数据的函数，但它们的计算方式和应用场景有所不同。

1. sum 函数：sum 函数用于计算指定时间范围内所有时间序列数据点的总和。它将每个时间序列的数据点相加，得到一个新的时间序列，该序列表示总和。这个函数通常用于聚合多个时间序列数据的总和，以便得到一个单一的时间序列， 如sum(metric_name)。是同一时间点、各 label 之间的计算。
2. sum_over_time 函数：sum_over_time 函数用于计算指定时间范围内时间序列数据点的累积和。它将每个时间序列的数据点相加，并以时间为单位生成一个新的时间序列，表示在给定时间范围内的累积总和。这个函数通常用于计算某个时间段内的累积总和，以便观察数据在时间上的变化趋势。如 sum_over_time(metric_name[5m])。是同一 label，各时间点之间的计算。

要注意的是，sum 函数返回的是一个标量值（scalar），而 sum_over_time 函数返回的是一个时间序列。这意味着 sum_over_time 函数的计算结果可以用于绘制时间序列图表，以展示数据的累积变化。

总结起来，sum 函数用于计算总和，而 sum_over_time 函数用于计算时间范围内的累积总和。

四、grafana

4.1 部署

官网下载地址

wget https://dl.grafana.com/enterprise/release/grafana-enterprise-10.0.3.linux-amd64.tar.gz
tar -zxvf grafana-enterprise-10.0.3.linux-amd64.tar.gz

root@ubuntu:/home/ubuntu/grafana/latest# du -sh ./*
128M    ./bin
200M    ./public # 前端页面
216K    ./conf
12K     ./LICENSE
60K     ./plugins-bundled

root@ubuntu:/home/ubuntu/grafana/latest# ll -h bin
total 128M
-rwxr-xr-x 1 root root 125M Jul 26 03:57 grafana*
-rwxr-xr-x 1 root root 1.5M Jul 26 03:57 grafana-cli*
-rwxr-xr-x 1 root root 1.5M Jul 26 03:57 grafana-server*

root@ubuntu:/home/ubuntu/grafana/latest# ll -h conf
total 160K
-rw-r--r-- 1 root root  74K Jul 26 03:57 defaults.ini
-rw-r--r-- 1 root root 1.1K Jul 26 03:57 ldap_multiple.toml
-rw-r--r-- 1 root root 3.0K Jul 26 03:57 ldap.toml
drwxr-xr-x 8 root root 4.0K Jul 26 03:57 provisioning/
-rw-r--r-- 1 root root  72K Jul 26 03:57 sample.ini

root@ubuntu:/home/ubuntu/grafana/latest# ll plugins-bundled/
total 4
drwxr-xr-x 3 root root 4096 Jul 26 03:57 internal/

grafana 配置文件路径

• 启动日志

root@ubuntu:/home/ubuntu/grafana/latest# bin/grafana server web
Grafana server is running with elevated privileges. This is not recommended
INFO [07-30|09:49:20] Starting Grafana                         logger=settings version=10.0.3 commit=eb8dd72637 branch=HEAD compiled=2023-07-26T01:55:59+08:00
WARN [07-30|09:49:20] "sentry" frontend logging provider is deprecated and will be removed in the next major version. Use "grafana" provider instead. logger=settings
INFO [07-30|09:49:20] Config loaded from                       logger=settings file=/home/ubuntu/grafana/latest/conf/defaults.ini
INFO [07-30|09:49:20] Target                                   logger=settings target=[all]
INFO [07-30|09:49:20] Path Home                                logger=settings path=/home/ubuntu/grafana/latest
INFO [07-30|09:49:20] Path Data                                logger=settings path=/home/ubuntu/grafana/latest/data
INFO [07-30|09:49:20] Path Logs                                logger=settings path=/home/ubuntu/grafana/latest/data/log
INFO [07-30|09:49:20] Path Plugins                             logger=settings path=/home/ubuntu/grafana/latest/data/plugins
INFO [07-30|09:49:20] Path Provisioning                        logger=settings path=/home/ubuntu/grafana/latest/conf/provisioning
INFO [07-30|09:49:20] App mode production                      logger=settings
INFO [07-30|09:49:20] Connecting to DB                         logger=sqlstore dbtype=sqlite3
INFO [07-30|09:49:20] Creating SQLite database file            logger=sqlstore path=/home/ubuntu/grafana/latest/data/grafana.db
INFO [07-30|09:49:20] Starting DB migrations                   logger=migrator
INFO [07-30|09:49:20] Executing migration                      logger=migrator id="create migration_log table"
INFO [07-30|09:49:20] Executing migration                      logger=migrator id="create user table"

INFO[07-07|14:02:50] External plugins directory created       logger=plugins directory=/home/ubuntu/grafana/grafana-8.0.4/data/plugins
INFO [07-30|09:49:40] starting                                 logger=ticker first_tick=2023-07-30T09:49:50+08:00
INFO [07-30|09:49:40] HTTP Server Listen                       logger=http.server address=[::]:3000 protocol=http subUrl= socket=
INFO [07-30|09:49:40] Update check succeeded                   logger=plugins.update.checker duration=525.67157ms

4.2 配置数据源

旧版本（8.x.x）配置页面如下：

新版本（10.x.x）配置页面如下：

配置成功后会提示如下，再配置 dash board 或 explore view（简单查询）均可：

4.2.1 explore view

例如 explore view 效果如下，只需填 metric、instance，即可将时段内、该指标的曲线展示为如下效果：

4.3 配置 dash board

在 google 搜 grafana dashboard example 找例子：

或在 grafana dashboard 中找 example：

grafana 8.x.x 可用如下模板

DashBoard 是由若干 Panel 图表组成的：

如果导入了 grafana 的 JSON 监控模板，但曲线图却无数据，一定是 PromQL 未成功，可以从两方面排查：

• 排查思路1：在 prometheus 中查看 PromQL 是否成功，例如下图即为在 prometheus 中查看 pg_stat_database_tup_fetched，若能查出结果才正常
• 排查思路2：在 DashBoard 的 Settings => Variables，查看环境变量是否有值。如下图中的 host 变量，若能在 preview of values 中有值则说明正常。

4.4 配置 panel

anel（图表）是 Prometheus 中数据呈现的最小单元，我们看到的面板数据，都是由一个个图表构成的。图表（Panel）的设置区域分为预览、设置数据、设置图表三个区域：

4.4.1 设置数据

有 Query、Transform、Alert 三种配置：

4.4.1.1 Query

设置效果如下图，包括如下配置项：

• Metrics 指标名称：例如 rate(node_memory_bytes[1m]) 即每分钟的增长率，可用 builder 或 code 配置
• Legend 图例：例如可设置 {{instance}}-1m 标识最近 1min、{{instance}}-5m 标识最近 5min
• MinStep 最小步长：即图中两点的最小间隔
• Format 数据源的格式：Time series 是时序数据、Table 是表格数据、Heap Map 是热力图数据

4.4.1.2 Transform

4.4.1.3 Alert

4.4.2 设置图表

有很多种类图表：

panel options 可设置图表名称：

tooltip：当鼠标悬浮时，all 显示所有线，single 只显示一条线。

legend：控制图例

Axis：设置横纵轴

Graph style：设置曲线的形状，是否展示点

Standard options：设置纵轴标准化到什么单位

Threshold：设置阈值，如下图三条阈值虚线和背景色

五、alertmanager

在 alertmanager 的配置文件，可发 email，也可调用 prometheusAlert 的 飞书/钉钉 webhook

六、prometheusAlert

用于发送飞书/钉钉等 现代方式报警

七、pushgateway

The Prometheus Pushgateway exists to allow ephemeral（短暂） and batch jobs to expose their metrics to Prometheus. Since these kinds of jobs may not exist long enough to be scraped, they can instead push their metrics to a Pushgateway. The Pushgateway then exposes these metrics to Prometheus