Prmetheus 主要用来做来Metrics的监控和报警,这张图是官方的架构图。

这是他的核心 它的作用是根据我们的配置去完成数据的采集、服务的发现,以及数据的存储。

这是服务的发现,通过Service discovery,prmethesu就会知道去哪里采集数据。Service discovery有两种形式,一种是是静态的,就是通过文件去配。告诉它你要去哪拿这个Metrics的数据,另一种就是动态的,通过zookeeper或者其他的一些配置中心,配置中心里面的数据变化的时候,Prometheus也跟着变,去不同的地方去抓数据,

这都是我的应用来提供的,普罗米修斯是抓数据,是一个拉的模式,Prometheus调用我们的接口,然后把我们的数据抓走,是Prometheus来我们这拉数据,这样的好处是,对于我们的应用来说,我们不需要知道Prometheus的服务在哪的,不需要做这些配置,我们只要暴露我们的数据就看可以了。 统一在Prometheus里面来配置.这样Prometheus就可以去各种 地方抓各种各样的数据。

Pushgateway是用来支持推模式的,因为有些时候,有些数据它并不是一直存在的,比如说我们的定时任务,Prometheus来抓的时候,我的定时任务刚好没启动,那么你就抓不到数据,所以向定时任务的数据 它会发给Pushgateway一个推送网关,这个时候,定时任务调用Pushgateway调用的接口,把数据直接给到Pushgateway。然后Prometheus去Pushgateway去拿东西,相当于Pushgateway是一个中间的临时存储,把这种短活的数据把它存储起来。然后供Prometheus来拉。

采集的都是一些格式化的数据,流量啊,响应时间,这些数字格式化的数据,这个页面可以帮你把这些数据 图形化的展示出来。但这个页面很简陋。所以为了解决这个问题有个专门的项目叫做Grafana,它是一个更高级的图形界面Grafana,它可以从Prometheus里面拿数据。把数据用图标的形式展示出来。然后让你一眼就看到你现在的系统是什么状况。
当然你可以自己去写代码API clients去调Prometheus的服务,然后你自己拿出来去做处理。。

他们和Prometheus通讯的时候,主要 用到的语言是PromQL,Prometheus自己的一个查询语言,和SQL类型,但是唯一不同的是,这个语言只能写查询,

右上角,AlertManager管理警告警用的,它来做报警,报警的方式有很多种。
Prometheus和AlertManager之间会有一些推送,你可以定义一些规则,Prometheus是做Metrics监控的,所谓的Metrics就是所有可以用数字来表示的数据,都可以用Metrics来采集。比如说你的系统的流量,服务的相应时间 ,那么根据这些Metrics可以去定义一些规则,比如说可以定义,服务的相应时间 如果大于100毫秒,那么我就报警,如果你定下了这样的规则以后,Prometheus隔一段时间,这个时间也是你自己指定的,比如说每隔10秒,或者每隔一分钟就去评估一下采集到的数据,然后根据你定的规则去评估,如果你采集的数据超过了你定义的预值,比如说响应时间超过了100毫秒,那么它就会往这边推送一个警告。但是这个警告推过去以后,并不会立刻报警。因为它会再连续的评估几个周期。比如说你设的评估周期是10秒。他可能再评估5次左右,在这个后面5次都是要报警的情况,它才会真正的报这个警。而不是说每一次评估没过就立马报警。这样很可能就会出现误报的情况。比如说网络抖动啊。导致你的服务某些情况延迟了。 但是可能这些抖动,可能马上就会过去了。 这个时候如果你采集到异常数据,马上报警。很可能有很多的报警是假的,是没有真正发现问题的。

这个就是整个Prometheus大的架构
在项目里面建了个文件夹。叫做monitoring,监控的一个文件夹,

这里面放了很多的配置文件。代码不再敲了  带着大家一行行的去读代码。

这是一个docker的复合文件,作用是一次替我装几个docker镜像。

一旦你装了Prometheus,橙色的框的就都安装上了 , 只有黄色的框需要单独安装。

这里安装了两个 一个是prometheus和hgrafana,
image配置的,启动后就会docker的中央仓库把它拉下来。一run起来,我就有了一个Prometheus的服务器了。

每个镜像run的时候就生成一个容器,给这个容器起个名字prometheus.

我们下了prometheus,我们要给它一些配置,告诉你这个prometheus去哪里抓数据,

需要有一个服务发现的配置。告诉它你要去我的那些服务orderService抓我的监控数据,,那么这些配置怎么放进去。就是通过volumes ,挂载卷的方式,

也就是我们之前讲的物力资源映射到容器的方式

那么映射的值是什么?就是配置的这个

冒号前面是我本地机器的目录,相对我当前所在的这个目录,里面的prometheus文件夹。

实际上指的就是我左边项目里的这个文件夹,里面放了一个prometheus的配置文件。
然后我把这个文件放在prometheus镜像里的/etc/prometheus这个文件夹下面。

也就是说这各prometheus.yml最终会出现在镜像的/etc/prometheus/这个目录里。默认情况prometheus就是从这个路径下/etc/prometheus读配置文件的。这样我就可以把我的配置文件放到了prometheus的镜像里,那么跑的时候就按照我定义的配置来跑。

机器访问用9092端口,9090是容器的端口。为什么没有用9090的端口,因为我的9090端口被认证服务器的api占用了。所以这里把它映射到9092


进入到monitoring文件夹

-f指定一个文件为docker-compose.yml 。up是启动。

第一跑的话,可能会有下镜像的日志,因为这里已经运行过了。所以这里直接量done

访问9092。这个是就peometheus自身带的ui

targets就是你要从哪里采集你的数据

现在这里有两个目标。一个是prometheus本身。它从自己9090/metrics这个路径来采集信息,状态 up表示正常启动。因为prometheus本身是启动着的,

最新的一次从这个端点获取数据,

srpingBoot这个app还没启动起来。

那么这两个目标是从哪里来的呢?

它怎么知道去要去这个位置抓springboot-app的 信息的呢?

prometheus.yml的配置文件

全局的配置,抓取的频率。prometheus是一个拉的模式,每隔一段时间去目标拉取数据,合理配置的就是拉取的频率默认是每隔十五秒一次。

拉取的目标,定义了两个job

抓取prometheus本身的时候又配置了 scrape_interval频率是5秒。这就意味着抓取自己的时候是 5秒每次。

静态的配置下有个targets,就是你要去哪抓数据。配置的是去本机的9090端口去抓。

prometheus是跑在容器里面的,容器你本身可以认为它就是一个机器。我们自己的电脑是另一个机器。你要理解为这两个是两个完全不同的机器。这个配置文件你要明白它是放在prometheus的机器上的。

抓数据,请求路径。一会我们会在Order-APi上做一些操作,让他可以提供出这个路径的接口来。供普罗米修斯来抓数据。

你要去运行docker环境的宿主机的9082端口上去抓,springboot-app的数据。 一会我们会吧orderAPi跑在9082的端口上。

labels就是把抓出来的数据打一个标签。标签名字叫做springboot-app

结束

最新文章

  1. 读取SD卡文件夹下的MP3文件和播放MP3文件
  2. Python中递归的最大次数
  3. 【leetcode】Unique Paths
  4. C#制作验证码
  5. 关闭CENTOS不必要的默认服务
  6. [Sql Server2008]树结构的递归算法
  7. Activiti系列: 如何在web中使用activiti和sql server
  8. 51nod 1043 幸运号码(数位dp)
  9. RAC_Oracle集群服务安装Grid Infrastructure(案例)
  10. StringBuffer 和 StringBuilder
  11. FatMouse' Trade(杭电1009)
  12. orderby与groupby区别
  13. Winform DevExpress控件库(三) 使用NavBarControl控件定制导航栏
  14. ubuntu下面配置apache
  15. 使用 Xtrabackup 部署 MySQL 从库
  16. 解决ios10以上H5页面手势、双击缩放问题
  17. 记录一次安装OpenGL的漫长过程
  18. Django 学习第九天——请求与响应
  19. wuziqi
  20. 多臂机测试, AB测试

热门文章

  1. while 格式化输出 运算符 字符编码
  2. 摘:JAVA JXL API的详细使用
  3. python3爬虫--反爬虫应对机制
  4. test201909027 老Z
  5. NOI2018游记【一年后的回忆】
  6. JavaScript基础05——严格模式
  7. VS2010中使用boost正则表达式库
  8. /proc/pid/statm content analysis
  9. Python面向对象 -- slots, @property、多重继承MixIn、定制类(str, iter, getitem, getattr, call, callable函数,可调用对象)、元类(type, metaclass)
  10. hasura skor 构建安装