【大数据运维监控】带你演示Prometheus扩展Cortex的水平扩展和高可用复制

这章，我们主要讲一下 Prometheus 的扩展 Cortex 的安装过程，以及Cortex的水平扩展。这些内容官网都可以找到。

环境准备

• GO 的语言环境，配置好 GOMODULE
• 从 Github 上将 Cortex 的源程序克隆下来，Github克隆很慢，可以先导入 Gitee，再从 Gitee 上克隆；

开始编译

Cortex 的安装

我们进入到 Cortex 的文件目录，执行指令:

go build ./cmd/cortex

开始执行:

./cortex -config.file=./docs/configuration/single-process-config.yaml

一般情况下不会出问题，有问题应该是 Linux 缺少了相关程序，自行下载即可。执行完就好了

Promethus

这个我们直接解压 .tar.gz 文件包，进入 prometheus 目录，修改 prometheus.yml , 增加配置：

remote_write:
  - url: http://localhost:9009/api/prom/push

配置文件是 yml 格式的，请遵守相关规则。

验证

./prometheus

现在我们需要通过 Grafana 来进行数据的读取。

docker run --rm -d --name=grafana -p 3000:3000 grafana/grafana

现在我们就在 Grafana 里面去做GUI 就好了。

水平扩展

水平扩展的实现，我们也是依赖于 Docker

# 构建镜像，这一步基本成不了 
make ./cmd/cortex/.uptodate

上面的景象我们构建不出来，我们就下载镜像：

docker pull cortexproject/cortex

# 创建 cortex 的网络
docker network create cortex
# 单个节点Consul实例，用于协调Cortex集群
docker run -d --name=consul --network=cortex -e CONSUL_BIND_INTERFACE=eth0 consul

docker run -d --name=cortex1 --network=cortex \
    -v $(pwd)/docs/configuration/single-process-config.yaml:/etc/single-process-config.yaml \
    -p 9001:9009 \
    cortexproject/cortex:master-1f600cb1 \
    -config.file=/etc/single-process-config.yaml \
    -ring.store=consul \
    -consul.hostname=consul:8500

docker run -d --name=cortex2 --network=cortex \
    -v $(pwd)/docs/configuration/single-process-config.yaml:/etc/single-process-config.yaml \
    -p 9002:9009 \
    cortexproject/cortex:master-1f600cb1 \
    -config.file=/etc/single-process-config.yaml \
    -ring.store=consul \
    -consul.hostname=consul:8500

我们的验证方式是：
在浏览器中输入: http://{ip}:9001/ring , 或者是 9002 端口
正常情况下看到的会是这两个:

然后，我们现在将 Prometheus 接入到其中的一个实例: 比如 9001

remote_write
  - url: http://localhost:9001/api/prom/push

再用到 Grafana 验证的时候，这时候的 Cortex 地址就是Docker 的容器地址： http://172.18.0.3:9009/api/prom

清理,后续需要在重新设置

docker rm -f cortex1 cortex2 consul grafana

docker network remove cortex

高可用

这里主要针对的是 当 Integers 出现单个的宕机状态时，当前宕机的 integer 需要将自己的 sample 复制到其他的 integer .

docker network create cortex

docker run -d --name=consul --network=cortex -e CONSUL_BIND_INTERFACE=eth0 consul

docker run -d --name=grafana --network=cortex -p 3000:3000 grafana/grafana

我们开始创建我们的实例:

docker run -d --name=cortex1 --network=cortex \
    -v $(pwd)/docs/configuration/single-process-config.yaml:/etc/single-process-config.yaml \
    -p 9001:9009 \
    cortexproject/cortex:master-1f600cb1 \
    -config.file=/etc/single-process-config.yaml \
    -ring.store=consul \
    -consul.hostname=consul:8500 \
    -distributor.replication-factor=3


docker run -d --name=cortex2 --network=cortex \
    -v $(pwd)/docs/configuration/single-process-config.yaml:/etc/single-process-config.yaml \
    -p 9002:9009 \
    cortexproject/cortex:master-1f600cb1 \
    -config.file=/etc/single-process-config.yaml \
    -ring.store=consul \
    -consul.hostname=consul:8500 \
    -distributor.replication-factor=3

docker run -d --name=cortex3 --network=cortex \
    -v $(pwd)/docs/configuration/single-process-config.yaml:/etc/single-process-config.yaml \
    -p 9003:9009 \
    cortexproject/cortex:master-1f600cb1 \
    -config.file=/etc/single-process-config.yaml \
    -ring.store=consul \
    -consul.hostname=consul:8500 \
    -distributor.replication-factor=3

现在我们写入到 cortex1 中，测试 cortex3 是否会存在数据：

我们可以看到，每个 cortex 节点都写入了数据，但是我们的数据只写入了 cortex1 , 这就是 cortex 之间的复制。

现在我们要 cortex2 挂掉，看看什么效果：

可以看到的是，cortex2 挂了，但是 其他两个都还是正常的状态，这就是 Cortex 里面的高可用。