构建全面监控体系：Prometheus与Grafana、cAdvisor、Node Exporter、Redis和Java服务的搭建与配置

已于 2023-09-22 12:00:12 修改
阅读量1.6k 收藏 4
点赞数 4
文章标签： prometheus grafana redis java mysql
于 2023-09-22 11:46:16 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44268936/article/details/133163854
版权

简介

Prometheus是一个监控服务及具备存储时序数据功能的系统，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，组件通过暴露HTTP端口让Prometheus来拉取metres即可接入监控。
下面讲述Prometheus的搭建与配置，并与grafana 、cadvisor、node-exporter、redis、java服务形成一套监控体系。

prometheus配置文件

prometheus.yml包含了一系列配置，用于定义Prometheus的行为、监控目标及规则等。
先准备prometheus.yml配置文件

global:  #这个部分是全局配置，用于指定全局参数
  scrape_interval: 1s  #设置了抓取数据的时间间隔，每1秒抓取一次数据
  evaluation_interval: 1s  #设置了规则评估的时间间隔，每1秒进行一次规则评估
scrape_configs:  #这个部分是定义了要抓取的目标以及相关配置的列表
  - job_name: 'prometheus'  #定义一个监控任务的名称为'prometheus'，这个任务用于监控Prometheus自身。
    static_configs:  #指定静态目标配置，即直接配置目标的地址。
    - targets: ['192.168.237.130:9090'] #指定Prometheus服务器的地址为192.168.237.130，监听端口为9090，这是Prometheus自身的监控地址。
  - job_name: 'cadvisor' #定义一个监控任务的名称为'cadvisor'，用于监控容器的性能指标。
    static_configs: # 指定静态目标配置。
    - targets: ['192.168.237.130:8899'] #指定cAdvisor的地址为192.168.237.130，监听端口为8899。
  - job_name: 'node-exporter' #定义一个监控任务的名称为'node-exporter'，用于监控主机的性能指标。
    static_configs: #指定静态目标配置。
    - targets: ['192.168.237.130:9100'] #定Node Exporter的地址为192.168.237.130，监听端口为9100。
  - job_name: 'redis_exporter_targets' #定义一个监控任务的名称为'redis_exporter_targets'，用于监控多个Redis实例。
    static_configs: #指定静态目标配置。
      - targets: #这里列出了多个Redis实例的地址，以Redis URL的形式指定。
        - redis://192.168.237.130:6379
        - redis://192.168.237.130:6378
#    file_sd_configs:
#      - files:
#        - targets-redis-instances.json #使用 json 文件来提供多个Redis实例目标
    metrics_path: /scrape #指定抓取数据的路径为/scrape。
    relabel_configs: #用于重标签（relabel）配置，对抓取到的数据进行处理。
      - source_labels: [__address__] #指定源标签为__address__。
        target_label: __param_target #将源标签的值复制到新的标签__param_target。
      - source_labels: [__param_target] #指定源标签为__param_target。
        target_label: instance #将__param_target的值复制到新的标签instance。
      - target_label: __address__ #指定目标标签为__address__。
        replacement: 192.168.237.130:9121 #将目标标签的值替换为192.168.237.130:9121。
  - job_name: 'redis_exporter' #定义一个监控任务的名称为'redis_exporter'，用于监控Redis实例。
    static_configs: #指定静态目标配置。
      - targets: #指定Redis Exporter的地址为192.168.237.130，监听端口为9121。
        - 192.168.237.130:9121
  - job_name: 'demo' #定义一个监控任务的名称为'demo'，用于监控示例目标。
    static_configs: #指定静态目标配置。
      - targets: ['192.168.3.80:8081'] #指定示例目标的地址为192.168.3.80，监听端口为8081。
    #targets可以并列写入多个节点，用逗号隔开，主机名+端口号
    metrics_path: /actuator/prometheus #指定抓取数据的路径为/actuator/prometheus。

以上ip根据自己的ip自行修改，port使用了每个服务默认的端口。

监控端点

cAdvisor

cAdvisor是用来监控Docker容器指标包括CPU、内存、网络、文件系统等资源的使用情况。

node-exporter

node-exporter用来采集服务器主机的运行指标例如CPU内存磁盘等信息。

redis_exporter

redis_exporter用来监控redis的指标例如命令执行次数、内存使用、过期key数量、网络IO情况等信息。

上面的prometheus.yml是使用指定多个Redis监控的配置方式，这时redis_exporter抓取的端点是/scrape而不是/metrics（metrics_path默认为/metrics），即依赖Prometheus来将多个Redis地址分别分发给redis_exporter来监控。
通过Web请求可访问 http://exporterhost:9121/scrape 得到所有监控的Redis目标的metrics信息，通过http://exporterhost:9121/scrape?target=redis-host:redis-port 来访问指定Redis目标的metrics信息。
实际上一个redis_exporter只对应管理一个指定的Redis，即在运行redis_exporter时指定目标Redis（这种方式仅限于一个redis_exporter对一个Redis实例）

docker run -d --name redis_exporter -p 9121:9121 --network monitor --network-alias redis_exporter oliver006/redis_exporter --redis.addr redis://redis:6379 --redis.user root --redis.password '123456'

或者是在docker-compose中指定环境变量environment

    redis-exporter:
        image: oliver006/redis_exporter
        container_name: redis-exporter
        hostname: redis-exporter
        restart: always
        ports:
            - "9121:9121"
        networks:
            - monitor
        environment:
            - REDIS_ADDR=redis://redis:6379
            - REDIS_USER=root
            - REDIS_PASSWORD=123456

这种一对一的方式则通过http://exporterhost:9121/metrics来得到监控的Redis的metrics信息。

prometheus.yml涉及到的targets-redis-instances.json的格式如下

[
  {
    "targets": [ "redis://redis-host-01:6379", "redis://redis-host-02:6379"],
    "labels": { }
  }
]

更多关于redis_exporter的配置信息可以参考https://github.com/oliver006/redis_exporter

micrometer-registry-prometheus

job_name为demo的是一个springboot应用。
我们先download一个springboot项目集成度量采集相关依赖，以为后续prometheus抓取springboot应用指标做准备。
引入maven依赖坐标

  	<!--		集成actuator用于开放metrics指标-->
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-actuator</artifactId>
		</dependency>
		<!--		集成micrometer将各种度量类型指标转换prometheus识别的格式 -->
		<dependency>
			<groupId>io.micrometer</groupId>
			<artifactId>micrometer-registry-prometheus</artifactId>
		</dependency>

这里需要开启三个配置，暴露metrics端点，这允许将指标被导入到Prometheus中

management.endpoints.web.exposure.include=* #首先需要暴露/actuator/prometheus端点，可以通过填写prometheus就可以，但这里直接指定暴露所有端点，暴露的端点可以通过HTTP请求访问（通过访问http://ip:port/actuator可查看端点列表）
management.endpoint.prometheus.enabled=true #springboot启动prometheus端点，会开放一个专门的HTTP端点，即/actuator/prometheus，prometheus可以通过请求该端点来获取指标数据
management.metrics.export.prometheus.enabled=true #用于将springboot内部度量数据导出为Prometheus格式的指标，可供Prometheus服务器收集和存储

Micrometer收集到的指标数据也会显示在/actuator/prometheus中，与springboot actuator的metrics集成在一块。
Micrometer支持多种度量类型，例如：
Counter（计数器）：Counter 用于记录递增的计数值，通常用于度量事件发生的次数，如请求数、错误数等。
Gauge（仪表）：Gauge 用于记录可变的数值，通常用于度量一些可变的状态或属性，如内存使用率、队列长度等。
Timer（计时器）：Timer 用于度量某个操作的执行时间，它可以提供平均响应时间、响应时间分布等信息。
Distribution Summary（分布摘要）：Distribution Summary 用于度量事件的分布情况，例如请求的响应大小或处理时间的分布。
至此，我们就开放了/actuator/prometheus端口，我们直接访问http://ip:port/actuator/prometheus可以查看Prometheus格式的度量指标，通过我们在prometheus.yml配置指定了抓取该metrics_path，便可以将应用的metres记录到Prometheus数据库中。

运行监控与端点

启动Prometheus、exporter、grafana等

综上，需要监控cAdvisor、redis_exporter、node-exporter等，需要把这些环境搭建起来，下面使用docker-compose一键启动。

version: "3.7"

networks:
    monitor:
        driver: bridge

services:
    prometheus:
        image: prom/prometheus
        container_name: prometheus
        hostname: prometheus
        restart: always
        volumes:
            - ./prometheus.yml:/etc/prometheus/prometheus.yml
#            - ./node_down.yml:/usr/local/etc/node_down.yml:rw
        ports:
            - "9090:9090"
        networks:
            - monitor

    alertmanager:
        image: prom/alertmanager
        container_name: alertmanager
        hostname: alertmanager
        restart: always
#        volumes:
#            - ./alertmanager.yml:/usr/local/etc/alertmanager.yml
        ports:
            - "9093:9093"
        networks:
            - monitor

    grafana:
        image: grafana/grafana
        container_name: grafana
        hostname: grafana
        restart: always
        ports:
            - "3000:3000"
        networks:
            - monitor

    node-exporter:
        image: quay.io/prometheus/node-exporter
        container_name: node-exporter
        hostname: node-exporter
        restart: always
        ports:
            - "9100:9100"
        networks:
            - monitor

    cadvisor:
        image: google/cadvisor:latest
        container_name: cadvisor
        hostname: cadvisor
        restart: always
#        volumes:
#            - /:/rootfs:ro
#            - /var/run:/var/run:rw
#            - /sys:/sys:ro
#            - /var/lib/docker/:/var/lib/docker:ro
        ports:
            - "8899:8080"
        networks:
            - monitor

    redis-exporter:
        image: oliver006/redis_exporter
        container_name: redis-exporter
        hostname: redis-exporter
        restart: always
        ports:
            - "9121:9121"
        networks:
            - monitor

image.png

启动Redis

启动Redis，这里准备了两个Redis来测试

version: "3.7"

networks:
  monitor:
    driver: bridge

services:
  redis-6379:
    image: redis
    container_name: redis-6379
    hostname: redis-6379
    restart: always
    ports:
      - 6379:6379
    networks:
      - monitor
#    volumes:
#      - ./redis-6379.conf:/etc/redis/redis.conf

  redis-6378:
    image: redis
    container_name: redis-6378
    hostname: redis-6378
    restart: always
    ports:
      - 6378:6379
    networks:
      - monitor
#    volumes:
#      - ./redis-6378.conf:/etc/redis/redis.conf

image.png

启动springboot应用

为实现springboot metrics的监控，我创建了prometheus-demo工程。
demo项目地址：prometheus-demo
主要完成以下功能的监控：

对Redis操作

准备两个redis数据源
做好配置
image.png
将配置赋予资源对象，创建两个redis模板引擎，并放入到spring容器。（注意：这里放入spring容器的StringRedisTemplate要有一个名为redisTemplate的bean，否则启动会失败）
image.png
为对Redis操作创建服务类
分别对两个redis资源进行写入/读取/过期/删除操作。
第一个Redis进行随机1000000内数作为key不断插入并设置1分钟过期，另一个线程则随机删除1000000内的key；
第二个Redis进行循环添加有序集合操作并设置30秒过期，另一个线程则有间隔地循环删除。
image.png
image.png

对线程池监控

使用Micrometer集成的用于监控和测量ExecutorService的性能指标和统计信息的组件ExecutorServiceMetrics。
先实现一个自定义的线程池，以便定义线程池/线程名称和在初始化时就交给ExecutorServiceMetrics监控。
image.png
并在线程池工具类创建若干线程池
image.png
同时，我们使用线程池简单运行一些线程
例如每隔一时间使用meterExecutor线程池执行一个线程任务，在任务中停留一些时间代表逻辑消耗时间，以便对线程池线程执行情况进行统计。
image.png
另外，让上面Redis操作也使用线程池redisAddExecutor

对本地缓存监控

这里使用高性能的内存缓存框架Caffeine作为本地缓存进行监控。
使用Micrometer集成的用于监控和记录Caffeine缓存性能指标的组件CaffeineCacheMetrics，以便在运行时收集、记录和可视化Caffeine缓存的各种性能数据和统计信息。
构建Caffeine管理类，简单提供Caffeine创建，如设置过期时间、缓存最大条数、初始化缓存空间，并且开启缓存统计信息记录功能（recordStats()），

上面提到的recordStats()开启后会向metrics记录的信息大概包含有：

  • hitCount：缓存命中的次数，表示请求在缓存中找到了所需的值。
  • missCount：缓存未命中的次数，表示请求在缓存中没有找到所需的值。
  • loadSuccessCount：加载缓存项成功的次数，如果缓存支持加载，则表示从加载源（如数据库）加载成功的次数。
  • loadFailureCount：加载缓存项失败的次数，如果缓存支持加载，则表示从加载源加载失败的次数。
  • totalLoadTime：加载缓存项的总时间（以纳秒为单位），如果缓存支持加载，则表示加载所有缓存项所花费的总时间。
  • evictionCount：缓存项被逐出的次数，表示因缓存策略（如最大大小限制）而导致的缓存项被清除的次数。
  • evictionWeight：缓存项被逐出的总权重，如果缓存支持按权重计算大小限制，则表示被清除的缓存项的总权重。

使用cache.stats()方法即可打印查看。

并在创建完交给CaffeineCacheMetrics监控：
image.png
对Cache定时添加和记载缓存项，以便后面我们观察变化的指标信息。
image.png

对接口耗时统计

使用度量类型Timer的相关方法来记录持续时间
image.png
创建一个可供请求的接口
image.png
我们对该目录下的接口作为连接点进行切面
使用Timer的三种方式来记录耗时：

  1. Timer.start()，执行完逻辑，手动stop；
  2. timer.record(Supplier var1)接收一个线程，并等线程执行逻辑结束时自动记录执行耗时；
  3. timer.record(long time, TimeUnit timeUnit)自己计算耗时之后，再将结果传给timer进行记录；

image.png

对一些度量类型操作

定义一些变量
image.png

counter

创建一个Counter，每隔一时间就自增
image.png

guage

通过meterRegistry.gauge监控String集合list的元素数量，并不断往String list插入值。
通过meterRegistry.gaugeCollectionSize来创建一个List并监控集合长度，并不断往integer list插入值。
我们将自己创建的map交给meterRegistry.gaugeMapSize并监控map大小，并不断往map里放入键值对。
创建一个AtomicInteger交给meterRegistry.gauge监控，并且自增atomicInteger的值，并且每atomicInteger的值取模30等于0则重新回归到0值。
监控完AtomicInteger，还继续创建了Integer类型的监控，往meterRegistry.gauge交替放入两个不同的Integer值，这是为了和AtomicInteger做对比，到后面我们观察metrics可视化就会发现，即使放入不同的Integer值，但最终只会记录第一次记录的Integer值，而对于AtomicInteger则会显示每次记录的值，这是由于AtomicInteger修改的是同一个对象，而Integer每次都是不同的对象，度量仪表gauge会基于第一次传入的那个对象跟踪其变化。
image.png
定期清理下集合，防止集合中的数据无限增加
image.png

应用初始化完成监听

Spring应用程序已经初始化完成，并且所有的Bean已经创建和配置好后，即我们实现ApplicationListener<ApplicationReadyEvent>来完成应用初始化完成监听。
在onApplicationEvent中，将我们上述提到的需要运行的方法都加入进去：
image.png
综上所述，我们监听的内容有：

  • Redis相关操作
  • 线程池运行状况
  • 本地缓存执行状况
  • 接口耗时记录
  • 自定义指标Counter、Guage标签的值变化

启动

SpringBoot应用可以打包部署到服务器上，暴露好端口，这里我直接本地运行。
image.png

指标观察

按照上面的端点都启动成功后

Redis-exporter指标列表

通过访问http://192.168.237.130:9121/metrics（替换成你的ip端口），默认为这个，但是我们需要查看具体的Redis，所以我们使用http://192.168.237.130:9121/scrape?target=192.168.237.130:6379和http://192.168.237.130:9121/scrape?target=192.168.237.130:6378，即可分别查看redis-exporter采集到的我们启动的两个Redis的指标。
例如：
Redis命令执行次数
image.png
Redis内存使用情况
image.png
Redis过期key数
image.png
Redis的网络I/O情况
image.png
等等…

SpringBoot metrics指标列表

通过访问http://localhost:8081/actuator/prometheus（替换成你的ip端口）可以查看我们启动的SpringBoot demo应用指标信息。
tomcat
image.png
JVM GC
image.png

主要还是查看我们刚刚提交的指标：

我们对线程池meter的测试指标，根据micrometer帮我们命的名则可以猜出这些指标的意思
image.png
image.png

caffeine本地缓存cacheName：flush
例如get加载次数、put次数、缓存项被逐出的总权重等等指标的值都有了
image.png

接口请求耗时
请求下我们刚刚写的接口
image.png
请求成功后到分别查看指标time_consume、time_consume_sample、time_unit
image.png
image.png
image.png
这里可以查看到计时次数、总计时时长、最大计时时长
你可以加入一些标签来标识每次的调用

gauge值
我们刚刚提交的指标collection_size_gauge便可以在其中找到，list integer现在的集合长度已有2366.0
image.png
验证下我们刚刚提到的atomicInteger与Integer的对比，
atomic_integer_gauge的值会增长
image.png
而random_int_gauge无论怎么刷新页面都是第一个存进去的对象的值
在这里插入图片描述

counter值
image.png

因此，我们所有放入到MeterRegistry的指标，micrometer都会帮我们转换成这种Prometheus可以识别的格式。

Prometheus指标列表

访问http://192.168.237.130:9090/targets（替换成你的ip端口）可以查看端点状态
image.png
在graph页可以搜索指标，例如按我们刚刚的自定义指标名称搜索counter_increment
可以匹配相关名称，这里micrometer自动给我们拼了后缀
image.png
所以我们使用counter_increment_total搜索，查看到了我们所递增的指标值，刷新下，它会变化
image.png
也可以切换到视图查看变化
image.png
这里能查看到所有Prometheus监控到的指标
查看redis相关指标名
image.png
线程相关的指标
image.png
JVM相关的
image.png
等等…
这些指标都是我们一开始的prometheus.yml配置文件配置的所有端点ip:port的metrics_path获取来的指标。
例如springboot暴露的metrics_path为/actuator/prometheus，Prometheus就会定时去这个metrics_path上面抓取指标（例如它会定时访问http://ip:port/actuator/prometheus来获取指标列表），并记录下来。

可视化观察

借助Grafana来实现可视化界面
访问http://192.168.237.130:3000/dashboards（替换成你的ip端口），初始账号admin 密码admin
进入Grafana后点击这里添加Prometheus数据源
image.png
image.png
image.png
image.png
添加完毕
image.png
我们可以添加dashboard panel来可视化我们的指标
image.png

自定义查询

使用我们刚刚抓取的指标来分析：
线程池name为meter的完成任务次数
image.png
计算最近五分钟内redis指令执行速率
image.png
计算CPU使用率（它使用irate函数来计算CPU空闲时间的变化率，然后用100减去这个值，得到CPU使用率）
image.png
等等…
我们可以通过更多PromSQL查询语言来查询、转换、分析我们要观测的指标情况。

直接使用模板

我们也可以通过导入现成模板来查看各种指标情况
image.png
image.png
这里要求导入模板编号，我们可以去grafana官网查找dashboard模板
访问https://grafana.com/grafana/dashboards/
搜索我们要监控的端点类型即可找到对应的指标dashboard模板
image.png
找到它的ID
image.png
复制，填入，Load
image.png可以观测到我们部署的两个Redis实例的使用情况
image.png
再来搜索下Springboot指标模板
image.png
image.png
同理，复制ID，导入
查看SpringBoot APM Dashboard
选择我们需要观测的时间区间
查看SpringBoot的内存（包括堆）、CPU、GC、Logback等情况
image.png
image.png
等等…
更多Grafana Databoard等你去探索！

林ming
关注
  • 4
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
prometheus + node_exporter + grafana监控平台搭建
w342164796的博客
03-23 1547
最近由于工作上的安排，我们产品的运维工作也落到了我头上，接手发现很多运维工作方式比较原始，尤其时在监控方面的欠缺，使得我们处于很被动的局面，所以想着搭建一套监控系统；在做监控平台选型时，比来比去决定还是用prometheus来搭建我们的监控平台，基于我们做这个决定的原因主要有如下几点： 社区活跃，很多人都在用 prometheus属于一站式监控告警平台，依赖少，功能齐全。 prometheus支...
搭建Prometheus+grafana监控平台
weixin_42804814的博客
07-12 464
搭建Prometheus+grafana监控平台 1、 Prometheus简介 Prometheus(由go语言(golang)开发)是一套开源的监控&报警&时间序列数据库的组合。适合监控docker容器。因为kubernetes(俗称k8s)的流行带动了prometheus的发展。 https://prometheus.io/docs/introduction/overview/ 从上图可发现，Prometheus整个生态圈组成主要包括prometheus server，Expor
redis+prometheus监控配合grafana对redis进行监控及告警
09-27
redis+prometheus+grafana监控的快速搭建傻瓜式图文流程，redis单节点、集群部署参考集群zip
docker学习笔记：Prometheus+cAdvisor搭建容器监控
qq_57629230的博客
05-23 1102
一文教你搞懂Prometheus+cadvisor的容器监控的搭建！
Prometheus 针对k8s的cadvisor监控指标
最新发布
小楼一夜听春雨，深巷明朝卖杏花
07-05 1565
cAdvisor是Google开源的容器资源监控和性能分析工具，它是专门为容器而生，在Kubernetes中，我们不需要单独去安装。
总结：Promethus配置文件
热门推荐
w2009211777的专栏
04-07 1万+
一、介绍 Prometheus 启动的时候，可以加载运行参数-config.file指定配置文件，默认为prometheus.yml。在配置文件中我们可以指定 global, alerting, rule_files, scrape_configs, remote_write, remote_read 等属性。 Prometheus的配置文件是YAML格式。Prometheus的解压包里自带了一个默认的配置文件prometheus.yml。让我们来看一下： global: scrape_....
cAdvisor，prometheus
weixin_39639119的博客
11-11 3185
cAdvisor 开源软件cadvisor 是用于监控容器运行状态的利器之一，它被用于多个与docker相关的开源项目中。 在kubernetes 系统中，cAdvisor已经默认集成到了kubelet组件内，当kubelet服务启动时，它会自动启动cAdvisor服务，然后cAdvisor会实时采集所在节点的性能指标及在 节点上运行的容器的性能指标。kubelet 的启动参数 --cadv...
prometheus和cAdvisor组合
qq_51010919的博客
07-29 1237
Prometheus是一个开源的系统监控和报警工具，由SoundCloud开发并在2012年捐赠给了Cloud Native Computing Foundation (CNCF)。它被广泛用于监控容器化应用程序和分布式系统。Prometheus的设计目标是实时地收集、存储、查询和分析大规模系统的指标数据。以下是对Prometheus的详细介绍：数据模型：Prometheus使用一种自定义的数据模型来存储时间序列数据。时间序列是一组由时间戳和对应值组成的数据点，表示某个指标随时间的变化。
Prometheus+Grafana+node+mysql+tomcat部署监控系统.docx
06-18
Prometheus + Grafana+mysql_exporter + node_exporter + tomcat_exporter+jmx_exporter + nginx-vts-exporter+redis_exporter + alertmanager+《部署实时监控系统》 一、Prometheus介绍 3 二、Prometheus架构概览 ...
grafana、prometheus、node-exporte、redis-exporter
04-09
grafana、prometheus、node-exporte、redis-exporter
Prometheus监控实践：Kubernetes集群监控
01-27
Prometheus监控实践主要聚焦在对Kubernetes集群以及其周边基础设施和中间件的全面监控。监控系统的核心组件Prometheus是一款强大的开源监控解决方案，它能够收集、存储和展示时间序列数据，并支持复杂的规则定义以...
部署Prometheus+grafana详解
03-21
解压后，配置prometheus.yml文件，设置目标（targets）以监控你需要收集指标的服务，例如节点出口商(node_exporter)、MySQL出口商(mysqld_exporter)和Redis出口商(redis_exporter)。这些出口商负责暴露特定服务的...
exporter部署手册
04-28
本文主要讨论了如何部署几种常见的Exporter，包括`node_exporter`、`redis_exporter`、`mysql_exporter`、`mongodb_exporter`，以及如何针对这些服务配置和启动Exporter。 1. `node_exporter`是用于收集主机级别的...
Prometheus cadvisor容器监控和node-exporter节点监控
果子哥丶的博客
03-25 1433
CAdvisor是谷歌开发的用于分析运行中容器的资源占用和性能指标的开源工具。CAdvisor是一个运行时的守护进程，负责收集、聚合、处理和输出运行中容器的信息。 docker监控也需要用一个exporter，这个exporter就是cAdvisor，类似zabbix的各种agent
docker容器监控：Cadvisor +Prometheus+Grafana的安装部署
2302_77582029的博客
08-08 2129
docker容器监控：Cadvisor +Prometheus+Grafana的安装部署
Prometheus+Grafana监控系统配合Cadvisor监控Docker容器
11
02-21 1087
一般公司会有很多docker主机，那么就需要对docker进行监控了，docker监控可以采用docker stats配合shell命令来取值做监控，但是无法传递给prometheus进行采集，zabbix监控docker又比较麻烦，因此就有了谷歌的cadvisorcadvisor不仅可以搜集一台机器上的所有运行的容器信息，还提供基础查询界面的http接口，方便prometheus进行数据抓取。
pika主备部署（redis-sentinel）+监控（prometheus+grafana）
weixin_43832846的博客
05-09 3498
一、 第一步：安装部署pika(主备) 1. 安装路径 wget https://github.com/Qihoo360/pika/releases/download/v3.0.8/pika-linux-x86_64-v3.0.8.tar.bz2 tar -jxvf pika-linux-x86_64-v3.0.8.tar.bz2 mv output/ pika 安装位置 /opt/pika ...
prometheus配置详解
nujnus9221的博客
05-20 682
Prometheus 的配置文件通常是一个 YAML 格式的文件，通常命名为。它包含多个部分，用于定义 Prometheus 的运行参数、抓取（scrape）配置、告警规则等。
一文详解Docker容器监控神器：cAdvisor、node exporter、prometheus
Lion_Long的博客
03-13 3946
Docker容器监控在云原生时代对于确保容器化应用的稳定、高效和安全运行具有不可或缺的重要性。有效的监控体系可以提升应用的可靠性和性能，保障业务的持续稳定运行。本文将深入探讨在云原生时代中，如何利用cAdvisor、node exporter和Prometheus这三个关键工具来实现Docker容器监控。文章将分别对这三个工具进行详细介绍，包括其功能、安装配置、监控指标以及与其他工具的集成。cAdvisor源码node exporter源码官方文档PromQL文档prometheus源码报警管理器文档。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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