Promethues安装部署说明

1.1.什么是Prometheus
    Prometheus是由SoundCloud开发的开源监控报警系统和时序列数据库(TSDB)。Prometheus使用Go语言开发，是Google BorgMon监控系统的开源版本。2016年由Google发起Linux基金会旗下的原生云基金会(Cloud Native Computing Foundation), 将Prometheus纳入其下第二大开源项目。Prometheus目前在开源社区相当活跃。Prometheus和Heapster(Heapster是K8S的一个子项目，用于获取集群的性能数据。)相比功能更完善、更全面。Prometheus性能也足够支撑上万台规模的集群。

1.2.Prometheus的特点
多维度数据模型。
灵活的查询语言。
不依赖分布式存储，单个服务器节点是自主的。
通过基于HTTP的pull方式采集时序数据。
可以通过中间网关进行时序列数据推送。
通过服务发现或者静态配置来发现目标服务对象。
支持多种多样的图表和界面展示，比如Grafana等

1.3.架构图

 1.4.基本原理
Prometheus的基本原理是通过HTTP协议周期性抓取被监控组件的状态，任意组件只要提供对应的HTTP接口就可以接入监控。不需要任何SDK或者其他的集成过程。这样做非常适合做虚拟化环境监控系统，比如VM、Docker、Kubernetes等。输出被监控组件信息的HTTP接口被叫做exporter 。目前互联网公司常用的组件大部分都有exporter可以直接使用，比如Varnish、Haproxy、Nginx、MySQL、Linux系统信息(包括磁盘、内存、CPU、网络等等)。

1.5.服务过程
Prometheus Daemon负责定时去目标上抓取metrics(指标)数据，每个抓取目标需要暴露一个http服务的接口给它定时抓取。Prometheus支持通过配置文件、文本文件、Zookeeper、Consul、DNS SRV Lookup等方式指定抓取目标。Prometheus采用PULL的方式进行监控，即服务器可以直接通过目标PULL数据或者间接地通过中间网关来Push数据。
Prometheus在本地存储抓取的所有数据，并通过一定规则进行清理和整理数据，并把得到的结果存储到新的时间序列中。
Prometheus通过PromQL和其他API可视化地展示收集的数据。Prometheus支持很多方式的图表可视化，例如Grafana、自带的Promdash以及自身提供的模版引擎等等。Prometheus还提供HTTP API的查询方式，自定义所需要的输出。
PushGateway支持Client主动推送metrics到PushGateway，而Prometheus只是定时去Gateway上抓取数据。
Alertmanager是独立于Prometheus的一个组件，可以支持Prometheus的查询语句，提供十分灵活的报警方式。

下载链接：Download | Prometheus

1、tar -zxvf  解压安装包
2、检查配置文件#  ./promtool check config prometheus.yml
3、启动时直接运行Prometheus文件即可 # ./prometheus
4、查看监控页面  访问 ip:9090即可访问监控网页

1、Metric指标
在 Prometheus 中，我们所有的信息都以 Metrics（指标） 的形式存在。
        Metrics 由 metric name 和 label name 组成。
        <metric name>{<label name>=<label value>, ...}
例如下面的 api_http_requests_total 就是 metrics name（指标名称），而 method 就是 label name（标签）。而 metric name 加上 label name 就是一个完整的 Metric。
api_http_requests_total{method="POST", handler="/messages"}
2、Metric Type 指标类型
        Prometheus 中主要有四种不同的指标类型，用来适应不同的指标类型。
        counter 计数器
数据从 0 开始累计，理想状态下应该是永远增长或者是不变。适用于例如机器开机时间、HTTP 访问量等数值
        gauges 计量器
获取一个返回值，采集回来是多少就是多少。数值可能升高，也可能降低。适用于例如硬盘容量、CPU 内存使用率等数值
        histogram 柱状图
counter 和 gauges 反应的是数值的情况，而 histogram 则是反应数值的分布情况。histogram 柱状图反映了样本的区间分布梳理，经常用来表示请求持续时间、响应大小等信息
        summary 汇总
柱状图同样表示样本的分布情况，与 Histogram 类似，其会有总数、数量表示。但其多了一个是中位数的表示。 常用来表示类似于：请求持续时间、响应大小的信息
3、任务（Job）和实例（Instance）
        在 Prometheus 中抓取数据的应用叫做实例（Instance），而几个为了同个目的的实例组合起来称之为任务（Job）

 

2.4.Springboot Actuator实现应用监控
Prometheus不仅可以实现机器和系统层面的指标监控，也可以对Java应用做监控，例如：监控JVM的信息，监控SpringBean的信息。

在 Spring 2.x 之前，SpringBoot 使用 Actuator 模块进行监控，而在 Spring 2.x 之后，SpringBoot 使用了 Micrometer 进行监控。
Spring Boot Actuator 模块提供了生产级别的功能，比如健康检查，审计，指标收集，HTTP 跟踪等，帮助我们监控和管理 Spring Boot 应用。这个模块是一个采集应用内部信息暴露给外部的模块，上述的功能都可以通过 HTTP 和 JMX 访问。
在 Spring 2.x 之后，Actuator 使用 Micrometer 与这些外部应用程序监视系统集成。这样一来，只需很少的配置即可轻松集成外部的监控系统
Micrometer 为 Java 平台上的性能数据收集提供了一个通用的 API，应用程序只需要使用 Micrometer 的通用 API 来收集性能指标即可。Micrometer 会负责完成与不同监控系统的适配工作。这就使得切换监控系统变得很容易
actuator 是真正去采集数据的模块，而 Micrometer 更像是一个适配器，将 actuator 采集到的数据适合给各种监控工具

2.4.2.创建Spring项目
1、在项目pom文件中添加Prometheus依赖

<dependency>
     <groupId>org.springframework.boot</groupId>
     <artifactId>spring-boot-starter-actuator</artifactId>
 </dependency>
 <dependency>
<groupId>io.micrometer</groupId>
<artifactId>micrometer-registry-prometheus</artifactId>
 </dependency>

2、修改springboot项目application.properties配置文件(如果配置在yml文件中，*需加上双引号)

#应用名称
	spring.application.name=sdccs 
	management.endpoints.web.exposure.include=*
	management.endpoint.health.show-details=always

2.4.4.Grafana可视化视图的安装部署

下载链接：Download Grafana | Grafana Labs

Centos
wget https://dl.grafana.com/oss/release/grafana-7.3.6-1.x86_64.rpm
sudo yum install grafana-7.3.6-1.x86_64.rpm

2、访问 ip:3000 登陆  初始用户admin 密码admin 第一次登陆修改密码
3、设置菜单添加数据源，数据源地址栏默认显示localhost:9090，但还需要手动填写！！！

4、在 Grafana 页面点击「Import」菜单进入导入设置页面。进入「Import」页面，填入模板的 ID，并点击「Load」按钮

 6、系统会自动读取模板 ID 对应的信息并显示在页面上。你需要选择模板的数据源，这里我选择了「Prometheus」数据源，也就是本文应用所在的数据源

 从看板我们可以看到许多信息，例如：应用启动持续时间，应用启动时间、堆的使用率、Cpu的使用率.

懒得弄了，直接看文档：部署AlertManager · Prometheus中文技术文档