Prometheus+ Grafana监控实战
一、 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。
1.1 Prometheus的特点
- go语言实现
- 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
- 黑盒 白盒支持
- 支持多种多样的图表和界面展示，比如Grafana等
1.2 安装配置Prometheus
prometheus下载地址 https://prometheus.io/download/ 。
根据自己的操作系统下载合适版本的文件，下载完毕将压缩包解压：
直接执行prometheus.exe，prometheus服务就跑起来了。或者在根据不同的配置文件来启动Prometheus，Prometheus的配置文件是YAML格式，当我们运行prometheus二进制文件(windows是prometheus.exe可执行文件)时，我们通过参数可指定一个配置文件。
./prometheus --config.file=prometheus.yml
这是我的配置
# my global config
global:
scrape_interval: 15s # Set the scrape interval to every 15 seconds. Default is every 1 minute.
evaluation_interval: 15s # Evaluate rules every 15 seconds. The default is every 1 minute.
# scrape_timeout is set to the global default (10s).
# Alertmanager configuration
alerting:
alertmanagers:
- static_configs:
- targets:
# - alertmanager:9093
# Load rules once and periodically evaluate them according to the global 'evaluation_interval'.
rule_files:
# - "first_rules.yml"
# - "second_rules.yml"
# A scrape configuration containing exactly one endpoint to scrape:
# Here it's Prometheus itself.
scrape_configs:
# The job name is added as a label `job=` to any timeseries scraped from this config.
- job_name: "prometheus"
# metrics_path defaults to '/metrics'
# scheme defaults to 'http'.
static_configs:
- targets: ["localhost:9090"]
- job_name: "test"
# metrics_path defaults to '/metrics'
# scheme defaults to 'http'.
metrics_path: '/actuator/prometheus'
static_configs:
- targets: ["localhost:8080"]
启动成功后，通过浏览器进入http://localhost:9090/ ，可以得到，
执行up命令，可以得到监控的实例
Prometheus 通过默认 http://localhost:9090/metrics* HTTP接口暴露了自己的性能指标数据，当然也就可以配置抓取目标 targets 为自己了。
通过浏览器进入http://localhost:9090/metrics ， 可以看到性能指标数据：
二、 Grafana
prometheus自带的图形功能比较弱，这里使用Grafana读取prometheus数据做可视化。
2.1 Grafana介绍
Grafana是一个跨平台的开源的度量分析和可视化工具，可以通过将采集的数据查询然后可视化的展示，并及时通知。它主要有以下六大特点：
-
展示方式：快速灵活的客户端图表，面板插件有许多不同方式的可视化指标和日志，官方库中具有丰富的仪表盘插件，比如热图、折线图、图表等多种展示方式；
-
数据源：Graphite，InfluxDB，OpenTSDB，Prometheus，Elasticsearch，CloudWatch和KairosDB等；
-
通知提醒：以可视方式定义最重要指标的警报规则，Grafana将不断计算并发送通知，在数据达到阈值时通过Slack、PagerDuty等获得通知；
-
混合展示：在同一图表中混合使用不同的数据源，可以基于每个查询指定数据源，甚至自定义数据源；
-
注释：使用来自不同数据源的丰富事件注释图表，将鼠标悬停在事件上会显示完整的事件元数据和标记；
-
过滤器：Ad-hoc过滤器允许动态创建新的键/值过滤器，这些过滤器会自动应用于使用该数据源的所有查询。
2.2 Grafana安装
根据自己的系统版本和配置，到官网下载对应的包 https://grafana.com/grafana/download，
官方提供了如下说明，可直接按照说明进行下载安装，安装得到下列文件：
进入目录 conf 下，然后复制一个 sample.ini 文件，重命名为 custom.ini ，最后编辑 custom.ini 配置。端口默认为3000，可以根据自己的喜好配置。
# The http port to use
http_port = 3000
最后点击 bin 目录下的 grafana-server.exe 程序，打开服务，启动时 windows 权限会提示，杀毒软件也会阻止，需同意允许。
http://localhost:3000
2.3 Grafana实验
创一个prometheus的数据源
创建dashboad， prometheus_http_request_duration_seconds_bucket
三、micrometer
Micrometer是基于JVM的应用程序的metrics 工具库。它为最流行的监控系统的仪器客户端提供了一个简单的外观，使您无需锁定供应商即可测试基于JVM的应用程序代码。它旨在为您的指标收集活动增加很少或没有开销，同时最大限度地提高指标工作的可移植性。
Micrometer 为 Java 平台上的性能数据收集提供了一个通用的 API，它提供了多种度量指标类型（Timers、Guauges、Counters等），同时支持接入不同的监控系统，例如 Influxdb、Graphite、Prometheus 等。我们可以通过 Micrometer 收集 Java 性能数据，配合 Prometheus 监控系统实时获取数据，并最终在 Grafana 上展示出来，从而很容易实现应用的监控。
https://micrometer.io/官网
在springboot项目中引入micrometer依赖
org.springframework.boot
spring-boot-starter-actuator
io.micrometer
micrometer-core
1.2.1
io.github.mweirauch
micrometer-jvm-extras
0.2.2
配置
spring.application.name=test
management.endpoints.web.exposure.include=*
management.endpoints.web.exposure.exclude = env, beans
management.metrics.tags.application=${spring.application.name}
management.endpoint.shutdown.enabled=true
management.metrics.export.simple.enabled=false
info.author=xingzhouQAQ
info.mobile=Xiaomi
初始化监控数据
package com.imooc.springboot.prometheus.metrics;
import io.micrometer.core.instrument.Counter;
import io.micrometer.core.instrument.Gauge;
import io.micrometer.core.instrument.MeterRegistry;
import io.micrometer.core.instrument.binder.MeterBinder;
import org.springframework.stereotype.Component;
import java.util.Map;
import java.util.concurrent.ConcurrentHashMap;
@Component
public class MetricsBinder implements MeterBinder {
public Counter counter1;
public Counter counter2;
public Map map;
public MetricsBinder() {
map = new ConcurrentHashMap<>();
}
@Override
public void bindTo(MeterRegistry meterRegistry) {
this.counter1 = Counter.
builder("PrometheusApplication.demo.counter").
tags(new String[]{"name", "counter1"}).
description("This is the first counter").
register(meterRegistry);
this.counter2 = Counter.
builder("PrometheusApplication.demo.counter").
tags(new String[]{"name", "counter2"}).
description("This is the second counter").
register(meterRegistry);
Gauge.builder("PrometheusApplication.demo.gauge", map, x -> x.get("x"))
.tags("name", "gauge1")
.description("This is a gauge")
.register(meterRegistry);
}
}
开启定时任务
package com.imooc.springboot.prometheus.metrics;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.scheduling.annotation.Scheduled;
import org.springframework.stereotype.Component;
@Component
public class ScheduledTask {
@Autowired
MetricsBinder metricsBinder;
private int count1;
private int count2;
@Scheduled(fixedRate = 1000)
public void increment1() {
count1++;
metricsBinder.counter1.increment();
metricsBinder.map.put("x", Double.valueOf(count1));
System.out.println("increment 1 count: " + count1);
}
@Scheduled(fixedRate = 10000)
public void increment2() {
count2++;
metricsBinder.counter2.increment();
metricsBinder.map.put("x", Double.valueOf(count2));
System.out.println("increment 2 count: " + count2);
}
}
使能定时任务
package com.imooc.springboot.prometheus;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.scheduling.annotation.EnableScheduling;
@SpringBootApplication
@EnableScheduling
public class PrometheusApplication {
public static void main(String[] args) {
SpringApplication.run(PrometheusApplication.class, args);
}
}
启动springboot项目，可以在控制台看到
在浏览器输入http://localhost:8080/actuator， 可以看到分级目录：
访问链接 http://localhost:8080/actuator/prometheus，得到prometheus的数据源
通过grafana进行展示，可以得到：
参考：https://www.imooc.com/learn/1231 龙猪GG 《使用Prometheus实践基于Spring Boot监控告警体系》