lovely_nn的博客

部署 windows_exporter 作为 prometheus 监控数据采集器

PrometheusServer框架图

一、简介blackbox_exporter是Prometheus 官方提供的 exporter 之一，可以提供 http、dns、tcp、icmp 的监控数据采集，blackbox_exporter 可用于以下监测：1.HTTP 测试定义 Request Header 信息判断 Http status / Http Respones Header / Http Body 内容2.TCP 测试业务组件端口状态监听应用层协议定义与监听3.ICMP 测试主机探活机制4.POST 测试

参考原文档：在 AlertManager 报警通知中展示监控图表Promoter 是一个用于 AlertManager 通知的 Webhooks 实现，支持在消息通知中展示实时报警图表，也支持定制消息通知模板。https://mp.weixin.qq.com/s/Wcp7ltEbnHpUlbaF9JDgZg项目源码：GitHub - cnych/promoter: AlertManager Webhook Service With Alerts images.https://github.com/cnych

1、部署webhook程序AlertManager 支持很多种报警接收器，比如 slack、微信之类的，其中最为灵活的方式是 webhook ，我们可以定义一个 webhook 来接收报警信息，然后在 webhook 里面去进行处理，可以自定义发送怎样的报警信息，这里实现了一个简单的dingtalk 的 webhook 程序，代码仓库地址：github.com/cnych/alertmanager-dingtalk-hook，现在将这个服务部署到集群中来：将源码拉取到本地，打包这个服务镜像：#

Alertmanager简介Alertmanager是什么?Alertmanager 是 Prometheus 的一个报警模块，主要用于接收 Prometheus 发送的告警信息，它支持丰富的告警通知渠道，而且能够做到对告警信息进行去重，降噪，分组，是一款前卫的告警通知系统。Alertmanager工作机制在Prometheus生态架构里，警报是由独立的俩部分组成，Prometheus和Alertmanager是两个独立的组件，Prometheus用于采集监控指标数据，定义告警规则，并.

节点监控指标获取​节点数：sum(kube_node_info)不可用的节点：sum(kube_node_spec_unschedulable)获取节点cpu核数：sum(kube_node_status_capacity{resource="cpu"})by(node)获取节点内存大小：sum(kube_node_status_capacity{resource="memory"})by(node)磁盘资源短缺的节点：​kube_node_status_condition{

在 Kubernetes 集群上 Pod、DaemonSet、Deployment、Job、CronJob 等各种资源对象的状态也需要监控，这也反映了使用这些资源部署的应用的状态。比如：我调度了多少个副本？现在可用的有几个？ 多少个 Pod 是 running/stopped/terminated 状态？ Pod 重启了多少次？ 我有多少 job 在运行中等等对于 Prometheus 来说，需要引入新的 exporter 来暴露这些指标，这就是kube-state-metrics。1.部署

apiserver 作为 Kubernetes 最核心的组件，当然他的监控也是非常有必要的，对于 apiserver 的监控我们可以直接通过 kubernetes 的 Service 来获取,如下这个 Service 就是k8s集群apiserver 在集群内部的 Service 地址，想要自动发现 Service 类型的服务，需要用到 role 为 Endpoints 的自动发现方式，在 Prometheus配置中添加上一个 Endpoints 类型的服务的监控任务即可：$ kubectl get

说到容器监控我们自然会想到 cAdvisor，因为 cAdvisor 已经内置在了 kubelet 组件之中，所以我们可以直接通过访问 kubelet 的 /metrics/cadvisor 这个路径来获取 cAdvisor 的数据， 同样我们这里使用 node 的服务发现模式，因为每一个节点下面都有 kubelet，自然都有 cAdvisor 采集到的数据指标，在Prometheus中添加如下配置： - job_name: "cadvisor" kubernetes_sd_conf

由于Prometheus 服务发现的 Node 模式，默认访问的就是kubelet的10250 端口，因此可以直接配置Prometheus自动发现为Node模式来监控kubelet组件。如下在 prometheus.yml 中添加自动发现任务后重新加载配置文件即可生效： - job_name: "kubelet" kubernetes_sd_configs: - role: node scheme: https tls_config: ca_file: /var/

部署Prometheus：K8S 部署Prometheus_lovely_nn的博客-CSDN博客Prometheus主要监控k8s哪些资源？监控Kubernetes 集群是非常重要的，我们需要时时刻刻了解集群的运行状态，对于集群的监控一般我们需要考虑以下几个方面：1) Kubernetes 节点的监控：比如节点的 cpu、load、disk、memory 等指标2) 内部系统组件： kube-scheduler、kube-controller-manager、kubedns/coredns

Relabel概述relabel顾名思义，就是标签重写，可以允许用户重写标签或者针对标签做一些过滤操作，Prometheus中的relabel有如下三种，应用范围和工作时段不一样，这里主要介绍relabel_config:relabel_config在被prometheus抓取之前修改，针对的是targetmetric_relabel_configs在被prometheus存储之前修改，针对的是Metricalert_relabel_configs在被发送到alertmanager之前，针

1.为了能够方便的管理配置文件，这里将 prometheus.yml 文件用 ConfigMap的形式进行管理：创建configMap并将配置文件内容写在data字段中：# cat pro_cm.yamlapiVersion: v1kind: ConfigMapmetadata: name: prometheus-config namespace: kube-mondata: prometheus.yml: | global: scrape_interval

1.在/etc/systemd/system路径下编辑prometheus.service$ cat /etc/systemd/system/prometheus.service[Unit]Description=logging prometheus serviceDocumentation=https://prometheus.io[Service]Type=simpleUser=rootGroup=rootExecStart=/usr/local/bin/prom

简述Prometheus 允许我们进行自定义的发现集成，可以通过 watch 一组本地的目标文件来获取抓取目标以及标签信息，这就是基于文件的服务发现方式：该方式提供了一种更通用的方式来配置静态目标，它读取一组包含零个或多个 <static_config> 列表的文件，对所有定义的文件的变更通过磁盘监视被检测到并立即应用，目标文件可以以 YAML 或 JSON 格式,YAML格式的如下：- targets: [ - '<host>' ] labels:

1.在es本地下载解压elasticsearch_exporter二进制包：$ wget https://github.com/prometheus-community/elasticsearch_exporter/releases/download/v1.3.0/elasticsearch_exporter-1.3.0.linux-amd64.tar.gz$ tar -xvf elasticsearch_exporter-1.3.0.linux-amd64.tar.gz$ mv elastics

1）下载软件包、解压、运行node_exporter$ wget https://download.fastgit.org/prometheus/node_exporter/releases/download/v1.2.2/node_exporter-1.2.2.linux-amd64.tar.gz$ tar -xvf node_exporter-1.2.2.linux-amd64.tar.gz$ cd node_exporter-1.2.2.linux-amd64进入目录后直接执行 no

系统资源与时间1)获取资源信息node_uname_info{job="node_exporter"}2)系统运行时间sum(time() - node_boot_time_seconds{job="node_exporter"})by(instance)磁盘使用情况1)"/"磁盘使用率(文件系统类型为 ext.？或 xfs的)(node_filesystem_size_bytes{job="node_exporter",fstype=~"ext.?|xfs", mountpoint