prometheus理论概述
1.prometheus特点
- 多维数据模型：由度量名称和键值对标识的时间序列数据
- PromQL：一种灵活的查询语言，可以利用多维数据完成复杂的监控数据查询
- 不依赖分布式存储，单个服务器节点可直接工作
- 基于HTTP的pull方式采集时间序列数据
- 推送时间序列数据通过pushgateway组件支持，pushgateway的原理类似于zabbix-proxy
- 通过服务发现或静态配置发现模板
- 多种图形模式展现图形
2.prometheus组成及架构
prometheus架构原理：
核心组件有prometheus sever、pushgateway、service discovert、alertmanager、UI。
其中一些小的监控任务统一将监控数据推送给pushgateway，由pushgateway进行收集，最终由prometheus server去pushgateway上拉取数据。
像一些持久化的监控任务，如主机的系统监控，这些都由exporters进行收集，最后prometheus通过pull方式进行拉取监控数据。
prometheus server内置了TSDB数据库，用来存时序数据，在生成环境中就要依靠第三方时序数据库进行存放数据。
像k8s、docker这些无法持续性监控的服务，这时就得需要service discover自动发现机制来探测k8s中的容器服务器，最终实现全方位监控。
对于监控图形我们可以采用grafana来出图
监控告警采用alertmanager通过微信、钉钉、email进行报警
核心组件：
- prometheus server：收集指标和存储时间序列数据，并提供查询接口
- clentlibrary：客户端库
- pushgateway：短期存储指标数据，主要用于临时性任务
- exporters：采集已有的第三方服务监控指标并暴露metrics
- alertmanager：告警
- web ui：简单的web控制台
3.prometheus数据模型
prometheus将所有数据存储为时间序列格式，具有相同度量名称以及标签属于同一个指标，prometheus的度量名称其实就是指的是监控项的名称，标签用于记录监控数据
每个时间序列都由度量标准名称和一组标签来组成
时间序列格式：
<metric name>{<label name>=<value>,...}
示例：
api_http_request_total{method="POST",handler="/messages"}
其中
api_http_request_total这个是度量名称
method、handler是标签名称
POST、/messages都是标签值
多个标签以逗号分隔
4.prometheus指标类型
- counter：递增的计数器
- 递增计数器呈现出来的图形就是不断上升的
- gauge：可以任意变化的数值
- 可以动态的更新数值，检测硬件使用率常用
- Histogram：对一段时间范围内数据进行采样，并对所有数值求和与统计数量
- Summary：与Histogram类似
Histogram、Summary的图形，一段范围内的数据采集
5.prometheus作业和实例
实例：可以抓取的目标成为实例，实例就对应配置文件中targets
作业：具有相同目标的实例集合称为作业，作业就是配置文章中的job_name