1. 介绍与架构
Prometheus是一个开源的系统监控和警报工具包，用于收集和存储时间序列数据，包括指标信息、记录时间戳以及可选的键值对标签。许多公司使用Prometheus监控K8s集群。
2. 合适与不合适场景
合适场景
Prometheus适用于记录各种数字时间序列，既适用于以机器为中心的监控，也适用于监控高度动态的面向服务的架构。在微服务环境中，其对多维数据收集和查询的支持是特别优势。设计用于可靠性，在中断期间仍可使用，能够快速诊断问题。每个Prometheus服务器都是独立的，不依赖于网络存储或其他远程服务。在基础设施的其他部分受损时，可以依赖Prometheus，而无需设置大量基础设施即可使用。
不合适场景
如果需要100%准确性，例如按请求计费时，Prometheus可能不太适合。在这种情况下，最好使用其他系统来收集和分析数据以进行计费。
3. 数据模型
由于监控数量庞大，Prometheus采用了时间序列数据存储，即带有时间戳和值的数据。
3.1 Prometheus本地存储：
Prometheus的本地存储被称为Prometheus TSDB（时间序列数据库）。TSDB的设计核心包括两个主要部分：block和WAL。
- Block：TSDB将监控数据按时间划分为blocks。每个block包含chunk、index、meta.json和tombstones。Block的大小并不固定，按照设定的步长倍数递增。随着数据量的增长，TSDB会将小的blocks合并成大的blocks，以减少数据存储和内存中的block数量，方便进行索引。每个block都有全局唯一的名称，通过ULID（Universally Unique Lexicographically Sortable Identifier）原理生成，使得可以通过文件名确定block的创建时间，方便按时间排序。
- WAL（Write-Ahead Logging）：为了防止丢失暂存在内存中但尚未写入磁盘的监控数据，Prometheus引入了WAL机制。WAL是一种关系型数据库中利用日志实现事务性和持久性的技术。在Prometheus中，WAL用于记录周期性采集的监控数据，先保存到磁盘中。在TSDB宕机重启后，多协程会读取WAL，从而恢复之前的状态。
3.2 Prometheus 数据模型：
Prometheus将监控数据存储为时间序列，包括标签（键值对）、时间戳和最终的值。表示法如下：
<metric_name>[{<label_1=“value_1”>,<label_N=“value_N”>}]<datapoint_numercial_value>
4. 指标
4.1 Counter
Counter是指Prometheus实例接收的数据包总数。该指标一直在增加，用于计量累计事件的次数。
4.2 Gauge
Gauge是一种测量指标，它在收集时对给定的测量进行快照，并可以增加或减少。例如，温度、磁盘空间、内存使用量等都可以使用Gauge进行测量。
4.3 Histogram
Histogram常用于观察某时间段内的百分比或请求数量。一个Histogram包含合并的值，用于描述事件的分布。
5. 指标的摘要和聚合
5.1 指标摘要
单个指标对于我们来说价值较小，通常需要联合并可视化多个指标。这涉及一些数学变换，例如统计函数应用于指标或指标组。常见函数包括计数、求和、平均值、中位数、百分位数、标准差、变化率等。
5.2 指标聚合
指标聚合提供了来自多个源的指标的综合视图，使得整体系统状态更加清晰可见。
6. NodeExporter部署
Prometheus使用exporter工具来暴露主机和应用程序上的指标。NodeExporter是一种用于暴露主机相关指标的工具，有多种类型的exporter可供选择。
7. cAdvisor监控Docker容器
cAdvisor（Container Advisor）是由谷歌开发的项目，用于收集、聚合、分析和导出运行中容器的数据。该工具提供丰富的数据，涵盖从内存限制到GPU指标等几乎所有可能需要的内容。cAdvisor通过容器守护进程和Linux cgroups收集数据，与Docker容器的发现透明且完全自动化。除了以Prometheus格式公开指标外，cAdvisor还提供了一个有用的Web界面，可视化展示主机及其容器的状态。
8. 捕获目标生命周期
- 服务发现：识别和发现要监控的目标。
- 配置：为发现的目标设置配置。
- 重新标记（relable_configs）：调整标签和配置以更好地对齐。
- 抓取：从目标获取指标。
- 指标重新标记（metrics_relable_configs）：进一步调整抓取的指标的标签。
9. PromQL查询语言
9.1 选择器和标签匹配器：
选择器
- 标签匹配器和度量名称的组合。
- 用于处理成千上万的时间序列，通过匹配标签选择合适的时间序列。
- 返回即时或范围向量。
示例：
$ prometheus_build_info{version="2.17.0"}
标签匹配器
- 用于将查询限制为特定一组标签值。
- 操作符：=、!=、=~ 和 !~。
范围、偏移、子查询
- 范围向量：使用即时向量选择器并使用[]定义范围向量查询。
- 偏移修饰符：查询过去的数据，相对于当前时间的时间段。
- 子查询：类似于 MySQL 的子查询。
PromQL操作符
- 向量匹配：one-to-one、many-to-one、one-to-many【类似于MySQL的左右外连接】。
PromQL函数
- label_join() 和 label_replace()：操作标签，允许连接、提取和删除标签。
- predict_linear():可以基于线性回归预测时间序列在 t 秒后的值。
- rate() 和 irate():计算时间序列数据的变化速率。
- sort() 和 sort_desc():用于排序结果。
10. 计算CPU使用率
示例：avg(irate(node_cpu_seconds_total{job=“node”}[5m] by (instance) * 100))
11. 计算CPU负载（饱和度）
要监控CPU饱和度，跟踪平均负载是一种方法。公式将1分钟负载与CPU数量的两倍进行比较。
示例：
promQLCopy codenode_load1 > on (instance) 2 * count by (instance)(node_cpu_seconds_total{mode="idle"})
12. 计算内存使用率
使用Node Exporter的内存指标可计算内存使用百分比。
示例：
promQLCopy code（总内存 - 可用内存 - 缓冲 - 缓存）/ 总内存 * 100
13. 计算内存饱和度
通过检查读写活动来监控内存饱和度。使用 node_vmstat_pswpin和 node_vmstat_pswpout指标。
示例：
promQLCopy code1024 * sum by (instance) ((rate(node_vmstat_pswpin[1m]) + rate(node_vmstat_pswpout[1m])))
14. 磁盘使用率
仅测量磁盘空间使用情况而不是速率、饱和度或错误。这是因为在大多数情况下，这是最有用的可视化和警报数据。
示例：
promQLCopy code(node_filesystem_size_bytes{mountpoint="/"} - node_filesystem_free_bytes{mountpoint="/"}) / node_filesystem_size_bytes{mountpoint="/"} * 100
根据特定挂载点进行自定义：
promQLCopy code(node_filesystem_size_bytes{mountpoint="/data"} - node_filesystem_free_bytes{mountpoint="/data"}) / node_filesystem_size_bytes{mountpoint="/data"} * 100
15.预测磁盘空间耗尽
预测磁盘空间是否在未来四小时内耗尽。
示例：
promQLCopy codepredict_linear(node_filesystem_free_bytes{mountpoint="/
