作為雲原生體系下的“默認”監控系統，prometheus正在獲得越來越廣泛的關注。今天，我們就寫一篇教程，講一下prometheus的設計理念，看看它是如何用非常簡單的設計支撐起如此復雜的功能的。
首先，我們來思考一下，如果要做一個類似prometheus的監控系統，都有哪些難點，比如
- 每個服務的監控需求都不一樣，那么對於監控系統來說，要怎么設計其數據模型，才能取得易用性和通用性之間的平衡
- 大量的數據量要如何存儲
- 怎樣能實現各種復雜的報表
- ...
帶着這些問題，我們就來看看prometheus是怎么設計的。
歷史
讓我們先從歷史說起，prometheus最早由SoundCloud開發，后來捐贈到開源社區。在2016年假如CNCF, 即雲原生計算基金會。Prometheus是CNCF的第二個項目，僅次於kubernets。 因此，可想而知，promethous在整個雲原生體系中有多么重要的作用。Prometheus也逐漸成了雲原生下監控系統的事實標准。
核心設計理念
對於一個監控系統來說，核心要解決的問題其實就三個：
- 監控指標用什么形式表示
- 怎么收集和存儲指標
- 怎么利用指標生成報表
對於這三個問題，prometheus都給出了很巧妙的解決方案。
數據模型
romethous的數據模型，簡而言之，就是一個「時序」的 Metric數據。所謂metric, 就是數據的測量值，而所謂時序，就是這些metric, 會源源不斷的產生不同時間點的數據。
Metric有唯一的名稱標識，也可以設置多個label, 可以用於過濾和聚合，其格式如下。
<metric name>{<label name>=<label value>, ...}
這樣，對於任何業務，我們都可以將監控數據設計成統一的metric格式。這樣對於promethous來說，方案可以足夠簡單，只用處理這一種數據格式就可以。而同時又足以方便的應對千變萬化的業務場景。
Prometheus提供了 counter, gauge, histogram, summary 四種核心的metric, 不過其區別僅體現在client端和promQL中。截至目前(2021.11)， 不同的metric 類型在 prometheus server 這一側並不會有什么區別，
數據收集和存儲
Prometheus server會定時從要監控的服務暴露出的http接口上抓取數據，是一種典型的拉模型。
相對推模型，拉模型會有一些好處，比如更容易監測某一個節點是否正常；更容易本地調試等。當然，對於一個監控系統來說，采用推還是拉，其實並不是一個主要問題。
Prometheus的數據是典型的時序數據，prometheus本身會將數據存儲在本地磁盤上。要注意的是，本地存儲不可復制，無法構建集群，如果本地磁盤或節點出現故障，存儲將無法擴展和遷移。因此一般只能把本地存儲視為近期數據的短暫滑動窗口。
而關於持久化存儲的問題，prometheus實際上並沒有試圖解決。它的做法是定義出標准的讀寫接口，從而可以將數據存儲到任意一個第三方存儲上。
生成報表
Prometheus定義了功能強大的promQL, 可以滿足各種復雜的查詢場景，具體可參考 https://prometheus.io/docs/prometheus/latest/querying/basics/
周邊生態
一個開源項目的發展，當然離不開周邊生態的發展。而prometheus目前已經有了很完善的生態，在java, go, python等主流的開發語言下，都有完善的client包可以使用； 像spring中，可以很容易的為多種組件增加打點，這一點，在下邊的實戰環節我們會細講；在kubernetes中，可以輕易的配置自動去各個節點抓取prometheus數據；借助grafana等工具，也可以配置出多種多樣的報表。
實戰
教程的接下來一部分，我們會以springboot項目為例，來看一看prometheus的實際效果。
其核心思路就是使用spring-actuator 為springboot應用配置監控，並以promethous的結構暴露出來。
首先，引入依賴
implementation("org.springframework.boot:spring-boot-starter-actuator")
implementation("io.micrometer:micrometer-registry-prometheus")
然后添加spring配置
management:
endpoints:
web:
exposure:
include: "prometheus"
metrics:
distribution:
sla:
http:
server:
requests: "100ms,150ms,250ms,500ms,1s"
percentiles-histogram:
http:
server:
requests: true
web:
server:
request:
autotime:
enabled: true
export:
prometheus:
enabled: true
tags:
application: name
這個配置里，其實做了幾件事：將數據以prometheus的格式暴露出來；自動為http請求添加histogram監控；增加一個application標識，這個標識會作為一個label出現在所有metric中。
之后，啟動springboot項目，並且訪問/actuator/prometheus路徑，就可以看到大量metric, 比如
# HELP executor_pool_size_threads The current number of threads in the pool
# TYPE executor_pool_size_threads gauge
executor_pool_size_threads{application="ads-programad",name="asyncExecutor",} 0.0
# HELP tomcat_servlet_request_seconds
# TYPE tomcat_servlet_request_seconds summary
tomcat_servlet_request_seconds_count{application="ads-programad",name="dispatcherServlet",} 1.0
tomcat_servlet_request_seconds_sum{application="ads-programad",name="dispatcherServlet",} 0.0
# HELP executor_pool_core_threads The core number of threads for the pool
# TYPE executor_pool_core_threads gauge
executor_pool_core_threads{application="ads-programad",name="asyncExecutor",} 70.0
# HELP jvm_classes_unloaded_classes_total The total number of classes unloaded since the Java virtual machine has started execution
# TYPE jvm_classes_unloaded_classes_total counter
jvm_classes_unloaded_classes_total{application="ads-programad",} 0.0
# HELP executor_completed_tasks_total The approximate total number of tasks that have completed execution
# TYPE executor_completed_tasks_total counter
executor_completed_tasks_total{application="ads-programad",name="asyncExecutor",} 0.0
# HELP tomcat_threads_config_max_threads
# TYPE tomcat_threads_config_max_threads gauge
tomcat_threads_config_max_threads{application="ads-programad",name="http-nio-9000",} 500.0
# HELP process_cpu_usage The "recent cpu usage" for the Java Virtual Machine process
# TYPE process_cpu_usage gauge
process_cpu_usage{application="ads-programad",} 0.0
# HELP tomcat_sessions_active_current_sessions
# TYPE tomcat_sessions_active_current_sessions gauge
tomcat_sessions_active_current_sessions{application="ads-programad",} 0.0
# HELP jvm_memory_committed_bytes The amount of memory in bytes that is committed for the Java virtual machine to use
# TYPE jvm_memory_committed_bytes gauge
jvm_memory_committed_bytes{application="ads-programad",area="heap",id="G1 Eden Space",} 3.5651584E7
jvm_memory_committed_bytes{application="ads-programad",area="heap",id="G1 Old Gen",} 4.6137344E7
jvm_memory_committed_bytes{application="ads-programad",area="nonheap",id="Compressed Class Space",} 5767168.0
jvm_memory_committed_bytes{application="ads-programad",area="nonheap",id="CodeHeap 'non-profiled nmethods'",} 8847360.0
jvm_memory_committed_bytes{application="ads-programad",area="nonheap",id="CodeHeap 'non-nmethods'",} 2555904.0
jvm_memory_committed_bytes{application="ads-programad",area="nonheap",id="Metaspace",} 4.2287104E7
jvm_memory_committed_bytes{application="ads-programad",area="heap",id="G1 Survivor Space",} 4194304.0
# HELP tomcat_servlet_request_max_seconds
# TYPE tomcat_servlet_request_max_seconds gauge
tomcat_servlet_request_max_seconds{application="ads-programad",name="dispatcherServlet",} 0.0
# HELP tomcat_connections_current_connections
# TYPE tomcat_connections_current_connections gauge
tomcat_connections_current_connections{application="ads-programad",name="http-nio-9000",} 3.0
# HELP tomcat_sessions_active_max_sessions
# TYPE tomcat_sessions_active_max_sessions gauge
...
其中，除了我們顯式配置的http監控，其實還有大量的jvm, 機器負載等基礎的監控信息。
除此之外，對於其他組件的監控也很容易添加，諸如線程池、http連接池、自定義監控等，可以參考 https://github.com/lcy362/springboot-prometheus-demo
這樣，無論這個springboot項目如何部署，無論是用java原生的部署，還是用docker部署，還是部署在kubernetes上，都可以非常容易的獲取各個監控metrics數據。