在最近的博文中，都是介紹監控平臺的搭建，其實並不難，主要是需要自己動手操作，實踐一番就會了。
有天在想，雲上的伺服器，是不是也可以搭建一個監控平臺，所以就搗鼓了一下，不過遺憾的是，使用阿里雲開源的外掛-CMS Grafana Service沒能成功，嘗試了許久都沒能成功。
所以就改用Prometheus了，一步步實踐，配置成功，小有收穫吧，來分享下每天點滴。
Node-exporter
Node-exporter簡介
在配置環境前，可能會有疑問，為什麼需要？所以就先來講下其作用。
在Prometheus的架構設計中，Prometheus Server並不直接服務監控特定的目標，其主要任務負責資料的收集，儲存並且對外提供資料查詢支援。因此為了能夠監控到某些東西，如主機的CPU使用率，我們需要使用到Exporter。Prometheus週期性的從Exporter暴露的HTTP服務地址（通常是/metrics）拉取監控樣本資料。
Node-exporter 與之前博文中的 Jmeter 是一個作用，就是用於機器系統資料收集。我們在展示資料時，資料肯定是有來源的，監控系統，監控的資料有：CPU、記憶體、磁碟、I/O等資訊。所以就需要部署Node-exporter，我們一起來看下部署過程。
環境部署
拉取映象
使用命令 docker pull prom/node-exporter 拉取映象，操作如下所示：
啟動服務
使用命令如下命令啟動即可：
docker run -d -p 9100:9100 \
-v "/proc:/host/proc:ro" \
-v "/sys:/host/sys:ro" \
-v "/:/rootfs:ro" \
--net="host" \
prom/node-exporter
我們可以檢視埠，是否有啟動成功，命令 netstat -anpt
或者使用命令 docker ps -a 檢視容器是否啟用成功
確認啟動成功之後，可以通過url訪問檢視，伺服器ip+9100；這裡需要注意的是，伺服器埠有安全策略，需要手動開啟，開啟後才能正常訪問，如下所示：
我們可以檢視到具體的監聽資訊，如下所示：
Prometheus
Prometheus簡介
Prometheus（普羅米修斯）是一套開源的監控&報警&時間序列資料庫的組合，起始是由SoundCloud公司開發的。隨著發展，越來越多公司和組織接受採用Prometheus，社會也十分活躍，他們便將它獨立成開源專案，並且有公司來運作。Google SRE的書內也曾提到跟他們BorgMon監控系統相似的實現是Prometheus。現在最常見的Kubernetes容器管理系統中，通常會搭配Prometheus進行監控。
Prometheus基本原理是通過HTTP協議週期性抓取被監控元件的狀態，這樣做的好處是任意元件只要提供HTTP介面就可以接入監控系統，不需要任何SDK或者其他的整合過程。這樣做非常適合虛擬化環境比如VM或者Docker 。
Prometheus應該是為數不多的適合Docker、Mesos、Kubernetes環境的監控系統之一。
輸出被監控元件資訊的HTTP介面被叫做exporter 。目前網際網路公司常用的元件大部分都有exporter可以直接使用，比如Varnish、Haproxy、Nginx、MySQL、Linux 系統資訊 (包括磁碟、記憶體、CPU、網路等等)。
與其他監控系統相比，Prometheus的主要特點是：
- 易於管理
- 監控服務的內部執行狀態
- 強大的資料模型
- 強大的查詢語言PromQL
- 高效
- 可擴充套件
- 易於整合
- 視覺化
- 開放性
Prometheus架構
架構圖如下所示：
從架構圖中，可以看出有幾大核心元件，一起來看下。
Prometheus Server
Prometheus Server是Prometheus元件中的核心部分，負責實現對監控資料的獲取，儲存以及查詢。 Prometheus Server可以通過靜態配置管理監控目標，也可以配合使用Service Discovery的方式動態管理監控目標，並從這些監控目標中獲取資料。其次Prometheus Server需要對採集到的監控資料進行儲存，Prometheus Server本身就是一個時序資料庫，將採集到的監控資料按照時間序列的方式儲存在本地磁碟當中。最後Prometheus Server對外提供了自定義的PromQL語言，實現對資料的查詢以及分析。
Prometheus Server內建的Express Browser UI，通過這個UI可以直接通過PromQL實現資料的查詢以及視覺化。
Prometheus Server的聯邦叢集能力可以使其從其他的Prometheus Server例項中獲取資料，因此在大規模監控的情況下，可以通過聯邦叢集以及功能分割槽的方式對Prometheus Server進行擴充套件。
Exporters
Exporter將監控資料採集的端點通過HTTP服務的形式暴露給Prometheus Server，Prometheus Server通過訪問該Exporter提供的Endpoint端點，即可獲取到需要採集的監控資料。
一般來說可以將Exporter分為2類：
- 直接採集：這一類Exporter直接內建了對Prometheus監控的支援，比如cAdvisor，Kubernetes，Etcd，Gokit等，都直接內建了用於向Prometheus暴露監控資料的端點。
- 間接採集：間接採集，原有監控目標並不直接支援Prometheus，因此我們需要通過Prometheus提供的Client Library編寫該監控目標的監控採集程式。例如： Mysql Exporter，JMX Exporter，Consul Exporter等。
AlertManager
在Prometheus Server中支援基於PromQL建立告警規則，如果滿足PromQL定義的規則，則會產生一條告警，而告警的後續處理流程則由AlertManager進行管理。在AlertManager中我們可以與郵件，Slack等等內建的通知方式進行整合，也可以通過Webhook自定義告警處理方式。AlertManager即Prometheus體系中的告警處理中心。
PushGateway
由於Prometheus資料採集基於Pull模型進行設計，因此在網路環境的配置上必須要讓Prometheus Server能夠直接與Exporter進行通訊。 當這種網路需求無法直接滿足時，就可以利用PushGateway來進行中轉。可以通過PushGateway將內部網路的監控資料主動Push到Gateway當中。而Prometheus Server則可以採用同樣Pull的方式從PushGateway中獲取到監控資料。
環境部署
拉取映象
使用命令 docker pull prom/prometheus ，操作如下：
• 新增配置檔案
使用命令 mkdir -p /opt/prometheus && cd /opt/prometheus 新建資料夾，並進入到該目錄下。新建配置檔案的操作命令 vim prometheus.yml ，新增如下內容：
global:
scrape_interval: 60s
evaluation_interval: 60s
scrape_configs:
- job_name: prometheus
static_configs:
- targets: ['自己ip:9090']
labels:
instance: prometheus
- job_name: linux
static_configs:
- targets: ['自己ip:9100']
labels:
instance: ip
• 啟動服務
使用如下命令，將配置檔案掛載到容器中：
docker run -d \
-p 9090:9090 \
-v /opt/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml \
prom/prometheus
啟動後，可以檢查是否啟動成功，檢視埠或者檢視容器執行情況，檢視埠如下：
我們可以通過web頁面檢視，服務執行狀態，訪問地址：伺服器ip+埠/targets，如下所示：
Grafana配置
在之前的博文中，已經詳細介紹過Grafana了，所以這裡就不細說了，詳細可以看之前的博文，Docker系列——InfluxDB+Grafana+Jmeter效能監控平臺搭建（三）
新增資料來源
在使用過程中，稍有區別就是需要新增新的資料來源，因為我們現在使用的是 Prometheus ，操作如下：
訪問grafana：http://ip:3000/login ，新增即可，操作如下：
在這裡可以配置資料來源名稱，配置資料來源的地址，地址填啟動的prometheus地址即可。
引用模板
接下來就是新增模板，模板直接按id匯入： 8919 ，可以配置監控皮膚的名稱和引用源，新增即可。引用模板就是讓資料展示的更美觀。其他皮膚，也可以在Grafana官網去搜尋，裡面還有其他的模板資料。
資料展示
配置完成後，檢視皮膚資料如下：
我們從圖中看出，監控皮膚的資料很齊全，各種指標都有展示，還是挺不錯的。監控伺服器就完成了，操作簡單吧，有資源的，可以手動操作一下，很容易上手的哦。