16丨案例：效能監控工具之Grafana-Prometheus-Exporters
在本模組中，我將把幾個常用的監控部分給梳理一下。前面我們提到過，在效能監控圖譜中，有作業系統、應用伺服器、中介軟體、佇列、快取、資料庫、網路、前端、負載均衡、Web伺服器、儲存、程式碼等很多需要監控的點。
顯然這些監控點不能在一個專欄中全部覆蓋並一一細化，我只能找最常用的幾個，做些邏輯思路的說明，同時也把具體的實現描述出來。如果你遇到了其他的元件，也需要一一實現這些監控。
在本篇中，主要想說明白下圖的這個監控邏輯。
這應該是現在最流行的一套監控邏輯了吧。
我今天把常見的使用Grafana、Prometheus、InfluxDB、Exporters的資料展示方式說一下，如果你剛進入效能測試領域，也能有一個感性的認識。
有測試工具，有監控工具，才能做後續的效能分析和瓶頸定位，所以有必要把這些工具的邏輯跟你擺一擺。
所有做效能的人都應該知道一點，不管資料以什麼樣的形式展示，最要緊的還是看資料的來源和含義，以便做出正確的判斷。
我先說明一下JMeter和node_exporter到Grafana的資料展示邏輯。至於其他的Exporter，我就不再解釋這個邏輯了，只說監控分析的部分。
JMeter+InfluxDB+Grafana的資料展示邏輯
一般情況下，我們用JMeter做壓力測試時，都是使用JMeter的控制檯來檢視結果。如下圖所示：
或者裝個外掛來看結果：
或者用JMeter來生成HTML：
這樣看都沒有問題，我們在前面也強調過，對於壓力工具來說，我們最多隻關心三條曲線的資料：TPS（T由測試目標定義）、響應時間、錯誤率。這裡的錯誤率還只是輔助排查問題的曲線，沒有問題時，只看TPS和響應時間即可。
不過採取以上三種方式有幾個方面的問題。
- 整理結果時比較浪費時間。
- 在GUI用外掛看曲線，做高併發時並不現實。
- 在場景執行時間比較長的時候，採用生成HTML的方式，會出現消耗記憶體過大的情況，而實際上，在生成的結果圖中，有很多生成的圖我們並不是那麼關注。
- 生成的結果儲存之後再檢視比較麻煩，還要一個個去找。
那麼如何解決這幾個問題呢？
用JMeter的Backend Listener幫我們實時傳送資料到InfluxDB或Graphite可以解決這樣的問題。Graphite Backend Listener的支援是在JMeter 2.13版本，InfluxdDB Backend Listener的支援是在JMeter 3.3的版本，它們都是用非同步的方式把資料傳送出來，以便檢視。
其實有這個JMeter傳送給InfluxDB的資料之後，我們不需要看上面的那些HTML資料，也可以直觀地看到系統性能的效能趨勢。並且這樣儲存下來的資料，在測試結束後想再次檢視也比較方便比對。
JMeter+InfluxDB+Grafana的結構如下：
在這個結構中，JMeter傳送壓力到伺服器的同時，統計下TPS、響應時間、執行緒數、錯誤率等資訊。預設每30秒在控制檯輸出一次結果（在jmeter.properties中有一個引數#summariser.interval=30可以控制）。配置了Backend Listener之後，將統計出的結果非同步傳送到InfluxDB中。最後在Grafana中配置InfluxDB資料來源和JMeter顯示模板。
然後就可以實時檢視JMeter的測試結果了，這裡看到的資料和控制檯的資料是一樣。
但如果這麼簡單就說完了，這篇文章也就沒價值了。下面我們來說一下，資料的傳輸和展示邏輯。
JMeter中Backend Listener的配置
下面我們就InfluxDB的Backend Listener做個說明。它的配置比較簡單，在指令碼中加上即可。
我們先配置好influxdb Url、application等資訊，application這個配置可以看成是場景名。
那麼JMeter如何將資料發給InfluxDB呢？請看原始碼中的關鍵程式碼，如下所示：
private void addMetrics(String transaction, SamplerMetric metric) {
// FOR ALL STATUS
addMetric(transaction, metric.getTotal(), metric.getSentBytes(), metric.getReceivedBytes(), TAG_ALL, metric.getAllMean(), metric.getAllMinTime(),
metric.getAllMaxTime(), allPercentiles.values(), metric::getAllPercentile);
// FOR OK STATUS
addMetric(transaction, metric.getSuccesses(), null, null, TAG_OK, metric.getOkMean(), metric.getOkMinTime(),
metric.getOkMaxTime(), okPercentiles.values(), metric::getOkPercentile);
// FOR KO STATUS
addMetric(transaction, metric.getFailures(), null, null, TAG_KO, metric.getKoMean(), metric.getKoMinTime(),
metric.getKoMaxTime(), koPercentiles.values(), metric::getKoPercentile);
metric.getErrors().forEach((error, count) -> addErrorMetric(transaction, error.getResponseCode(),
error.getResponseMessage(), count));
}
從這段程式碼可以看出，站在全域性統計的視角來看，這裡把JMeter執行的統計結果，比如事務的Total請求、傳送接收位元組、平均值、最大值、最小值等，都加到metric中，同時也會把成功和失敗的事務資訊新增到metric中去。
在原始碼中，還有更多的新增metric的步驟，你有興趣的話，也可以看一下JMeter原始碼中的InfluxdbBackendListenerClient.java。
儲存了metric之後，再使用InfluxdbMetricsSender傳送到Influxdb中去。傳送關鍵程式碼如下：
@Override
public void writeAndSendMetrics() {
........
if (!copyMetrics.isEmpty()) {
try {
if(httpRequest == null) {
httpRequest = createRequest(url);
}
StringBuilder sb = new StringBuilder(copyMetrics.size()*35);
for (MetricTuple metric : copyMetrics) {
// Add TimeStamp in nanosecond from epoch ( default in InfluxDB )
sb.append(metric.measurement)
.append(metric.tag)
.append(" ") //$NON-NLS-1$
.append(metric.field)
.append(" ")
.append(metric.timestamp+"000000")
.append("\n"); //$NON-NLS-1$
}
StringEntity entity = new StringEntity(sb.toString(), StandardCharsets.UTF_8);
httpRequest.setEntity(entity);
lastRequest = httpClient.execute(httpRequest, new FutureCallback<HttpResponse>() {
@Override
public void completed(final HttpResponse response) {
int code = response.getStatusLine().getStatusCode();
/*
* HTTP response summary 2xx: If your write request received
* HTTP 204 No Content, it was a success! 4xx: InfluxDB
* could not understand the request. 5xx: The system is
* overloaded or significantly impaired.
*/
if (MetricUtils.isSuccessCode(code)) {
if(log.isDebugEnabled()) {
log.debug("Success, number of metrics written: {}", copyMetrics.size());
}
} else {
log.error("Error writing metrics to influxDB Url: {}, responseCode: {}, responseBody: {}", url, code, getBody(response));
}
}
@Override
public void failed(final Exception ex) {
log.error("failed to send data to influxDB server : {}", ex.getMessage());
}
@Override
public void cancelled() {
log.warn("Request to influxDB server was cancelled");
}
});
........
}
}
}
通過writeAndSendMetrics，就將所有儲存的metrics都發給了InfluxDB。
InfluxDB中的儲存結構
然後我們再來看下InfluxDB中如何儲存：
> show databases
name: databases
name
----
_internal
jmeter
> use jmeter
Using database jmeter
>
> show MEASUREMENTS
name: measurements
name
----
events
jmeter
> select * from events where application='7ddemo'
name: events
time application text title
---- ----------- ---- -----
1575255462806000000 7ddemo Test Cycle1 started ApacheJMeter
1575256463820000000 7ddemo Test Cycle1 ended ApacheJMeter
..............
n> select * from jmeter where application='7ddemo' limit 10
name: jmeter
time application avg count countError endedT hit max maxAT meanAT min minAT pct90.0 pct95.0 pct99.0 rb responseCode responseMessage sb startedT statut transaction
---- ----------- --- ----- ---------- ------ --- --- ----- ------ --- ----- ------- ------- ------- -- ------------ --------------- -- -------- ------ -----------
1575255462821000000 7ddemo 0 0 0 0 0 internal
1575255467818000000 7ddemo 232.82352941176472 17 0 17 849 122 384.9999999999996 849 849 0 0 all all
1575255467824000000 7ddemo 232.82352941176472 17 849 122 384.9999999999996 849 849 0 0 all 0_openIndexPage
1575255467826000000 7ddemo 232.82352941176472 17 849 122 384.9999999999996 849 849 ok 0_openIndexPage
1575255467829000000 7ddemo 0 1 1 1 1 internal
1575255472811000000 7ddemo 205.4418604651163 26 0 26 849 122 252.6 271.4 849 0 0 all all
1575255472812000000 7ddemo 0 1 1 1 1 internal
1575255472812000000 7ddemo 205.4418604651163 26 849 122 252.6 271.4 849 ok 0_openIndexPage
1575255472812000000 7ddemo 205.4418604651163 26 849 122 252.6 271.4 849 0 0 all 0_openIndexPage
1575255477811000000 7ddemo 198.2142857142857 27 0 27 849 117 263.79999999999995 292.3500000000001 849 0 0 all all
這段程式碼也就是說，在InfluxDB中，建立了兩個MEASUREMENTS，分別是events和jmeter。這兩個各自存了資料，我們在介面中配置的testtile和eventTags放在了events這個MEASUREMENTS中。在模板中這兩個值暫時都是不用的。
在jmeter這個MEASUREMENTS中，我們可以看到application和事務的統計資訊，這些值和控制檯一致。
在Grafana中顯示的時候，就是從這個表中取出的資料，根據時序做的曲線。
Grafana中的配置
有了JMeter傳送到InfluxDB中的資料，下面就來配置一下Grafana中的展示。首先，要配置一個InfluxDB資料來源。如下所示：
在這裡配置好URL、Database、User、Password之後，直接點選儲存即可。
然後新增一個JMeter dashboard，我們常用的dashboard是Grafana官方ID為5496的模板。匯入進來後，選擇好對應的資料來源。
然後就看到介面了。
這時還沒有資料，我們稍後做個示例，看下JMeter中的資料怎麼和這個介面的資料對應起來。
我們先看下圖中兩個重要的資料查詢語句吧。
TPS曲線：
SELECT last("count") / $send_interval FROM "$measurement_name" WHERE ("transaction" =~ /^$transaction$/ AND "statut" = 'ok') AND $timeFilter GROUP BY time($__interval)
上面這個就是Total TPS了，在這裡稱為throughput。關於這個概念，我在第一篇中就已經有了說明，這裡再次提醒，概念的使用在團隊中要有統一的認識，不要受行業內一些傳統資訊的誤導。
這裡取的資料來自MEASUREMENTS中成功狀態的所有事務。
響應時間曲線：
SELECT mean("pct95.0") FROM "$measurement_name" WHERE ("application" =~ /^$application$/) AND $timeFilter GROUP BY "transaction", time($__interval) fill(null)
這裡是用95 pct內的響應時間畫出來的曲線。
整體展示出來的效果如下：
資料比對
首先，我們在JMeter中配置一個簡單的場景。10個執行緒，每個執行緒迭代10次，以及兩個HTTP請求。
也就是說，這時會產生10x10x2=200次請求。我們用JMeter跑起來看一下。
看到了吧，這個請求數和我們預想的一樣。下面我們看一下Grafana中展示出來的結果。
還有針對每個事務的統計情況。
至此，JMeter到Grafana的展示過程就完成了。以後我們就不用再儲存JMeter的執行結果了，也不用等著JMeter輸出HTML了。
node_exporter+Prometheus+Grafana的資料展示邏輯
對效能測試來說，在常用的Grafana+Prometheus+Exporter的邏輯中，第一步要看的就是作業系統資源了。所以在這一篇中，我們將以node_exporter為例來說明一下作業系統抽取資料的邏輯，以便知道監控資料的來源，至於資料的含義，我們將在後續的文章中繼續描述。
首先，我們還是要畫一個圖。
現在node_exporter可以支援很多個作業系統了。官方列表如下：
當然不是說只支援這些，你也可以擴充套件自己的Exporter。
配置node_exporter
node_exporter目錄如下：
[root@7dgroup2 node_exporter-0.18.1.linux-amd64]# ll
total 16524
-rw-r--r-- 1 3434 3434 11357 Jun 5 00:50 LICENSE
-rwxr-xr-x 1 3434 3434 16878582 Jun 5 00:41 node_exporter
-rw-r--r-- 1 3434 3434 463 Jun 5 00:50 NOTICE
啟動：
[root@7dgroup2 node_exporter-0.18.1.linux-amd64]#./node_exporter --web.listen-address=:9200 &
是不是很簡潔？如果想看更多的功能 ，可以檢視下它的幫助。
配置Prometheus
先下載Prometheus：
[root@7dgroup2 data]# wget -c https://github.com/prometheus/prometheus/releases/download/v2.14.0/prometheus-2.14.0.linux-amd64.tar.gz
..........
100%[=============================================================================================>] 58,625,125 465KB/s in 6m 4s
2019-11-29 15:40:16 (157 KB/s) - ‘prometheus-2.14.0.linux-amd64.tar.gz’ saved [58625125/58625125]
[root@7dgroup2 data]
解壓之後，我們可以看到目錄結構如下：
[root@7dgroup2 prometheus-2.11.1.linux-amd64]# ll
total 120288
drwxr-xr-x. 2 3434 3434 4096 Jul 10 23:26 console_libraries
drwxr-xr-x. 2 3434 3434 4096 Jul 10 23:26 consoles
drwxr-xr-x. 3 root root 4096 Nov 30 12:55 data
-rw-r--r--. 1 3434 3434 11357 Jul 10 23:26 LICENSE
-rw-r--r--. 1 root root 35 Aug 7 23:19 node.yml
-rw-r--r--. 1 3434 3434 2770 Jul 10 23:26 NOTICE
-rwxr-xr-x. 1 3434 3434 76328852 Jul 10 21:53 prometheus
-rw-r--r-- 1 3434 3434 1864 Sep 21 09:36 prometheus.yml
-rwxr-xr-x. 1 3434 3434 46672881 Jul 10 21:54 promtool
[root@7dgroup2 prometheus-2.11.1.linux-amd64]#
在prometheus.yml中新增如下配置，以取資料：
- job_name: 's1'
static_configs:
- targets: ['172.17.211.143:9200']
啟動：
[root@7dgroup2 data]# ./prometheus --config.file=prometheus.yml &
這樣就行了嗎？當然不是。根據上面的流程圖，我們還需要配置Grafana。
配置Grafana
首先配置一個數據源，非常簡單。如下所示：
再配置一個node_exporter的模板，比如我這裡選擇了官方模板（ID：11074），展示如下：
資料邏輯說明
說明完上面的過程之後，對我們做效能測試和分析的人來說，最重要的，就是要知道資料的來源和含義了。
拿上面圖中的CPU使用率來說吧（因為CPU使用率是非常重要的一個計數器，所以我們今天先拿它來開刀）。
我們先點一下title上的edit，看一下它的query語句。
avg(irate(node_cpu_seconds_total{instance=~"$node",mode="system"}[30m])) by (instance)
avg(irate(node_cpu_seconds_total{instance=~"$node",mode="user"}[30m])) by (instance)
avg(irate(node_cpu_seconds_total{instance=~"$node",mode="iowait"}[30m])) by (instance)
1 - avg(irate(node_cpu_seconds_total{instance=~"$node",mode="idle"}[30m])) by (instance)
這些都是從Prometheus中取出來的資料，查詢語句讀了Prometheus中node_cpu_seconds_total的不同的模組資料。
下面我們來看一下，node_exporter暴露出來的計數器。
這些值和top一樣，都來自於/proc/目錄。下面這張圖是top資料，我們可以比對一下。
到此，我們就瞭解到了作業系統中監控資料的取值邏輯了，也就是從作業系統本身的計數器中取出值來，然後傳給Prometheus，再由Grafana中的query語句查出相應的資料，最後由Grafana展示在介面上。