在最近的博文中，都是介紹監控平台的搭建，其實並不難，主要是需要自己動手操作，實踐一番就會了。
有天在想，雲上的服務器，是不是也可以搭建一個監控平台，所以就搗鼓了一下，不過遺憾的是，使用阿里雲開源的插件-CMS Grafana Service沒能成功，嘗試了許久都沒能成功。
所以就改用Prometheus了，一步步實踐，配置成功，小有收獲吧，來分享下每天點滴。
Node-exporter
Node-exporter簡介
在配置環境前，可能會有疑問，為什么需要？所以就先來講下其作用。
在Prometheus的架構設計中，Prometheus Server並不直接服務監控特定的目標，其主要任務負責數據的收集，存儲並且對外提供數據查詢支持。因此為了能夠監控到某些東西，如主機的CPU使用率，我們需要使用到Exporter。Prometheus周期性的從Exporter暴露的HTTP服務地址（通常是/metrics）拉取監控樣本數據。
Node-exporter 與之前博文中的 Jmeter 是一個作用，就是用於機器系統數據收集。我們在展示數據時，數據肯定是有來源的，監控系統，監控的數據有：CPU、內存、磁盤、I/O等信息。所以就需要部署Node-exporter，我們一起來看下部署過程。
環境部署
拉取鏡像
使用命令 docker pull prom/node-exporter 拉取鏡像
啟動服務
使用命令如下命令啟動即可：
docker run -d -p 9100:9100 \
-v "/proc:/host/proc:ro" \
-v "/sys:/host/sys:ro" \
-v "/:/rootfs:ro" \
--net="host" \
prom/node-exporter
我們可以查看端口，是否有啟動成功，命令 netstat -anpt
或者使用命令 docker ps -a 查看容器是否啟用成功
確認啟動成功之后，可以通過url訪問查看，服務器ip+9100；這里需要注意的是，服務器端口有安全策略，需要手動開啟，開啟后才能正常訪問，如下所示：
我們可以查看到具體的監聽信息，如下所示：
Prometheus
Prometheus簡介
Prometheus（普羅米修斯）是一套開源的監控&報警&時間序列數據庫的組合，起始是由SoundCloud公司開發的。隨着發展，越來越多公司和組織接受采用Prometheus，社會也十分活躍，他們便將它獨立成開源項目，並且有公司來運作。Google SRE的書內也曾提到跟他們BorgMon監控系統相似的實現是Prometheus。現在最常見的Kubernetes容器管理系統中，通常會搭配Prometheus進行監控。
Prometheus基本原理是通過HTTP協議周期性抓取被監控組件的狀態，這樣做的好處是任意組件只要提供HTTP接口就可以接入監控系統，不需要任何SDK或者其他的集成過程。這樣做非常適合虛擬化環境比如VM或者Docker 。
Prometheus應該是為數不多的適合Docker、Mesos、Kubernetes環境的監控系統之一。
輸出被監控組件信息的HTTP接口被叫做exporter 。目前互聯網公司常用的組件大部分都有exporter可以直接使用，比如Varnish、Haproxy、Nginx、MySQL、Linux 系統信息 (包括磁盤、內存、CPU、網絡等等)。
與其他監控系統相比，Prometheus的主要特點是：
- 易於管理
- 監控服務的內部運行狀態
- 強大的數據模型
- 強大的查詢語言PromQL
- 高效
- 可擴展
- 易於集成
- 可視化
- 開放性
Prometheus架構
架構圖如下所示：
從架構圖中，可以看出有幾大核心組件，一起來看下。
Prometheus Server
Prometheus Server是Prometheus組件中的核心部分，負責實現對監控數據的獲取，存儲以及查詢。 Prometheus Server可以通過靜態配置管理監控目標，也可以配合使用Service Discovery的方式動態管理監控目標，並從這些監控目標中獲取數據。其次Prometheus Server需要對采集到的監控數據進行存儲，Prometheus Server本身就是一個時序數據庫，將采集到的監控數據按照時間序列的方式存儲在本地磁盤當中。最后Prometheus Server對外提供了自定義的PromQL語言，實現對數據的查詢以及分析。
Prometheus Server內置的Express Browser UI，通過這個UI可以直接通過PromQL實現數據的查詢以及可視化。
Prometheus Server的聯邦集群能力可以使其從其他的Prometheus Server實例中獲取數據，因此在大規模監控的情況下，可以通過聯邦集群以及功能分區的方式對Prometheus Server進行擴展。
Exporters
Exporter將監控數據采集的端點通過HTTP服務的形式暴露給Prometheus Server，Prometheus Server通過訪問該Exporter提供的Endpoint端點，即可獲取到需要采集的監控數據。
一般來說可以將Exporter分為2類：
- 直接采集：這一類Exporter直接內置了對Prometheus監控的支持，比如cAdvisor，Kubernetes，Etcd，Gokit等，都直接內置了用於向Prometheus暴露監控數據的端點。
- 間接采集：間接采集，原有監控目標並不直接支持Prometheus，因此我們需要通過Prometheus提供的Client Library編寫該監控目標的監控采集程序。例如： Mysql Exporter，JMX Exporter，Consul Exporter等。
AlertManager
在Prometheus Server中支持基於PromQL創建告警規則，如果滿足PromQL定義的規則，則會產生一條告警，而告警的后續處理流程則由AlertManager進行管理。在AlertManager中我們可以與郵件，Slack等等內置的通知方式進行集成，也可以通過Webhook自定義告警處理方式。AlertManager即Prometheus體系中的告警處理中心。
PushGateway
由於Prometheus數據采集基於Pull模型進行設計，因此在網絡環境的配置上必須要讓Prometheus Server能夠直接與Exporter進行通信。 當這種網絡需求無法直接滿足時，就可以利用PushGateway來進行中轉。可以通過PushGateway將內部網絡的監控數據主動Push到Gateway當中。而Prometheus Server則可以采用同樣Pull的方式從PushGateway中獲取到監控數據。
環境部署
拉取鏡像
使用命令 docker pull prom/prometheus 即可。
• 添加配置文件
使用命令 mkdir -p /opt/prometheus && cd /opt/prometheus 新建文件夾，並進入到該目錄下。新建配置文件的操作命令 vim prometheus.yml ，添加如下內容：
global:
scrape_interval: 60s
evaluation_interval: 60s
scrape_configs:
- job_name: prometheus
static_configs:
- targets: ['自己ip:9090']
labels:
instance: prometheus
- job_name: linux
static_configs:
- targets: ['自己ip:9100']
labels:
instance: ip
• 啟動服務
使用如下命令，將配置文件掛載到容器中：
docker run -d \
-p 9090:9090 \
-v /opt/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml \
prom/prometheus
啟動后，可以檢查是否啟動成功，查看端口或者查看容器運行情況。
我們可以通過web頁面查看，服務運行狀態，訪問地址：服務器ip+端口/targets，如下所示：
Grafana配置
在之前的博文中，已經詳細介紹過Grafana了，所以這里就不細說了，詳細可以看之前的博文，Docker系列——InfluxDB+Grafana+Jmeter性能監控平台搭建（三）
添加數據源
在使用過程中，稍有區別就是需要添加新的數據源，因為我們現在使用的是 Prometheus ，操作如下：
訪問grafana：http://ip:3000/login ，添加即可，操作如下：
在這里可以配置數據源名稱，配置數據源的地址，地址填啟動的prometheus地址即可。
引用模板
接下來就是添加模板，模板直接按id導入： 8919 ，可以配置監控面板的名稱和引用源，添加即可。引用模板就是讓數據展示的更美觀。其他面板，也可以在Grafana官網去搜索，里面還有其他的模板數據。
數據展示
配置完成后，查看面板數據如下：
我們從圖中看出，監控面板的數據很齊全，各種指標都有展示，還是挺不錯的。監控服務器就完成了，操作簡單吧，有資源的，可以手動操作一下，很容易上手的哦。