基于Prometheus的微服务应用监控

导读

Prometheus是一套开源的系统监控报警框架。它启发于Google的borgmon 监控系统，由工作在 SoundCloud 的 google 前员工在 2012 年创建，作为社区开源项目进行开发，并于2015年正式发布。2016年，Prometheus 正式加入 Cloud Native Computing Foundation，成为受欢迎度仅次于Kubernetes 的项目。

现今公司分布式系统都采用Spring Cloud去实现，其简单高效为开发者带来了极大的便利。Spring Cloud本身也有对服务的监控应用指标，如Actuator可以显示系统各种基本信息。但是对于我们业务开发人员，其指标还是过于简单，为了能够详细清楚的描述当前一个微服务的应用指标，我们使用Prometheus对微服务进行指标采集与分析。

材料准备：

1.Spring Boot（被监控的对象微服务应用）

2.Prometheus（指标采集的时间序列数据库）

3.Alertmanager（监控预警组件）

4.Micrometer（微服务指标暴露者）

5.Grafana（对指标进行丰富的图像展示）

▌Prometheus搭建

Prometheus 是一套开源的系统监控报警框架。它启发于 Google 的 borgmon 监控系统，由工作在 SoundCloud 的 google 前员工在 2012 年创建，作为社区开源项目进行开发，并于 2015 年正式发布。2016 年，Prometheus 正式加入 Cloud Native Computing Foundation，成为受欢迎度仅次于 Kubernetes 的项目。

作为新一代的监控框架，Prometheus 具有以下特点：

强大的多维度数据模型：

1.时间序列数据通过metric 名和键值对来区分。

2.所有的metrics 都可以设置任意的多维标签。

3.数据模型更随意，不需要刻意设置为以点分隔的字符串。

4.可以对数据模型进行聚合，切割和切片操作。

5.支持双精度浮点类型,标签可以设为全unicode。

灵活而强大的查询语句（PromQL):在同一个查询语句，可以对多个 metrics 进行乘法、加法、连接、取分数位等操作。

易于管理:Prometheus server 是一个单独的二进制文件，可直接在本地工作，不依赖于分布式存储。

高效:平均每个采样点仅占 3.5 bytes，且一个 Prometheus server 可以处理数百万的 metrics。

使用 pull 模式采集时间序列数据，这样不仅有利于本机测试而且可以避免有问题的服务器推送坏的 metrics。

可以采用 push gateway 的方式把时间序列数据推送至 Prometheus server 端。

可以通过服务发现或者静态配置去获取监控的 targets。

有多种可视化图形界面。

易于伸缩。

需要指出的是，由于数据采集可能会有丢失，所以 Prometheus 不适用对采集数据要 100% 准确的情形。但如果用于记录时间序列数据，Prometheus 具有很大的查询优势，此外，Prometheus 适用于微服务的体系架构。

# 下载2.3.2 / 2018-07-12

wget https://github.com/prometheus...

# 解压

tar -zxvf prometheus-2.3.2.linux-amd64.tar.gz

# 修改配置文件

vim prometheus.yml

global:

scrape_interval: 3s

evaluation_interval: 3s

rule_files:

• "/home/prometheus/rules/*.rules"

scrape_configs:

• job_name: 'prometheus'

static_configs:

• targets: ['127.0.0.1:9091']

# 启动

./prometheus --web.listen-address=0.0.0.0:9091 --web.enable-lifecycle

访问http://127.0.0.1:9091/ 看到下图即安装成功

▌Alertmanager搭建

1.下载Alertmanager

# 下载

wget https://github.com/prometheus...

# 解压

tar -zxvf alertmanager-0.15.2.linux-amd64.tar.gz

2.配置 alertmanager.yml

vim alertmanager.yml

global:

resolve_timeout: 2h

smtp_from: '{{ template "email.from" . }}'

smtp_smarthost: 'smtp.exmail.qq.com:25'

smtp_auth_username: '[e-mail]'

smtp_auth_password: 'yourpassword'

templates:

- '/home/prometheus/alertmanager/template/*.tmpl'

route:

group_by: ['node_up']

group_wait: 5s

group_interval: 5s

repeat_interval: 1h

receiver: 'dingding'

route:

group_by: ['webhook_http']

group_wait: 5s

group_interval: 5s

repeat_interval: 1h

receiver: 'email'

inhibit_rules:

- source_match:

severity: 'critical'

target_match:

severity: 'warning'

severity: page

equal: ['node_up']

receivers:

- name: 'wechat'

wechat_configs:

• to_user: '@all'

agent_id: '1000002'

corp_id: 'corp_id'

api_secret: 'api_secret'

message: '{{ template "wechat.text" . }}'

send_resolved: true

- name: 'email'

email_configs:

• to: '{{ template "email.to" . }}'

text: '{{ template "email.to.text" . }}'

send_resolved: true

- name: 'dingding'

webhook_configs:

• url: 'http://127.0.0.1:9101/hook/dingding'

send_resolved: true

3.模版文件实例

{{ define "email.from" }}[e-mail]{{ end}}

{{ define "email.to" }}[e-mail]{{ end}}

{{ define "email.to.text" }}

警告：

{{ template "__my_text_alert_list" .Alerts.Firing }}

{{ end}}

4.配置Prometheus Rule 预警规则

vim node_alert.rules

groups:

- name: node_up

rules:

• alert: node_up

expr: up{job="node"} == 0

for: 15s

labels:

annotations:

summary: "{{ $labels.instance }} 已停止运行！"

# 启动Alertmanager

./alertmanager --config.file=alertmanager.yml

# 刷新Prometheus配置

curl -X POST http://127.0.0.1:9091/-/reload

5.查看Rules

访问：http://127.0.0.1:9091/rules

▌Grafana搭建，并配置Prometheus数据源

Grafana是一个开源的度量分析与可视化套件。经常被用作基础设施的时间序列数据和应用程序分析的可视化，它在其他领域也被广泛的使用包括工业传感器、家庭自动化、天气和过程控制等。

Grafana支持许多不同的数据源。每个数据源都有一个特定的查询编辑器,该编辑器定制的特性和功能是公开的特定数据来源。

# 下载Grafana

wget https://s3-us-west-2.amazonaw...

# 解压

tar -zxvf grafana-5.2.2.linux-amd64.tar.gz

# 使用默认配置运行

./grafana-server -config /home/prometheus/grafana/grafana-5.2.2/conf/defaults.ini

1.访问：http://127.0.0.1:3000/

登录：admin admin

2.配置数据源

保存

▌开发SpringBoot微服务监控

Micrometer 是一款监控指标的度量类库，可以让在没有供应商锁定的情况下对 JVM 的应用程序代码进行调整。

1.在项目pom.xml中引入Jar

<micrometer.version>1.0.6</micrometer.version>

<dependency>

<groupId>org.springframework.boot</groupId>

<artifactId>spring-boot-starter-actuator</artifactId>

</dependency>

<dependency>

<groupId>io.micrometer</groupId>

<artifactId>micrometer-spring-legacy</artifactId>

<version>${micrometer.version}</version>

</dependency>

<dependency>

<groupId>io.micrometer</groupId>

<artifactId>micrometer-registry-prometheus</artifactId>

<version>${micrometer.version}</version>

</dependency>

2.编写启动配置类

package cn.analysys.monitor.alertmanager.config;

import org.apache.log4j.Logger;

import org.springframework.beans.factory.annotation.Value;

import org.springframework.boot.autoconfigure.condition.ConditionalOnMissingBean;

import org.springframework.context.annotation.Bean;

import org.springframework.context.annotation.Configuration;

import io.micrometer.core.instrument.MeterRegistry;

import io.micrometer.spring.autoconfigure.MeterRegistryCustomizer;

/**

*

* Description: MicrometerConfiguration<br/>

*

* @author litaiqing

* @date: 2018年8月14日 下午7:10:55

* @version 1.0

* @since JDK 1.8

*/

@Configuration

public class MicrometerConfiguration {

private static final Logger logger = Logger.getLogger(MicrometerConfiguration.class);

@Bean

@ConditionalOnMissingBean

MeterRegistryCustomizer<?> meterRegistryCustomizer(MeterRegistry meterRegistry,

@Value("${spring.application.name}") String application) {

logger.info(application);

return mr -> {

mr.config().commonTags("application", application);

};

}

}

3.配置application.properties

spring:

application:

name: alertmanager-webhook

server:

port: 9101

tomcat:

uri-encoding: UTF-8

context-path: /

security:

basic:

enabled: true

user:

name: webhook

password: analysys_cs

endpoints:

metrics:

enabled: true

health:

enabled: true

path: /health

4.打包并发布应用

访问：http://127.0.0.1:9101/prometheus 即可查看应用实时指标。

▌让Prometheus拉取监控微服务指标

1.配置Prometheus监控

global:

scrape_interval:     3s

evaluation_interval: 3s

alerting:

alertmanagers:

• static_configs:
• targets:
• 127.0.0.1:9093

rule_files:

• "/home/prometheus/rules/*.rules"

scrape_configs:

• job_name: 'prometheus'

static_configs:

• targets: ['127.0.0.1:9091']
• job_name: 'node'

static_configs:

• targets: ['127.0.0.1:9100']
• job_name: 'alertmanager-webhook'

metrics_path: /prometheus

basic_auth:

username: webhook

password: analysys_cs

static_configs:

• targets: ['127.0.0.1:9101']

# 刷新Prometheus配置

curl -X POST http://127.0.0.1:9091/-/reload

2.Grafana导入模版

查看JVM监控面板

▌预警展示

在node_up停机的情况下会收到下面的通知：

重新启动node_up运行情况下会收到下面的通知：

▌监控总结

此实例仅描述微服务监控解决的主流程，在实际生产过程中，监控预警系统需要有高可靠性。

因此Prometheus要采用多台服务器拉去标签，分别存储。Alertmanager预警需要配置集群预警，使用Gossip机制去完成过滤、去噪等操作。

同时由于微服务上下线非常频繁，迭代速度较快，因此需要有自动化服务发现（如Consul）配置来替代当前的手动配置。

针对上述问题，易观技术群组已经解决并投入了使用，本次技术分享主要分享监控的主体思路与实践操作，请敬请期待Prometheus微服务监控生产实战的后篇分享。