Prometheus（譯：普羅米修斯）用領先的開源監控解決方案為你的指標和警報提供動力（賦能）。

1.  概述

1.1.  Prometheus是什麼？

Prometheus是一個開源的系統監控和警報工具包。自2012年啟動以來，許多公司和組織都採用了Prometheus，該專案擁有非常活躍的開發人員和使用者社群。它現在是一個獨立的開源專案，獨立於任何公司進行維護。Prometheus於2016年加入雲原生計算基金會，成為繼Kubernetes之後的第二個託管專案。

1.1.1.  Prometheus的主要特性：

• 一個多維資料模型，包含由指標名稱和鍵/值對（Tag）標識的時間序列資料
• PromQL是一種靈活的查詢語音，用於查詢並利用這些維度資料
• 不依賴分散式儲存，單個伺服器節點是自治的
• 時間序列收集是通過HTTP上的pull模型進行的（支援Pull）
• 推送時間序列是通過一箇中間閘道器來支援的（也支援Push）
• 目標是通過服務發現或靜態配置發現的
• 多種模式的圖形和儀表盤支援

總結一下，就是多維資料模型、PromQL查詢語言、節點自治、HTTP主動拉取或者閘道器主動推送的方式獲取時間序列資料、自動發現目標、多種儀表盤支援

1.1.2.  元件：

• Prometheus server，它負責抓取和儲存時間序列資料，是最主要的元件
• client libraries，用於檢測應用程式程式碼的客戶端庫
• push gateway，用於支援短期的jobs
• exporters，用於支援HAProxy等第三方
• alertmanager，用於處理告警
• 各種支援工具

大多數Prometheus元件都是用Go編寫的，這使得它們易於作為靜態二進位制檔案構建和部署

1.1.3.  架構：

這張圖展示了架構及其生態系統的一些組成部分：

Prometheus從工具化的作業中獲取指標，要麼直接獲取，要麼通過中介推送閘道器獲取短期作業。它在本地儲存所有抓取的樣本，並對這些資料應用規則將這些資料進行聚合，並記錄新的時間序列，或者生成警報。可以用Grafana或其他API來視覺化收集的資料。

1.2.  什麼時候用它合適

Prometheus可以很好地記錄任何純數字時間序列。它既適合以機器為中心的監視，也適合高度動態的面向服務的體系結構的監視。在微服務的世界中，它對多維資料收集和查詢的支援是一個特別的優勢。

Prometheus是為可靠性而設計的，在你的服務宕機的時候，你可以快速診斷問題。每臺Prometheus伺服器都是獨立的，不依賴於網路儲存或其他遠端服務。

1.3.  什麼時候用它不合適

Prometheus的值的可靠性。你總是可以檢視有關係統的統計資訊，即使在出現故障的情況下也是如此。如果你需要100%的準確性，例如按請求計費，Prometheus不是一個好的選擇，因為收集的資料可能不夠詳細和完整。在這種情況下，最好使用其他系統來收集和分析用於計費的資料，並使用Prometheus來完成剩下的監視工作。

1.4.  Prometheus VS InfluxDB

InfluxDB是一個開源的時間序列資料庫，具有擴充套件和叢集的商業選項。InfluxDB專案是在Prometheus開發開始將近一年後釋出的，所以當時無法考慮將其作為替代方案。儘管如此，Prometheus和fluxdb之間仍然存在顯著的差異。二者有許多相似之處。兩者都有標籤(在InfluxDB中稱為tags)來有效地支援多維度度量。它們基本上使用相同的資料壓縮演算法。兩者都具有廣泛的整合，包括彼此之間的整合。兩者都有掛鉤，允許進一步擴充套件它們，例如在統計工具中分析資料或執行自動化操作。

下列情況，用InfluxDB更好：

• 如果你正在進行事件日誌記錄
• 商業選項為InfluxDB提供叢集，這對於長期資料儲存也更好
• 最終實現副本之間資料的一致性

下列情況，用Prometheus更好：

• 如果你主要做的是度量
• 如果你需要更強大的查詢語言、警報和通知功能
• 更高的可用性和正常執行時間，用於繪圖和報警

InfluxDB由一家遵循開放核心模型的商業公司維護，提供高階特性，如閉源叢集、託管和支援。

Prometheus是一個完全開源和獨立的專案，由許多公司和個人維護，其中一些還提供商業服務和支援。

2.  基本概念

2.1.  資料模型

Prometheus基本上將所有資料儲存為時間序列：屬於同一指標和同一組標記維度的時間戳值流。除了儲存時間序列外，Prometheus還可以根據查詢結果生成臨時派生的時間序列。

（PS：這裡對時間序列的解釋是這樣的，

time series: streams of timestamped values belonging to the same metric and the same set of labeled dimensions

）

2.1.1.  Metric names and labels

Every time series is uniquely identified by its metric name and optional key-value pairs called labels.

（每個時間序列都由其指標名稱和稱為標籤的可選鍵值對唯一標識）

指標名稱指定要度量的系統的一般特性（例如，http_requests_total表示接收的HTTP請求的總數）。它可能包含ASCII字母和數字，以及下劃線和冒號。它必須匹配正則表示式[a-zA-Z_:][a-zA-Z0-9_:]*

標籤名稱可以包含ASCII字母、數字和下劃線。它們必須匹配正則表示式[a-zA-Z_][a-zA-Z0-9_]*。以__開頭的標籤名稱保留內部使用。

標籤值可以包含任何Unicode字元。

2.1.2.  Sample（樣本）

樣本構成實際的時間序列資料。每個樣本包括：

• a float64 value
• a millisecond-precision timestamp

2.1.3.  notation（記法） 

給定一個度量名稱和一組標籤，時間序列通常使用以下符號標識：

<metric name>{<label name>=<label value>,...}

例如，有這樣一個時間序列，指標名稱是api_http_requests_total，有兩個標籤method="POST"和handler="/messages"，那麼這個時間序列可以這樣寫：

api_http_requests_total{method="POST", handler="/messages"}

2.2.  metric types（指標型別）

2.2.1.  Counter（計數器）

計數器是一個累積指標，它表示一個單調遞增的計數器，其值只能在重啟時遞增或重置為零。例如，可以使用計數器來表示已服務的請求數、已完成的任務數或錯誤數。不要使用計數器來反映一個可能會減小的值。例如，不要使用計數器表示當前正在執行的程序的數量，這種情況下，你應該用gauge。 

2.2.2.  Gauge（計量器）

計量器表示一個可以任意上下移動的數值。 

計量器通常用於測量溫度或當前記憶體使用量等，也用於“計數”，比如併發請求的數量。

2.2.3.  Histogram（直方圖、柱狀圖）

直方圖對觀察結果（通常是請求持續時間或響應大小之類的東西）進行取樣，並在可配置的桶中計數。它還提供了所有觀測值的和。

直方圖用一個基本的指標名<basename>暴露在一個抓取期間的多個時間序列：

• 觀察桶的累積計數器，格式為<basename>_bucket{le="<upper inclusive bound>"}
• 所有觀測值的總和，格式為<basename>_sum
• 已觀察到的事件的計數，格式為<basename>_count

2.2.4.  Summary（摘要）

與柱狀圖類似，摘要樣例觀察結果（通常是請求持續時間和響應大小之類的內容）。雖然它還提供了觀測值的總數和所有觀測值的總和，但它計算了一個滑動時間視窗上的可配置分位數。

2.3.  Jobs AND Instances（作業與例項）

在Prometheus的術語中，可以抓取的端點稱為例項，通常對應於單個程序。具有相同目的的例項集合稱為作業。

例如，一個API Server job 有4個副本instances：

job: api-server

• instance 1: 1.2.3.4:5670
• instance 2: 1.2.3.4:5671
• instance 3: 5.6.7.8:5670
• instance 4: 5.6.7.8:5671

2.3.1.  自動生成標籤和時間序列

當Prometheus抓取目標時，它會自動在抓取的時間序列上附加一些標籤，用來識別被抓取的目標：

• job：目標所屬的已配置作業名稱
• instance：<host>:<port>是被抓取的目標URL的一部分

3.  快速開始

Prometheus是一個開源的系統監控和警報工具包，具有活躍的生態系統。

3.1.  下載與安裝

Prometheus是一個監控平臺，它通過抓取這些目標上的HTTP端點來收集被監控目標的指標。

需要下載、安裝並執行Prometheus。還需要下載並安裝一個exporter，它是將主機和服務上的時間序列資料匯出的工具。

https://prometheus.io/download/

在執行Prometheus之前，我們先配置一下

3.1.1.  配置Prometheus監視它自己

Prometheus通過抓取目標上的HTTP端點資料來從被監控的目標收集資料。由於Prometheus也以同樣的方式公開自己的資料，因此它還可以抓取和監測自己的健康狀況。

雖然Prometheus伺服器在實踐中只收集關於自己的資料不是很有用，但是它是一個很好的開始示例。將以下基本的Prometheus配置儲存為一個名為Prometheus.yml的檔案：

 1 global:
 2   scrape_interval:     15s # By default, scrape targets every 15 seconds.
 3 
 4   # Attach these labels to any time series or alerts when communicating with
 5   # external systems (federation, remote storage, Alertmanager).
 6   external_labels:
 7     monitor: 'codelab-monitor'
 8 
 9 # A scrape configuration containing exactly one endpoint to scrape:
10 # Here it's Prometheus itself.
11 scrape_configs:
12   # The job name is added as a label `job=<job_name>` to any timeseries scraped from this config.
13   - job_name: 'prometheus'
14 
15     # Override the global default and scrape targets from this job every 5 seconds.
16     scrape_interval: 5s
17 
18     static_configs:
19       - targets: ['localhost:9090']

3.1.2.  啟動Prometheus 

1 # Start Prometheus.
2 # By default, Prometheus stores its database in ./data (flag --storage.tsdb.path).
3 ./prometheus --config.file=prometheus.yml

3.2.  配置

Prometheus可以通過命令列和配置檔案進行配置。配置檔案定義了與抓取作業及其例項相關的所有內容，以及要載入哪些規則檔案。

執行./prometheus -h可以檢視所有支援的命令

為了指定要載入哪個配置檔案，請使用--config選項

配置檔案是YAML格式的

配置項太多，不一一列舉，自行檢視

https://prometheus.io/docs/prometheus/latest/configuration/configuration/

 global:
   # How frequently to scrape targets by default.
   [ scrape_interval: <duration> | default = 1m ]
 
   # How long until a scrape request times out.
   [ scrape_timeout: <duration> | default = 10s ]
 
   # How frequently to evaluate rules.
   [ evaluation_interval: <duration> | default = 1m ]
 
   # The labels to add to any time series or alerts when communicating with
   # external systems (federation, remote storage, Alertmanager).
   external_labels:
     [ <labelname>: <labelvalue> ... ]
 
 # Rule files specifies a list of globs. Rules and alerts are read from
 # all matching files.
 rule_files:
   [ - <filepath_glob> ... ]
 
 # A list of scrape configurations.
 scrape_configs:
   [ - <scrape_config> ... ]
 
 # Alerting specifies settings related to the Alertmanager.
 alerting:
   alert_relabel_configs:
     [ - <relabel_config> ... ]
   alertmanagers:
     [ - <alertmanager_config> ... ]
 
 # Settings related to the remote write feature.
 remote_write:
   [ - <remote_write> ... ]
 
 # Settings related to the remote read feature.
 remote_read:
   [ - <remote_read> ... ] 

這裡有一個有效的示例配置檔案 

3.3.  查詢 

Prometheus提供了一種名為PromQL（Prometheus查詢語言）的函式式查詢語言，允許使用者實時選擇和聚合時間序列資料。表示式的結果既可以顯示為圖形，也可以在Prometheus的表示式瀏覽器中作為表格資料檢視，或者通過HTTP API由外部系統使用。

3.3.1.  表示式資料型別

在Prometheus的表示式語言中，表示式或子表示式可以計算為以下四種類型之一：

• Instant vector（瞬時向量）：一組時間序列，每個時間序列包含一個樣本，所有樣本共享相同的時間戳
• Range vector（範圍向量）：一組時間序列，其中包含每個時間序列隨時間變化的資料點範圍
• Scalar（標量）：一個簡單的數值浮點值
• String（字串）：一個簡單的字串值，目前未使用 

3.3.2.  字面值

字串字面值

字串可以指定為單引號、雙引號或反引號中的文字。例如：

1 "this is a string"
2 'these are unescaped: \n \\ \t'
3 `these are not unescaped: \n ' " \t` 

浮點數字面值

例如：-2.34

3.3.3.  時間序列選擇器

瞬時向量選擇器

瞬時向量選擇器允許在給定的時間戳（瞬時）上為每個時間序列選擇一組時間序列和一個樣本值：在最簡單的形式中，只指定一個度量名稱。這樣一個向量就會包含這個度量名稱的所有時間序列元素。 

下面的例子，選擇指標名稱是http_requests_total的所有時間序列：

 http_requests_total

通過在花括號({ })中新增一組匹配的標籤，可以進一步過濾這些時間序列。 

下面的例子，選擇指標名稱是http_requests_total，並且有job標籤值是prometheus，並且group標籤值是canary的時間序列：

 http_requests_total{job="prometheus",group="canary"} 

標籤匹配操作符：

• = ： 選擇與提供的字串完全相同的標籤（等於）
• != ：選擇不等於提供的字串的標籤（不等於）
• =~ ：正則匹配
• !~ ： 非正則匹配 

下面的例子，選擇所有staging, testing, development環境，並且HTTP請求方式不是GET的http_requests_total時間序列 

 http_requests_total{environment=~"staging|testing|development",method!="GET"} 

不要匹配空標籤

 {job=~".+"}              # Good!
 {job=~".*",method="get"} # Good!

3.3.4.  範圍向量選擇器

範圍向量字面量的工作原理與瞬時向量字面量類似，只是它們從當前瞬時量中選擇一個樣本範圍。從語法上講，範圍持續時間被新增到向量選擇器末尾的方括號([ ])中，以指定應該為每個結果範圍向量元素獲取多少時間值。 

時間期限指定為一個數字，緊接其後的是下列單位之一：s（秒）、m（分鐘）、h（小時）、d（天） 、w（周）、y（年）

下面的例子，選擇指標名是http_requests_total，且job標籤值是prometheus的已經記錄的最近5分鐘內的時間序列：

 http_requests_total{job="prometheus"}[5m]

Offset修飾符

下面的表示式返回http_requests_total在過去5分鐘相對於當前查詢計算時間的值：

 http_requests_total offset 5m 

注意，offset總是緊跟在選擇器後面的

 sum(http_requests_total{method="GET"} offset 5m) 

下面的例子，返回一週前的最近5分鐘http_requests_total的時間序列

 rate(http_requests_total[5m] offset 1w)

3.3.5.  子查詢

 Syntax: <instant_query> '[' <range> ':' [<resolution>] ']' [ offset <duration> ]

3.3.5.  運算子 

Prometheus的查詢語言支援基本的邏輯運算子和算術運算子。

算術二元運算子

+（加）、-（減）、*（乘）、/（除）、%（餘數）、^（指數）

二進位制算術運算子定義在標量/標量、向量/標量和向量/向量值對之間

比較二元運算子

== 、!= 、> 、< 、>= 、<=

邏輯運算子

and 、or 、unless

聚合運算子

sum（求和）、min（最小值）、max（最大值）、avg（求平均）、stddev（標準偏差）、stdvar（方差）、count（個數）、count_values（相同值的元素個數）、bottomk（樣本值的最小元素）、topk（樣本值的最大元素）、quantile（0 ≤ φ ≤ 1）

這些操作符既可以用於聚合所有標籤維度，也可以通過包含without子句或by子句來儲存不同的維度。

1 <aggr-op>([parameter,] <vector expression>) [without|by (<label list>)]

例如，假設http_requests_total有application 、 instance 、 group三個標籤，那麼下面兩個是等價的：

1 sum(http_requests_total) without (instance)
2 sum(http_requests_total) by (application, group)

3.3.6.  函式

https://prometheus.io/docs/prometheus/latest/querying/functions/

3.3.7.  示例

 1 # 返回http_requests_total的所有時間序列
 2 http_requests_total
 3 
 4 # 返回http_requests_total的且限定了job和handler標籤的時間序列
 5 http_requests_total{job="apiserver", handler="/api/comments"}
 6 http_requests_total{job="apiserver", handler="/api/comments"}[5m]
 7 
 8 # 正則表示式
 9 http_requests_total{job=~".*server"}
10 http_requests_total{status!~"4.."}
11 
12 # 過去的5分鐘內每秒HTTP請求速率
13 rate(http_requests_total{job="api-server"}[5m])
14 # 過去的30分鐘內每5分鐘
15 rate(http_requests_total[5m])[30m:1m]
16 # 過去5分鐘的所有請求速率求和，保留job維度
17 sum(rate(http_requests_total[5m])) by (job)
18 # cpu使用率最高的前3個
19 topk(3, sum(rate(instance_cpu_time_ns[5m])) by (app, proc))

4.  Grafana支援 

Grafana支援查詢Prometheus

下面是Grafana dashboard查詢Prometheus資料的例子:

使用 

預設情況下，Grafana監聽http://localhost:3000，預設用admin/admin登入

建立一個Prometheus資料來源，接著建立面板並定義查詢的指標

剛開始，如果不知道PromeQL怎麼寫，可以去Prometheus上去找  http://localhost:9090/graph

https://prometheus.io/docs/introduction/overview/

https://prometheus.io/docs/alerting/overview/ 

&n