监控系统 服务器配置,服务监控系统prometheus介绍

原标题：服务监控系统prometheus介绍

今天来介绍一个服务监控系统prometheus，我们能想到的测试需求它几乎都能满足，例如：服务器各项指标展示，实时qps记录和展示，甚至业务层逻辑的状态、问题都能一一列出，并以一种非常优美的可自定义的方式展现出来，下面详谈；

一、安装

官网：https://prometheus.io/自取

解压后可直接启动，或注册systemctl以服务形式启动二、配置

# 全局配置

global:

scrape_interval:15s# 默认抓取间隔, 15秒向目标抓取一次数据。

evaluation_interval:15s# Evaluate rules every 15 seconds. The default is every 1 minute.

# scrape_timeout is set to the global default (10s).

# 这个标签是在本机上每一条时间序列上都会默认产生的，主要可以用于联合查询、远程存储、Alertmanger时使用。

external_labels:

monitor:'codelab-monitor'

# Load rules once and periodically evaluate them according to the global 'evaluation_interval'.

rule_files:

# - "first.rules"

# - "second.rules"

# 这里就表示抓取对象的配置

# 这里是抓去promethues自身的配置

scrape_configs:

# job name 这个配置是表示在这个配置内的时间序例，每一条都会自动添加上这个{job_name:"prometheus"}的标签。

- job_name:'prometheus'

# metrics_path defaults to '/metrics'

# scheme defaults to 'http'.

# 重写了全局抓取间隔时间，由15秒重写成5秒。

scrape_interval:5s

static_configs:

- targets:['localhost:9090']

三、应用 1、与prometheus的node_exporter配合使用监控服务器各项指标：

1)安装node_exporter

$wget https://github.com/prometheus/node_exporter/releases/download/v0.14.0/node_exporter-0.14.0.linux-amd64.tar.gz

$tar -zxvf node_exporter-0.14.0.linux-amd64.tar.gz

2)启动node_exporter(这里可使用后台启动)

3)验证metrics可用

http://IP:9100/metrics

4)添加prometheus配置；

-job_name:'linux'

static_configs:

-targets:['IP:9100']

labels:

instance: node1

5)可以用grafana关联prometheus，来获得更好的展示效果

https://www.howtoing.com/how-to-add-a-prometheus-dashboard-to-grafana/

2、监控nginx服务的各类请求

这个需求是为了获得准确的业务服务的qps，以及各类返回码的占比，网上找了好久，答案基本都是安装一个nginx模块来获得prometheus使用的metrics服务，但是这样代价太大而且不方便扩展，在生产环境可以定制一个nginx版本来实现，但测试环境中的nginx往往已经有很多相关配置了，不能轻易重装，所以继续找，终于找到了这个方案：

通过在nginxconf中配置一个名叫metrics的location来获得接口，内容则通过lua来获得；

1)To track request latency broken down by server name and request count broken down by server name and status, add the following to the http section of nginx.conf

lua_shared_dict prometheus_metrics 10M;

lua_package_path "/path/to/nginx-lua-prometheus/?.lua";

init_by_lua '

prometheus = require("prometheus").init("prometheus_metrics")

metric_requests = prometheus:counter(

"nginx_http_requests_total", "Number of HTTP requests", {"host", "status"})

metric_latency = prometheus:histogram(

"nginx_http_request_duration_seconds", "HTTP request latency", {"host"})

metric_connections = prometheus:gauge(

"nginx_http_connections", "Number of HTTP connections", {"state"})

';

log_by_lua '

metric_requests:inc(1, {ngx.var.server_name, ngx.var.status})

metric_latency:observe(tonumber(ngx.var.request_time), {ngx.var.server_name})

';

2)Last step is to configure a separate server that will expose the metrics. Please make sure to only make it reachable from your Prometheus server:

server {

listen 9145;

allow 192.168.0.0/16;

deny all;

location /metrics {

content_by_lua '

metric_connections:set(ngx.var.connections_reading, {"reading"})

metric_connections:set(ngx.var.connections_waiting, {"waiting"})

metric_connections:set(ngx.var.connections_writing, {"writing"})

prometheus:collect()

';

}

}

各个类别的数据配置及lua脚本详见：https://github.com/knyar/nginx-lua-prometheus

3)同样在grafana中可配置一个视图来展示数据：

Prometheus适用的场景

Prometheus在记录纯数字时间序列方面表现非常好。它既适用于面向服务器等硬件指标的监控，也适用于高动态的面向服务架构的监控。对于现在流行的微服务，Prometheus的多维度数据收集和数据筛选查询语言也是非常的强大。Prometheus是为服务的可靠性而设计的，当服务出现故障时，它可以使你快速定位和诊断问题。它的搭建过程对硬件和服务没有很强的依赖关系。

结尾

以上只是简单介绍了一下这个强大的工具，当然配合业务代码中引入prometheus模块，可以实现实时统计业务逻辑中的关键数据，但需要开发同学配合；

其实在配置输入法业务的监控过程中遇到了非常多的问题，文中不能一一列出，有相同需求的同学如果有问题可以回复公众号或者留言交流；返回搜狐，查看更多

责任编辑：