Prometheus基础
简介
Prometheus(普罗米修斯)受启发于Google的Brogmon监控系统，是继Kubernetes之后成为第二个正式加入CNCF基金会的项目。
2012年，由前Google工程师在Soundcloud以开源软件的形式进行研发；
2015年，对外发布早期版本；
2016年5月，加入CNCF基金会；
2016年6月，发布1.0版本；
2017年底，发布2.0版本，基于全新存储层，能更好地与容器平台、云平台配合。
特点
Prometheus作为新一代的云原生监控系统，基于中央化的规则计算、统一分析和告警的模型，特点如下：
- 易于部署：单一二进制文件，无第三方依赖，不会有潜在级联故障的风险，部署简单；
- 强大数据模型：监控指标以时序序列保存在存储中，并可灵活设置标签来对数据不同维度进行区分；
- 强大查询语言PromQL：内置的PromQL支持查询、聚合、过滤等复杂操作，可实现高效的查询；
- 易于扩展：支持分区和联邦集群部署，并可结合thano实现分布式部署；
- 易于集成：支持多种语言SDK，拥有大量第三方集成模块，可方便与第三方系统进行集成；
- 可视化：自带web ui， 与grafana很好的集成；
架构
Prometheus 的主要模块如下：
工作流程
- Prometheus server 定期从配置好的 jobs 或者 exporters 中拉 metrics，或者接收来自 Pushgateway 发过来的 metrics，或者从其他的 Prometheus server 中拉 metrics。
- Prometheus server 在本地存储收集到的 metrics，并运行已定义好的 alert.rules，记录新的时间序列或者向 Alertmanager 推送警报。
- Alertmanager 根据配置文件，对接收到的警报进行处理，发出告警。
- 在图形界面中，可视化采集数据。
数据模型
Prometheus 中存储的数据为时间序列，是由 metric 的名字和一系列的标签（键值对）唯一标识的，不同的标签则代表不同的时间序列，如：
| |
该时序的名字为 api_http_requests_total，标签为 path、status、method 和 instance，只有时序名字和标签键值完全相同的时序才是同一个时序。事实上，时序名字就是一个隐藏标签：
| |
指标类型
四种类型：
- Counter: 用于累计计数，例如用来记录请求次数。Counter的特点是一直增加不会减少。
- Gauge：用于记录常规数值，可以增加或减少。例如用来记录CPU、内存的变化
- Histogram：可理解为直方图，常用于跟踪事件发生的规模，如请求耗时、响应大小。可对记录的内容分组和聚合(count,sum等)，例如响应时间小于500毫秒的多少次、500毫秒~1000毫秒之间多少次、1000毫秒以上的多少次
- Summary：与Histogram类似，但支持按百分比跟踪结果
存储模型
prometheus是一个时序型KV数据库，时序数据拥有垂直写，水平读的特点，在此基础上
第1代: Prototype：直接利用LevelDB进行kv存储；
第2代: Prometheus V1：chunk file，压缩存储；
第3代: Prometheus V2：合并的chunk+index 文件；
服务发现
Prometheus基于Pull模式, 无法主动发现新的监控节点，Prometheus引入**SD(Service Discovery)**服务发现机制来解决。
支持服务发现的组件类型：
Static
DNS
Consul
K8s
...
服务发现支持Relabeling机制，可对默认label进行map、replace、filter等操作。
扩展高可用
HA + LB
HA + remote storage
联邦（federate）集群
每一个Prometheus Server都包含一个/federate的接口，可用来获取当前节点中的监控数据。因此可通过该接口对整个prometheus集群进行拆分组合，建立分级节点，以做到集群的扩展，此模式称为联邦模式。
- Thanos(灭霸)：是一个专门用于prometheus的高可用方案，可以一次查询多个 Prometheus 实例，并且能够对来自多个实例的相同指标进行去重
AlertManager
alertmanger是promtheus的独立组件，通过在Prometheus中定义AlertRule（告警规则），Prometheus会周期性的对告警规则进行计算，如果满足告警触发条件就会向Alertmanager发送告警信息。
告警规则
告警名称：用户需要为告警规则命名，当然对于命名而言，需要能够直接表达出该告警的主要内容
告警规则：告警规则实际上主要由PromQL进行定义，其实际意义是当表达式（PromQL）查询结果持续多长时间（During）后出发告警
告警处理
