基于 Prometheus 实现 laf 资源监控

laf背景

没有资源监控前,应用的资源指标(cpu / mem / db / oss)无法得知,用户很难根据自己的业务规模评估合适的规格配置;不能清楚地发现当前应用状态:是否有内存泄露、是否需要开启弹性伸缩、当前的应用实例数等等。有了资源监控,这些问题统统解决。

laf实现方案

file

  • 前端轮询后端请求监控数据,后端向 Prometheus 发起 HTTP 查询请求,Prometheus 会根据请求从自带的数据库中查询数据并返回,后端完成整合工作后返回给前端。

  • Prometheus 会根据采集规则轮询需要采集的监控目标,将数据指标 (metrics) 存到数据库里。

laf组件介绍

  • Prometheus 是一个开源的监控和警报工具,通过 Pull 模式来获取目标服务的监控指标数据(如cpu和内存等),内置了一个时间序列数据库来存储收集到的指标数据,内置 PromQL 来查询数据(类似于使用SQL语句查询数据库),自带一个 Web UI 来快速验证查询结果。

  • Prometheus 的 Exporter 是一种适配器,用于采集非原生支持 Prometheus 的第三方系统或服务的指标数据,并将其转换为 Prometheus 可以识别的格式。Exporter运行为一个单独的服务,周期性地从目标系统中拉取原始指标,然后提供一个HTTP端点,使得 Prometheus 可以从中抓取已转换的指标数据。不同的系统和服务需要不同的Exporter,例如,MongoDB Exporter 用于 抓取 MongoDB 数据库的指标;而 Minio 原生支持Prometheus,不需要单独的 Exporter。

laf环境搭建和部署


这里假设我们已经拥有了一套 k8s 环境(使用 sealos 快速部署自己的 k8s),并且已经安装了必要组件,如 Helm、MongoDB 等

我们想要采集的指标包括 CPU、内存、MongoDB 和 MinIO 的用量,这里只演示前三者

  • 首先部署 Prometheus

使用 Helm 部署 kube-stack-prometheus


kube-prometheus-stack是一个 Kubernetes 的监控和告警套件,整合了 Prometheus、Grafana 及其他相关组件,通过 Prometheus Operator 简化部署和管理,提供从节点到Kubernetes 对象的全面监控,并支持通过 Grafana 进行数据可视化。

#创建 values.yaml 文件
cat <<EOF > values.yaml
fullnameOverride: prometheus
prometheus:
  prometheusSpec:
    storageSpec:
      volumeClaimTemplate:
        spec:
          accessModes: ["ReadWriteOnce"]
          resources:
            requests:
              storage: 20Gi
EOF

helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
helm repo update
helm install prometheus prometheus-community/kube-prometheus-stack -n monitoring -f values.yaml
  • 为了采集 MongoDB 的 db 大小,需要部署 MongoDB Exporter
#填需要采集数据的 MongoDB 的连接串
DATABASE_URL=<mongodb-uri-need-to-monitor>

helm install prometheus-mongodb-exporter -n laf-system \
    --set image.tag="0.39.0"
    --set mongodb.uri=${DATABASE_URL} \
    --set serviceMonitor.enabled=true \
    --set serviceMonitor.additionalLabels.release=prometheus \
    --set serviceMonitor.additionalLabels.namespace=monitoring \
    prometheus-community/prometheus-mongodb-exporter
  • 采集cpu和内存指标,只需要内存

kubelet 作为 k8s 的组件自带了 cAdvisor 组件,cAdvisor 是一个用于收集关于容器的资源使用情况和性能特性的工具,为容器运行时(如Docker和containerd)提供监控和统计信息。而kube-prometheus-stack 集成了对 kubelet 的采集规则,所以这块我们不需要特别处理。

  • 部署完成后,使用 kubectl port-forward 进入 Prometheus 的 Web UI,查看各采集目标是否都 UP 了。至此,Prometheus 便会根据采集规则定期地去轮询各采集目标,得到采集数据存到数据库中。

file

laf编写 PromQL 查询语句验证效果

什么是 PromQL

  1. 概念:PromQL 是 Prometheus Query Language 的缩写,它是用于 Prometheus 数据库的专用查询语言。Prometheus 主要用于监控系统和时间序列数据库,PromQL 使用户能够查询和分析收集的数据,在 Prometheus 的界面或其他集成工具中,PromQL 可用于生成数据的可视化图表。

  2. 类比:想象一下 ,SQL 用于关系型数据库,PromQL 就是用于 Prometheus 时间序列数据库的。就像使用 SQL 查询关系型数据库中的数据一样,使用 PromQL 查询 Prometheus 中的时间序列数据。

  3. 例子:

  • 查询某个服务的平均响应时间:http_requests_duration_seconds_sum / http_requests_total

  • 查询在过去5分钟内的平均 CPU 使用率:rate(node_cpu_seconds_total[5m])

  • 根据条件设置警报,例如,当某个服务的请求错误率超过1%时
    rate(http_requests_total{status_code=~“5…”}[5m]) / rate(http_requests_total[5m]) > 0.01

我们需要的PromQL

# 下面的 ${xxx} 代表变量,自行拼接。PromQL 的编写方法可以自行查阅

# CPU
sum(rate(container_cpu_usage_seconds_total{image!="",container!="",pod=~"${opts.pods}",namespace="${opts.namespace}"}[1m])) by (pod)

# 内存
sum(container_memory_working_set_bytes{image!="",container!="",pod=~"${opts.pods}",namespace="${opts.namespace}"}) by (pod)

# 数据库
sum(mongodb_dbstats_dataSize{database="${opts.appid}"})

# MinIO
sum(minio_bucket_usage_total_bytes{bucket=~"${opts.appid}.+"})

打开 Prometheus 的 Web UI 页面验证

file

laf后端代码实现


我们需要查询的数据包括瞬时值(db 和 oss 的大小)和范围值( cpu 和内存在一段时间内的波动)

  • 查询范围值
const url = "http://prometheus-prometheus.monitoring:9090"
const promql = ""

const range = 3600 // 1 hour
const now = Math.floor(Date.now() / 1000)
const start = now - range // 向前推进一小时
const end = now

const query = {
   query: promql,
   range,
   step: 60,
   start,
   end,
}
const res = await axios.get(url, { params: query }) 
return res.data.data.result
  • 查询瞬时值
const url = "http://prometheus-prometheus.monitoring:9090"
const promql = ""

const query = {
   query: promql,
}
const res = await axios.get(url, { params: query }) 
return res.data.data.result

laf前端部分


针对返回结果使用 ECharts 等图表组件实现

file

引用链接
[1]
使用 sealos 快速部署自己的 k8s: https://sealos.io/zh-Hans/docs/Intro

加入 Laf 开源社区
体验像写博客一样写代码

🏠官网链接
https://laf.run

🐙GitHub 地址
https://github.com/labring/laf

📑访问 Laf 文档
https://doc.laf.run/guide/

🏘️逛逛论坛
https://forum.laf.run/
sealos 以kubernetes为内核的云操作系统发行版,让云原生简单普及

laf 写代码像写博客一样简单,什么docker kubernetes统统不关心,我只关心写业务!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值