prometheus杂碎

一个监控及告警的系统，内含一个TSDB(时序数据库)。在我而言是一个数采程序

重要成员分三块

• exploter:实际是外部接口，让各个程序实现这个接口，供普罗米修斯定时从此接口中取数
• alert：告警模块
• prometheus：实际上是数采模块+存储模块，但是它的存储不是持久化的

普罗米修斯的数据是一个值时间序列，例如

website_request_count{method="GET",path="/home/index",query="id=2"} 0.001

website_request_count是一个监控指标，花括号中的每个值是label标签，最后的是这次监控的值，还有一个未出现的量就是时间戳。

与熟悉的数据库相比起来，一个监控指标好比一个表，时间戳，值，与每个lebel的名称就是列。每一组label组成一个序列。一旦某个label不一致（包含label的数量，label的名称和值）都会被视为不同的序列

普罗米修斯的数据类型分四种

• count:计数器类型，只增不减
• gauge：仪表盘类型，数值可增可减
• Hisgram：直方图类型，按照一定区间给各个段分组统计值，每个段为一个bucket
• summary：摘要类型，按分位数统计各个分组结果

Hisgram与summary比较相似，应用场景也类似：主要源于数据分布不均的情况下（极值delta较大或出现利群值时），平均数已经无法准确反映数据的整体情况，故需要对数据进行分组，按各个分组的统计值反应数据的整体情况。其中Hisgram是按照一定的区间来给数据分段，默认范围是{.005, .01, .025, .05, .075, .1, .25, .5, .75, 1, 2.5, 5, 7.5, 10}，它只能给数据分段，并不能得出这部分数据的中位数，4分位数等，若需要则要在服务端处理，而summary则可以在客户端已得出值。两种数据类型都带有_sum与_count两个指标。

从刮擦数据的结果中可以得出此数据的数据类型

# HELP prometheus_tsdb_wal_fsync_duration_seconds Duration of WAL fsync.

# TYPE prometheus_tsdb_wal_fsync_duration_seconds summary

prometheus_tsdb_wal_fsync_duration_seconds{quantile="0.5"} 0.012352463

prometheus_tsdb_wal_fsync_duration_seconds{quantile="0.9"} 0.014458005

prometheus_tsdb_wal_fsync_duration_seconds{quantile="0.99"} 0.017316173

prometheus_tsdb_wal_fsync_duration_seconds_sum 2.888716127000002

prometheus_tsdb_wal_fsync_duration_seconds_count 216

每一组指标顶端都有两行注释，第一行是对于这个指标的描述，第二行则是指明了这个指标的数据类型

普罗米修斯的查询中输入监控指标则可以两种形式（图表和数据）展示结果，该结果会包含所有序列的值（即出现过的label和值的集合）

如果要对某些label进行筛选，则可以下面形式

up{instance="helloworld"}

此时会查出所有instance为helloworld的序列

Prometheus既然包含了一个TSDB，对这部分数据则提供了一个查询语言叫ProuQL，下面则简单提一些内置函数

sum,avg，按某个指标进行求和运算，如sum(up),avg(up);

有时候会出现类似这样的写法 sum by(job) (up)或者sum with out(job) (up) 这样的写法，与实际上都是类似于SQL的grouop by，by则针对job 这个label的值分组统计up的值，而with out则除了job lebel外所有label都拿来作分组条件。

up[5m]写法 方括号中代表5分钟，可以是1分钟1m或者1小时1h。此写法会得出一个向量集合，所谓向量实际是一个结果中带了两个值，本身指标的值和时间戳，中间以@作为分隔，这样的写法通常结合rate，irate和delta函数。

rate（up[5m]）,求up指标5m钟内每两个量变化率的平均值，是一个平均变化率，假设一组数，a1@t1,a2@t2,a3@t3,……an@tn

rate=（ ∑ (a2-a1)/(t2-t1)+(a3-a2)/(t3-t2)）/n

irate（up[5m]）则是求5m这批数据中，相邻最近的两个值之间的变化率，是一个瞬时变化率

delta(up[5m])则是求这5m这批数据中，收尾两个值的相差值

up{job=~"^123$"}此处job表示是按照正则匹配(出现了“=~”)，而后面则跟着对应的正则表达式，^和$仅仅是正则中的开始与结束符号而已。

prometheus的配置采用yaml

scrape_config主要是配置各个刮擦任务，每个刮擦任务为一个job，每个job的可以有独立的刮擦周期，并有不同的刮擦类型，可以有普通的static_configs，还有其他针对不同exporter的配置，如azure_sd_config，kubernetes_sd_config等，此处要提的是relable这个配置项，relable的配置项的内容可以影响着跨擦结果，里面的label不属于刮擦数据的内容，但是它有可能会被增加到刮擦的结果中而存到库里面去。

每个relable配置项有以下几个属性

action:代表relable的行为，包含

replace:如果值匹配了regex，则把source_labels替换，替换的label值看replacement而定，替换的label名按target_label而定；

keep：如果label名匹配了 regex的，此条数据才保留

drop：如果label名匹配了regex的，此条数据则被舍弃掉，与上面的相反

hashmad：作用未明

labelmap：一般结果需要多个label经过正则运算后拼凑组合生成新的值的会用这种，label值结果会按replacement生成；

labeldrop：与drop类似，但它舍弃的只是label而已且是拿label值与regex匹配；

labelkeep：与labeldrop相反

regex：正则表达式，默认值是（.*）；

source_labels：一个数组，用于处理的各个原始label;

spearetor:默认值是 ";"

target_label:处理后新的label名

replacement：默认值是$1，replace和labelmap按这个来生成结果，后面是数字表明第几个与regex匹配的结果

接下来谈的是prometheus的服务发现，在prometheus界面中有Target与Service Discovery两个菜单，这两个菜单内容与服务发现极有关系。回顾上述关于scrape的配置内容，我们配置的只有static_config，此处一般设置一个target则往一个节点处刮擦数据。由于他是静态，而对于动态的则是基于服务发现的，凡是刮擦类型中带sd的（service-discover）均有服务发现的功能，该job中的所有节点都无需通过手动配置而加入被刮擦的集合中，如kubernetes_sd_config，按照官网介绍，根据role属性的不同设置而对k8s的不同对象进行scrape,如设成service，则scrape回来的数据包含这些label：

__meta_kubernetes_namespace

__meta_kubernetes_service_name

__meta_kubernetes_service_label_

__meta_kubernetes_service_annotation_

__meta_kubernetes_service_port_name

__meta_kubernetes_service_port_protocol

__meta_kubernetes_service_port_number

通过service discover界面看出果真存在若干个被发现的服务（一行代表一个服务），

还记得relabel中的drop action,这里一个发现了7个服务，但是被drop掉的有6个，最终被保存下来的服务的数据仅有一个序列，这个在Taget页面中得到展示，Target就是展示被筛选过后剩余的需要真正监控的服务。