统一观测｜如何使用 Prometheus 监控 Windows

作者： 颍川

引言

微软 Windows 是当前主流操作系统之一，在桌面和服务端均有较大市场份额。

对于 Linux 操作系统，Prometheus 可以通过 Node Exporter 来进行基础资源（CPU、内存、磁盘、网络等）监控，类似地，对于 Windows 操作系统，我们也需要对这个 OS 环境下的基础资源进行 Prometheus 监控。

Windows 简介

Windows 是美国微软公司以图形用户界面为基础研发的操作系统。目前常用的版本 Windows Server 2008R2 和 Desktop Windows 7 及以上。由于 Windows 已广为大家所熟悉，本文不再赘述其功能和特点。

Windows Metric 监控参考模型

我们从指标采集、监控大盘、告警规则等 3 方面定义了 Windows Metric 监控的参考模型，以便实现监控闭环。

指标采集

Windows 基础监控指标主要包含 CPU、内存、磁盘、网络和进程等四方面。下面分别介绍各方面的主要指标。

CPU 指标

CPU 是计算机的大脑，作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。我们建议关注如下主要指标。

title=

内存指标

内存是用于暂存 CPU 中的运算数据，以及与硬盘等外部存储器交换的数据。它是磁盘与 CPU 进行沟通的桥梁，计算机中所有程序的运行都在内存中进行，内存性能的强弱影响计算机整体发挥的水平。我们建议关注如下主要指标。

title=

磁盘指标

通俗来讲，我们所说的磁盘是计算机外部存储设备的总称，现在常见的有传统硬盘 HDD [5 ] 、混合硬盘 HHD [6 ] 和固态硬盘 SSD *[7 ] *。我们建议关注如下主要指标。

title=

网络指标

计算机网络是计算机之间进行实时互通的渠道。目前通常是基于 TCP/IP 协议构建的。我们建议关注如下主要指标。

title=

进程指标

进程是操作系统进行资源分配和调度的基本单位，是操作系统结构的基础。我们建议关注如下主要指标。

title=

监控大盘

参考 Linux 广泛使用的 Node Exporter 监控大盘，结合 Windows 自身的特点，我们建议默认监控大盘至少包含以下指标 panel：

- 使用率（%）：Windows 正常运行最重要的指标之一。
- DPC 队列长度、等待线程队列长度、上下文切换次数：反应 Windows 系统调度繁忙程度的重要指标。
内存

- 物理内存使用率（%）、虚拟内存使用率（%）：Windows 正常运行最重要的指标之一。
- 分页文件使用率（%）、分页错误率（%）。
- 分页/非分页内存量。
磁盘

- 空间使用率（%）：显示磁盘剩余可用空间。
- 磁盘空闲率（%）：反映磁盘繁忙程序。
- 读写 IOPS、读写队列长度：反应进程对磁盘的操作状态。
网络

- 流入/出速率（bit/s）：反映网络繁忙程度的核心指标。
- TCP 连接数（Listen、total、non_established、established）：反映进程使用网络的各阶段状态。
- TCP 重传次率：反映 Windows 与外界交互的网络稳定性。
进程

- CPU 使用率（%）：展示进程耗用 CPU 的情况。
- 内存使用率（%）：展示进程使用内存情况。
- 句柄数。
- IO 字节数：展示进程 IO 读写量。

最后，为了方便运维人员快速查看所管理 Windows 集群的整体运行情况，我们还建议配置TopN（包含 CPU 使用率、磁盘空间使用率、磁盘空闲率、网络流量等关键指标）大盘。

告警规则

根据前面对各项主要指标的介绍，我们建议配置至少如下默认告警规则：

- 使用率：持续 n 分钟超过 x%（参考值：80%），表示 CPU 已成为瓶颈。
- 等待处理线程队列长度：持续 n 分钟过 CPU 核数*2，表示 CPU 调度已满负荷。
内存

- 物理内存使用率：持续 n 分钟超过 x%（参考值：90%），表示内存资源已不足。
磁盘

- 空间使用率：持续 n 分钟大于 x%（参考值：85%），表示磁盘剩余空间不足，系统即将进入不可知状态。
- 空闲率：持续 n 分钟小于 x%（参考值：15%），表示磁盘过于繁忙。
网络

- 网络连接数（established）：持续 n 分钟大于 x 个，表示网络连接数过多。
- 网络连接数（non_established）：持续 n 分钟大于 x 个，表示可能存在网络连接过载或关闭异常。
- TCP 重传率：持续 n 分钟大于 x%（参考值：5%），表示网络负载过重或网络不稳定。

自建 Prometheus 监控 Windows 的痛点

通常我们当前的 Windows 都是部署在 ECS 上，因此自建 Prometheus 监控 Windows/ECS 时，我们将面临的典型问题有：

由于安全、组织管理等因素，用户业务通常部署在多个相互隔离的 VPC，需要在多个 VPC 内都重复、独立部署 Prometheus，导致部署和运维成本高。

2. 每套完整的自建监控系统都需要安装并配置 Prometheus、Grafana、AlertManager 等，过程复杂、实施周期长。

缺少与阿里云 ECS 无缝集成的服务发现（ServiceDiscovery）机制，无法根据 ECS 标签来灵活定义抓取 targets。如果自行实现类似功能，则需要使用 GOlang 语言开发代码（调用阿里云 ECS POP 接口）、集成进开源 Prometheus 代码、编译打包后部署，实现门槛高、过程复杂、版本升级困难。
常用开源 Grafana Windows 大盘不够专业，缺少结合 Windows 原理/特征和最佳实践进行深入优化。
缺少 Windows 告警指标模板，需要用户自行研究、配置告警项，工作量大。

Windows 监控场景下，自建 Prometheus 与阿里云 Prometheus 对比

阿里云 Prometheus 监控 *[9 ] *是一款全面对接开源 Prometheus 生态，支持类型丰富的组件观测，提供多种开箱即用的预置观测大盘，且提供全面托管的混合云/多云 Prometheus 服务。除了支持阿里云容器服务、自建 Kubernetes、Remote Write 外，阿里云 Prometheus 还提供混合云+多云 ECS 应用的 metric 观测能力；并且支持多实例聚合观测能力，实现 Prometheus 指标的统一查询，统一 Grafana 数据源和统一告警。

阿里云 Prometheus 与 ECS 无缝集成，默认提供了 Windows 的 CPU、内存、磁盘、网络和进程等 5 方面的核心监控指标采集，同时提供了对应的优化后的监控大盘和告警指标，为用户提供了开箱即用的 Windows 监控能力。

title=

使用阿里云 Prometheus 监控 Windows

下面介绍如何使用阿里云 Prometheus 进行 Windows 的监控，包括接入配置、查看监控大盘和配置告警规则等三方面。

接入 Windows 配置

首先需要用户按部署和配置 Windows Exporter 文档 *[10 ] *，自行在 Windows 机器上安装和配置 exporter，以便将暴露 Metric 给阿里云 Prometheus。

登录阿里云 Prometheus 控制台，访问 ARMS 接入中心 *[11 ] *，点击组件应用“Windows”的“添加”按钮，在弹出界面选择 Windows 所部署的环境（目前支持“阿里云 ECS 环境”），选择 Windows 所在的 Prometheus 实例，然后填写监控接入的配置信息。

Exporter 名称：当前 Windows 监控唯一命名。
Exporter 端口：部署 Windows Exporter 时配置的监听端口。
采集路径：Prometheus 采集 Windows Exporter 的 http path，默认是 /metrics。
采集间隔（秒）：监控数据采集时间间隔。
ECS 标签/值：已部署 Windows Exporter 的 ECS 标签和标签值，Prometheus 通过此标签进行服务发现（Service Discovery）。

title=

查看 Windows 监控大盘

阿里云 Prometheus 默认提供了 Windows 明细、Windows 进程和 TopN 等三个大盘。

进入 Prometheus 实例的集成中心，点击“Windows”，在弹出界面选择“大盘”tab 页，点击大盘缩略图，即可查看对应 Grafana 大盘。

title=

Windows 明细大盘

明细大盘展示了指定 Windows 系统的 CPU、内存、磁盘和网络等四方面的重要指标。

title=

Windows 进程大盘

进程大盘展示各个进程的 CPU、内存、线程和 IO 监控情况，方便我们对进程级异常进行排查。

title=

Windows TopN 大盘

TopN 大盘分别展示所监控的 Windows 集群中，关键指标（CPU、内存、磁盘和网络）的 Top5 节点，方便我们对整个 Windows 集群总体健康程度快速掌握。

title=

配置 Windows 监控告警

进入 Prometheus 实例的集成中心，点击“Windows”，在弹出界面选择“告警”tab 页，即可查看/新增当前 Prometheus 实例的 Windows 告警规则。目前提供 CPU、内存、磁盘和网络等四方面的 11 个关键告警指标，用户可根据实际情况实例化告警规则。创建 Prometheus 告警的详细操作步骤，详见 Prometheus 告警规则 *[12 ] *文档。

title=

自定义 Windows 监控项

阿里云 Prometheus 提供的 Windows Exporter 默认配置的采集项有：cpu, cpu_info, memory, process, tcp, cs, logical_disk, net, os, system, textfile, time。Windows Exporter 还提供了 Active Directory、Container、DNS 等 Windows 组件的 Metric 采集，用户可根据实际业务需求，修改 config 配置文件，然后重启 windows_exporter 服务即可生效，详见 Windows Exporter 官方文档 *[13 ] *。

title=

结束语

阿里云 Prometheus 与阿里云容器服务和 ECS 无缝集成，默认提供了 Windows 的 CPU、内存、磁盘、网络和进程等 5 方面的核心监控指标采集，同时提供了对应的优化后的专家级监控大盘和告警指标模板，为用户提供了免运维、开箱即用的 Windows 监控能力。目前支持 ECS 环境的 Windows 监控，即将发布对阿里云容器服务（ACK、注册集群等）的 Windows 节点监控，敬请期待。

引言

Windows 简介

Windows Metric 监控参考模型