### 歡迎訪問我的GitHub
> 這裡分類和彙總了欣宸的全部原創(含配套原始碼)：[https://github.com/zq2599/blog_demos](https://github.com/zq2599/blog_demos)

### 本篇概覽
- 本文是《Docker下Prometheus和Grafana三部曲》的第二篇，在上一章[《Docker下Prometheus和Grafana三部曲之一：極速體驗》](https://blog.51cto.com/u_13674465/5615531)中，我們只做了少量的操作就搭建了一個業務監控系統（包括prometheus、node-exporter、cadvisor、grafana、業務後臺服務），本文就來揭示如何透過Docker編排來簡化整個環境的搭建；

### 回顧操作
- 前文中，我們有三次操作：
- 執行以下命令，用於建立所有容器：

```shell
wget https://raw.githubusercontent.com/zq2599/blog_demos/master/prometheusdemo/files/prometheus.yml && \
wget https://raw.githubusercontent.com/zq2599/blog_demos/master/prometheusdemo/files/docker-compose.yml && \
docker-compose up -d
```

- 登入Grafana頁面取得API Key；
- 執行以下命令，用於建立Grafana上的資料來源和監控圖表：

```shell
wget https://raw.githubusercontent.com/zq2599/blog_demos/master/prometheusdemo/files/import_dashboard.sh && \
chmod a+x import_dashboard.sh && \
./import_dashboard.sh 192.168.1.101 xxxxxx
```

- 接下來逐個分析；

### prometheus的配置檔案prometheus.yml
- 來看看下載的prometheus配置檔案的內容：

```yml
# my global config
global:
  scrape_interval:     15s # Set the scrape interval to every 15 seconds. Default is every 1 minute.
  evaluation_interval: 15s # Evaluate rules every 15 seconds. The default is every 1 minute.
  # scrape_timeout is set to the global default (10s).

# Alertmanager configuration
alerting:
  alertmanagers:
  - static_configs:
    - targets:
      # - alertmanager:9093

# Load rules once and periodically evaluate them according to the global 'evaluation_interval'.
rule_files:
  # - "first_rules.yml"
  # - "second_rules.yml"

# A scrape configuration containing exactly one endpoint to scrape:
# Here it's Prometheus itself.
scrape_configs:
  # The job name is added as a label `job=<job_name>` to any timeseries scraped from this config.
  - job_name: 'prometheus'

# metrics_path defaults to '/metrics'
    # scheme defaults to 'http'.

static_configs:
    - targets: ['127.0.0.1:9090','node-exporterhost:9100','cadvisorhost:8080']

- job_name: 'proemtheusdemo'

# metrics_path defaults to '/metrics'
    # scheme defaults to 'http'.
    metrics_path: '/prometheus'
    static_configs:
    - targets: ['prometheusdemohost:8080']
```
- 這是個普通的prometheus配置檔案，除了監控自身的9090埠，還有node-exporterhost、cadvisorhost、prometheusdemohost這三個host的不同埠，分別對應著宿主機自身、docker服務、業務web服務等三個監控資料來源；

- 看了上面的配置，您可能會疑惑：node-exporterhost、cadvisorhost、prometheusdemohost它們代表什麼呢？配置項的那個位置應該填寫具體的IP地址才對。

- 其實，這個prometheus.yml檔案是給Docker容器中的prometheus服務使用的，而node-exporter、cadvisor、業務web服務也分別執行在各自的Docker容器中，prometheus服務想要訪問這些容器，最好的方法就是link引數，因此node-exporterhost、cadvisorhost、prometheusdemohost都是給prometheus容器配置的link引數，這就相當於docker給prometheus容器的/etc/hosts檔案寫入了上述三個容器的ip，對應的name就是node-exporterhost、cadvisorhost、prometheusdemohost，稍後在docker-compose.yml檔案中可以看到；

### 容器編排檔案docker-compose.yml
- docker-compose.yml裡面記錄了所有的容器的設定和依賴關係：

```yml
version: '2'
services:
  node-exporter:
    image: prom/node-exporter:v0.17.0-rc.0
    container_name: node-exporter
    restart: unless-stopped
    ports:
      - '9100:9100'
    command:
      - '--path.procfs=/host/proc'
      - '--path.sysfs=/host/sys'
      - '--collector.filesystem.ignored-mount-points=^/(sys|proc|dev|host|etc)($$|/)'
      - '--collector.textfile.directory=/node_exporter/prom'
    volumes:
      - /proc:/host/proc
      - /sys:/host/sys
      - /:/rootfs
      - ./etc/node_exporter/prom:/node_exporter/prom
  cadvisor: 
    image: google/cadvisor:v0.28.0
    container_name: cadvisor
    depends_on:
      - node-exporter
    volumes:
      - /:/rootfs:ro
      - /var/run:/var/run:rw
      - /sys:/sys:ro
      - /var/lib/docker/:/var/lib/docker:ro
    ports: 
      - "8080:8080"
    restart: unless-stopped
  prometheusdemo:
    image: bolingcavalry/prometheusdemo:0.0.1-SNAPSHOT
    container_name: prometheusdemo
    ports:
    - "8081:8080"
    restart: unless-stopped
  prometheus: 
    image: prom/prometheus:v2.8.0-rc.0
    container_name: prometheus
    depends_on:
      - node-exporter
    links:
      - node-exporter:node-exporterhost
      - cadvisor:cadvisorhost
      - prometheusdemo:prometheusdemohost
    volumes:
      - ./prometheus.yml:/etc/prometheus/prometheus.yml
    ports: 
      - "9090:9090"
    restart: unless-stopped
  grafana: 
    image: grafana/grafana:5.4.2
    container_name: grafana
    links:
      - prometheus
    environment:
      - GF_SERVER_ROOT_URL=http://grafana.server.name
      - GF_SECURITY_ADMIN_PASSWORD=secret
      - GF_USERS_ALLOW_SIGN_UP=false
    depends_on:
      - prometheus
    ports: 
      - "3000:3000"
    restart: unless-stopped
```
- 關於docker-compose.yml檔案，有以下幾點需要注意：

a. 為了採集到宿主機的資料，node-exporter、cadvisor這兩個容器透過資料卷引數將宿主機的目錄對映到容器中，這在生產環境是要嚴格控制的，**不要將重要的目錄輕易暴露給未經校驗的容器**，例如一個惡意的映象被pull到本地，然後透過docker tag命令把名稱改成了node-exporter、cadvisor；
b. prometheus容器的配置中使用了link引數，這樣就能用node-exporterhost這樣的名稱直接訪問到node-export容器了；
c. prometheus容器透過資料卷對映引數，將宿主機的prometheus.yml對映到容器中，這樣我們只要配置好當前目錄下的prometheus.yml檔案，就可以直接在prometheus容器生效了(如果容器已經啟動後再次修改了此檔案，要使用docker restart prometheus命令重啟容器才能生效)；
d. prometheusdemo是基於springboot開發的一個web服務，對外提供一個介面，透過ports引數將容器的8080和宿主機的8081埠對映；
e. grafana容器的環境變數GF_SECURITY_ADMIN_PASSWORD=secret，表示Grafana的web網頁用admin賬號登入時，密碼是secret；

- 看過了docker-compose.yml檔案，您對整個環境的容器資訊已經清楚了，接下來看看import_dashboard.sh這個指令碼做了什麼；

### 透過import_dashboard.sh指令碼在Grafana建立資料來源和監控項
- import_dashboard.sh的內容如下，其實就是用curl命令向Grafana伺服器傳送http請求，關鍵位置已加了中文註釋，就不多贅述了：

```shell
#!/bin/bash
#第一個引數作為Grafana伺服器的IP地址
GRAFANA_HOST=$1
#第二個引數作為身份鑑權的API Key
API_KEY=$2

echo "grafana host ["${GRAFANA_HOST}"]"
echo "api key ["${API_KEY}"]"

echo "start create datasource"

#透過curl工具發起一個POST請求，用來建立資料來源
curl -X POST \
  http://${GRAFANA_HOST}:3000/api/datasources \
-H "Content-Type:application/json" \
-H "Authorization: Bearer ${API_KEY}" \
-d '{"name":"Prometheus","type":"prometheus","url":"http://prometheus:9090","access":"proxy","basicAuth":false}' \

echo ""
echo "start create host dashboard"

#透過curl工具發起一個POST請求，用來建立一個dashboard，也就是前文中我們看到的反映宿主機CPU、磁碟等基本狀況的監控頁面
curl -X POST \
  http://${GRAFANA_HOST}:3000/api/dashboards/db \
  -H 'Accept: application/json' \
  -H "Authorization: Bearer ${API_KEY}" \
  -H 'Content-Type: application/json' \
  -H 'Postman-Token: 2d3c3d60-4c5a-4936-836f-1572d447f473' \
  -H 'cache-control: no-cache' \
  -d '{
  "dashboard": {
  "annotations": {
    "list": [
      {
        "builtIn": 1,
        "datasource": "-- Grafana --",
        "enable": true,
        "hide": true,
        ...
        ...
        ...        
```

- 以上只是部分內容，由於篇幅所限就不貼出整個指令碼了，Grafana提供了豐富的http api給我們呼叫，幫使用者實現更多的自定義和自動化配置，詳情請參考官方文件：http://docs.grafana.org/http_api

- 您可能會有疑問：上述指令碼中，每個dashboard的配置資訊多達數百行甚至上千行，是怎麼做出來的？其實監控項一般都是網頁上配置出來的，這些內容是將做好的監控項以json格式匯出的內容，操作如下圖：

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20190310103055774.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly94aW5jaGVuLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70)

- 得到上述json內容，我們就可以很方便的將自己配置好的監控項匯入匯出了；

- 至此，整個監控環境的編排和構建詳情已經全部分析過了，相信您已經瞭解如何構建一個小而完整的監控系統，接下來的文章中，我們一起來實戰自定義監控項的開發流程，這樣就能透過prometheus和Grafana來展現個性化的業務資料了，請看《Docker下Prometheus和Grafana三部曲之三：自定義監控項開發和配置》

### 歡迎關注ITpub：程式設計師欣宸
> [學習路上，你不孤單，欣宸原創一路相伴...](http://blog.itpub.net/70017844/)</job_name>

Docker下Prometheus和Grafana三部曲之二：細說Docker編排

相關文章