Abel'Blog

我干了什么?究竟拿了时间换了什么?

0%

prometheus

发表于 更新于 分类于 ，

概述

Prometheus：负责采集和存储监控数据，支持多维度查询和告警规则。

Grafana：提供数据可视化和仪表板功能，与多种数据源集成，用于创建自定义监控视图。

Alertmanager：处理来自 Prometheus 的告警通知，执行用户定义的操作，帮助及时响应和解决异常情况。

通过 docker compose 部署

配置文件

总配置文件

./docker-compose.yml

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
version: '3'

services:
  prometheus:
    image: prom/prometheus
    volumes:
      - ./prometheus:/etc/prometheus
    command:
      - '--config.file=/etc/prometheus/prometheus.yml'
    ports:
      - '9090:9090'
    networks:
      - prom

  grafana:
    image: grafana/grafana:10.2.0
    volumes:
      - ./grafana:/etc/grafana
    environment:
      - GF_SECURITY_ADMIN_PASSWORD=admin
    ports:
      - '3000:3000'
    depends_on:
      - prometheus
    networks:
      - prom

  alertmanager:
    image: prom/alertmanager
    volumes:
      - ./alertmanager:/etc/alertmanager
    command:
      - '--config.file=/etc/alertmanager/alertmanager.yml'
    ports:
      - '9093:9093'
    depends_on:
      - prometheus
    networks:
      - prom

  node_exporter:
    container_name: node_exporter
    image: prom/node-exporter:latest
    command:
      - '--path.rootfs=/host'
    pid: host
    restart: unless-stopped
    ports:
      - 0.0.0.0:9100:9100
    volumes:
      - '/:/host:ro,rslave'
    networks:
      - prom
networks:
  prom:
    driver: bridge

prometheus 配置文件

./prometheus/prometheus.yml

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
global:
  scrape_interval: 15s

scrape_configs:
  - job_name: 'prometheus'
    static_configs:
      - targets: ['localhost:9090']

  - job_name: 'node-1'
    static_configs:
      - targets: ['your-ip:your-port']
        labels:
          namespace: 'node'
          instance: node-1

报警系统配置文件

./alertmanager/alertmanager.yml

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
route:
  group_by: ['alertname']
  group_wait: 30s
  group_interval: 5m
  # 重复的信息，cd时间
  repeat_interval: 12h
  receiver: "telegram"
receivers:
  - name: 'telegram'
    telegram_configs:
    - api_url: https://api.telegram.org
      bot_token: '<你的电报token>'
      chat_id: <发送到的群组>
inhibit_rules:
  - source_match:
      severity: 'critical'
    target_match:
      severity: 'warning'
    equal: ['alertname', 'dev', 'instance']

./grafana/grafana.ini

1
2
[server]
http_port = 3000

新建docker

1
docker compose up -d

配置 nginx

遇到过的问题

1
2
3
transport_websocket.js:32  WebSocket connection to 'wss://xxxx.io/api/live/ws' failed:
Login failed origin not allowed.
这里需要将nginx的配置检查一下
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
server {
        listen       443 ssl;
        listen       [::]:443 ssl;
        server_name  host-name;

        ssl_certificate "/usr/local/nginx/conf/ssl/xxxx.pem";
        ssl_certificate_key "/usr/local/nginx/conf/ssl/xxxx.key";
        ssl_session_cache shared:SSL:1m;
        ssl_session_timeout  10m;
        ssl_ciphers HIGH:!aNULL:!MD5;
        ssl_prefer_server_ciphers on;

        client_max_body_size 500m;

        location / {
                proxy_pass http://grafana_backend;
                # 添加以下头部，允许所有来源的请求
                add_header 'Access-Control-Allow-Origin' '*';
                add_header 'Access-Control-Allow-Methods' 'GET, POST, OPTIONS';
                add_header 'Access-Control-Allow-Headers' 'Origin, X-Requested-With, Content-Type, Accept';
                add_header 'Access-Control-Allow-Credentials' 'true';

                # 下面这样的配置才能支持websocket，
                proxy_http_version 1.1;
                proxy_set_header Upgrade $http_upgrade;
                proxy_set_header Connection "upgrade";
                proxy_set_header Host $host;

                proxy_read_timeout 86400;
        }

        error_page 404 /404.html;
        location = /40x.html {
        }

        error_page 500 502 503 504 /50x.html;
        location = /50x.html {
        }

        access_log /data/wwwlogs/xxx.access.log;
        error_log /data/wwwlogs/xxx.error.log;
}

upstream grafana_backend {
        server 127.0.0.1:13000;
        # 如果有多个后端服务器，可以添加多个 server 指令
        # server grafana_server_ip2:grafana_server_port2;
        # ...
}

对接监控

抓取逻辑

prometheus需要配置监控对象，只有就会主动去抓取数据。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
global:
  scrape_interval: 15s

scrape_configs:
  - job_name: 'prometheus'
    static_configs:
      - targets: ['localhost:9090']

  - job_name: 'node-1'
    static_configs:
      - targets: ['your-ip:your-port']
        labels:
          namespace: 'node'
          instance: node-1

这里面可以定义抓取的间隔时间。抓取的对象的连接地址，实例编号。

targets里面只能配置一个ip，端口，所以如果地址有些异样，需要自己想办法将其变成根目录的。下面这个例子就是通过nginx转发的实例。

1
2
3
4
5
6
7
8
9
10
server {
    listen 9300;
    server_name localhost;
    location /metrics {
        proxy_pass http://127.0.0.1:9301/debug/metrics/prometheus;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    }
}

配置prometheus+grafana

配置连接到proemtheus数据源的时候，直接使用docker名称就好了。

http://prometheus:9090

这个地方无需去看docker inspire里面的ip地址。

配置altermanager

概述

  1. 配置全套prometheus+grafana+alertmanager；
  2. prometheus配置了关注node_experter down的警告；
  3. prometheus配置了推送给alertmanager；
  4. alertmanager配置了通过telegram通知；

效果图

prometheus-alerts

prometheus-alerts

alertmanager

alertmanager

如何配置

prometheus

由于我们这套是通过 docker compose 直接部署的，所以这些服务器都在同一个虚拟局域网中。这里配置 targets 的时候，只需要使用名称。这个信息能从这个docker 的 

1
2
3
4
5
6
7
8
alerting:
  alertmanagers:
  - static_configs:
    - targets:
      - alertmanager:9093
# 配置自己的警报文件
rule_files:
  - "/home/rules/*.yml"

警报文件，可能今后需要经常编写这个文件：

1
2
3
4
5
6
7
8
9
groups:
- name: example
  rules:
  - alert: NodeExporterDown
    expr: up == 0
    for: 5m
    annotations:
      summary: "Node Exporter is down"
      description: "Node Exporter on {{ $labels.instance }} is down. Please investigate."

网站探针崩溃的检测程序。

1
2
3
4
5
6
7
8
9
10
11
12
groups:
- name: example
  rules:
  - alert: WebsiteProbeFailed
    expr: probe_success == 0
    for: 1h
    labels:
      severity: critical
    annotations:
      summary: "Website probe failed (instance {{ $labels.instance }})"
      description: "The Blackbox Exporter probe failed to reach the website {{ $labels.target }}"
alertmanager

  1. group_wait: 30s：这个配置定义了在分组期间等待警报的时间。当一个警报被触发后，Alertmanager 会等待一段时间（在这个示例中为 30 秒），以便将其他与之相关的警报（具有相同 group_by 标签的警报）归类到同一个组中。如果在此等待时间内没有其他相关的警报，则立即进行下一步处理。

  2. group_interval: 5m：这个配置定义了在发送警报通知之前，对每个警报组进行等待的时间。在这个示例中，Alertmanager 将等待 5 分钟，以便将同一组中的所有警报聚合起来，并一次性发送一个通知，而不是为每个警报分别发送通知。

  3. repeat_interval: 1h：这个配置定义了重复发送警报通知的时间间隔。在这个示例中，Alertmanager 将在每个警报组的第一次发送通知之后，每隔 1 小时重复发送一次通知，直到该组中的所有警报被解决。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
route:
  group_by: ['alertname']
  group_wait: 30s # 在分组后，等待 30 秒，以便将相关的报警聚合到同一通知中。
  group_interval: 5m # 在发送一次通知后，等待 5 分钟再发送下一次相同分组的通知。
  repeat_interval: 1h # 在发送通知后，等待 1 小时再次发送相同分组的通知。
  receiver: "telegram"
receivers:
  - name: 'telegram'
    telegram_configs:
    - api_url: https://api.telegram.org
      bot_token: '<机器人-token>'
      chat_id: <聊天群编号/个人编号>
inhibit_rules:
  - source_match: # 匹配满足某些条件的源报警。
      severity: 'critical' # 匹配严重性为 'critical' 的报警。
    target_match:
      severity: 'warning'
    equal: ['alertname', 'dev', 'instance']

发现的问题

1
2
3
ts=2024-01-25T01:37:17.880Z caller=notify.go:745 level=warn component=dispatcher receiver=telegram integration=telegram[0] aggrGroup="{}:{alertname=\"NodeExporterDown\"}" msg="Notify attempt failed, will retry later" attempts=1 err="telegram: chat not found (400)"
ts=2024-01-25T01:42:16.210Z caller=dispatch.go:352 level=error component=dispatcher msg="Notify for alerts failed" num_alerts=1 err="telegram/telegram[0]: notify retry canceled after 16 attempts: telegram: chat not found (400)"
ts=2024-01-25T01:42:16.536Z caller=notify.go:745 level=warn component=dispatcher receiver=telegram integration=telegram[0] aggrGroup="{}:{alertname=\"NodeExporterDown\"}" msg="Notify attempt failed, will retry later" attempts=1 err="telegram: chat not found (400)"

这个问题过了一段时间之后又好起来了。应该问题还是来自于没有将 prometheus 里面的警报规则配置好造成的。

报警出来的内容
1
2
3
4
5
6
7
8
9
Alerts Resolved:
Labels:
 - alertname = NodeExporterDown
 - instance = 开发机
 - job = 开发
Annotations:
 - description = Node Exporter on 开发机 is down. Please investigate.
 - summary = Node Exporter is down
Source:

分段时间来实现警报

要实现在晚上减少警报频率，白天增加警报积极性的功能，你可以使用 Prometheus 的告警路由（Alert Routing）和告警控制器（Alertmanager）来实现。下面是一种可能的实现方法：

  1. 定义两组警报规则：

一组规则用于在白天触发警报，可以更积极地监控系统状态。
另一组规则用于在晚上触发警报，可以减少频率或者延迟警报发送。

  1. 配置告警路由：

使用 Prometheus 的告警路由配置文件，定义不同时间段的警报路由策略。在白天，配置策略以更积极的方式处理警报（例如立即发送通知），而在晚上，配置策略以减少频率或延迟发送通知。

  1. 配置告警控制器：

在 Alertmanager 的配置文件中，定义两个接收者配置。一个接收者用于白天发送警报通知，另一个接收者用于晚上发送警报通知。根据定义的告警路由策略，Alertmanager 将根据时间段选择适当的接收者来处理警报。

  1. 定义警报规则时间条件：

在定义警报规则时，考虑添加时间条件，以便只在特定时间段触发警报。你可以使用 Prometheus 的 time() 函数来指定时间条件。

下面是一个简单的示例配置，仅用于说明概念：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# Prometheus Alert Rules
groups:
- name: daytime.rules
  rules:
  - alert: HighRequestLatency
    expr: request_latency_seconds > 1
    labels:
      severity: warning
    annotations:
      summary: "High request latency detected"
      description: "The average request latency is above 1s."
    time: 6h-18h

- name: nighttime.rules
  rules:
  - alert: HighRequestLatency
    expr: request_latency_seconds > 1
    labels:
      severity: warning
    annotations:
      summary: "High request latency detected"
      description: "The average request latency is above 1s."
    time: 18h-6h


在这个示例中：

daytime.rules 组定义了白天的警报规则，仅在早上 6 点到晚上 6 点之间触发。
nighttime.rules 组定义了晚上的警报规则，仅在晚上 6 点到早上 6 点之间触发。
然后，根据你的实际需求和部署情况，配置 Alertmanager 来根据定义的时间条件选择适当的接收者，并根据需求调整警报触发策略和通知频率。

PromQL-ChatGPT

当然，我可以为你提供一个从基础到逐渐复杂的 Prometheus PromQL 学习梯度。PromQL 是 Prometheus 查询语言，用于从 Prometheus 时间序列数据库中提取和分析数据。

1. 基础概念：

Metric（度量标准）：

  • Prometheus 收集的数据的基本单位。
  • 例子：http_requests_total，表示HTTP请求数量。

Selector（选择器）：

  • 通过标签（key-value对）来筛选数据。
  • 例子：http_requests_total{job="api-server", method="GET"}，选择 API 服务器上的 GET 请求。

2. 基本操作：

基本查看：

  • 查询所有指标：up。
  • 查询特定指标：http_requests_total。

时间范围：

  • 默认时间范围是最近5分钟。
  • 指定时间范围：http_requests_total{job="api-server"}[1h]，表示过去1小时的数据。

3. 聚合和函数：

聚合操作：

  • sum()：求和。
  • avg()：求平均。
  • 例子：sum(http_requests_total)，表示所有实例的请求数之和。

函数：

  • rate()：计算速率。
  • increase()：计算增长量。
  • 例子：rate(http_requests_total[5m])，表示过去5分钟的请求速率。

4. 进阶操作：

多维数据操作：

  • 使用 group by 对结果进行分组。
  • 例子：sum(http_requests_total) by (job)，表示按作业（job）对请求数进行求和。

条件和比较：

  • 使用 if 和 == 等条件操作符。
  • 例子：http_requests_total > 100，表示请求数量大于100的情况。

5. 子查询和子表达式：

子查询：

  • 使用子查询可以嵌套一个查询到另一个查询中。
  • 例子：(sum(rate(http_requests_total[5m])) / 100) * 60，表示每分钟请求数超过100的百分比。

子表达式：

  • 使用括号来组合表达式。
  • 例子：http_requests_total * (1 - error_rate)，表示请求总数减去错误率。

6. 函数式编程：

使用 label_replace 函数：

  • 用于修改标签。
  • 例子：label_replace(http_requests_total, "status", "2xx", "", "(.*)" == "2.*")，将 status 标签中以 “2” 开头的值替换为 “2xx”。

使用 absent 函数：

  • 用于查找缺失的时间序列。
  • 例子：absent(http_requests_total)，查找缺少 http_requests_total 时间序列的实例。

这是一个逐渐增加难度的学习路径，你可以根据需要深入研究每个主题。PromQL 是一个非常强大和灵活的查询语言，对于监控和分析系统性能非常有帮助。

golang gin 添加 Prometheus

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
package main

import (
	"github.com/gin-contrib/prometheus"
	"github.com/gin-gonic/gin"
	"github.com/prometheus/client_golang/prometheus/promhttp"
)

func main() {
	r := gin.Default()

	// 使用 gin-contrib/prometheus 中间件
	p := prometheus.NewPrometheus("gin")
	p.Use(r)

	// 添加路由
	r.GET("/", func(c *gin.Context) {
		c.JSON(200, gin.H{
			"message": "Hello, Prometheus!",
		})
	})

	// 添加 /metrics 路由，用于 Prometheus 收集
	r.GET("/metrics", gin.WrapH(promhttp.Handler()))

	// 启动服务器
	r.Run(":8080")
}

Prometheus 监控网站证书是否过期

要使用 Prometheus 监控网站证书是否过期，你可以使用 blackbox_exporter，这是 Prometheus 的一种 exporter，专门用于执行对端（例如 HTTP、HTTPS）的探测。以下是基本的步骤：

  1. 使用docker-compose安装： blackbox_exporter：

    1
    2
    3
    4
    5
    6
    blackbox-exporter:
      image: prom/blackbox-exporter
      ports:
        - "9115:9115"
      networks:
        - prom

    在这个例子中，我们定义了一个探测模块，它使用 HTTP GET 请求检测一个网站（example.com）的证书是否过期。你可以根据需要调整配置。

  2. 配置 Prometheus：

    将 blackbox_exporter 添加到 Prometheus 的配置文件中。以下是一个简单的示例：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    scrape_configs:
      - job_name: 'blackbox' 
     metrics_path: /probe
     params: 
       module: [http_2xx] 
     static_configs: 
       - targets: 
         #需要监控SSL的域名
         - https://www.baidu.com
     relabel_configs: 
       - source_labels: [__address__]
         target_label: __param_target 
       - source_labels: [__param_target]
         target_label: instance 
       - target_label: __address__ 
         replacement: blackbox-exporter:9115
1
2
3
4
5
6
7
8
9
10
11
12
groups:
- name: example
  rules:
  - alert: WebsiteProbeFailed
    expr: probe_success == 0
    for: 1m
    labels:
      severity: critical
    annotations:
      summary: "Website probe failed (instance {{ $labels.instance }})"
      description: "The Blackbox Exporter probe failed to reach the website {{ $labels.target }}"

在这个例子中，我们配置了一个 blackbox 作业，告诉 Prometheus 去 /probe 路径下检测 http_2xx 模块。

  1. 重新启动 Prometheus：

    重启 Prometheus 以应用新的配置。

  2. 查看监控数据：

    在 Prometheus 的 Web UI 或 Grafana 等监控工具中查看证书过期的监控数据。你可以使用 Prometheus 查询语言（PromQL）来创建仪表板或警报规则。

请注意，上述步骤中的配置仅供参考，你需要根据你的具体需求和网络环境进行适当调整。此外，为了避免在生产环境中使用 insecure_skip_verify: true，你应该配置证书验证来提高安全性。
在 Docker Compose 中部署 blackbox_exporter，你可以使用一个简单的 Docker Compose 文件来定义 blackbox_exporter 服务。以下是一个基本的示例：

  1. 创建 Docker Compose 文件（docker-compose.yml）：

    创建一个文件，例如 docker-compose.yml，并添加以下内容：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    version: '3'

    services:
      blackbox-exporter:
        image: prom/blackbox-exporter
        ports:
          - "9115:9115"
        command:
          - "--config.file=/etc/blackbox_exporter/config.yml"
        volumes:
          - ./config.yml:/etc/blackbox_exporter/config.yml

    在这个示例中，我们使用 prom/blackbox-exporter 镜像，将容器的 9115 端口映射到主机的 9115 端口上，并将配置文件 config.yml 挂载到容器的 /etc/blackbox_exporter/ 目录下。

  2. 创建 Blackbox Exporter 配置文件（config.yml）：

    在与 docker-compose.yml 同级的目录下创建 config.yml 文件，用于配置 blackbox_exporter。以下是一个简单的示例：

    1
    2
    3
    4
    5
    6
    7
    8
    modules:
      http_2xx:
        prober: http
        timeout: 5s
        http:
          method: GET
        tls:
          insecure_skip_verify: false

    这个示例与之前提到的 blackbox.yml 类似。

  3. 运行 Docker Compose：

    在包含 docker-compose.yml 的目录中执行以下命令启动 blackbox_exporter：

    1
    docker-compose up -d

    -d 标志表示在后台运行。

  4. 查看监控数据：

    访问 http://localhost:9115/metrics，你应该能够看到 blackbox_exporter 的监控数据。你也可以将 blackbox-exporter 集成到 Prometheus 中，并在 Grafana 或其他监控工具中查看数据。

确保你的主机上已经安装了 Docker 和 Docker Compose。此外，根据需要，可以调整配置文件和 docker-compose.yml 文件以适应你的环境和需求。

prometheus和springboot版本不匹配

1
2
3
4
springboot 3.1.4
prom/prometheus:v2.42.0
grafana/grafana:8.5.27
错了版本之后，将会有406版本。


常用的 dashboard

https://grafana.com/grafana/dashboards/11074-node-exporter-for-prometheus-dashboard-en-v20201010/

https://grafana.com/grafana/dashboards/13659-blackbox-exporter-http-prober/

https://grafana.com/grafana/dashboards/4701-jvm-micrometer/

https://grafana.com/grafana/dashboards/1860-node-exporter-full/

https://grafana.com/grafana/dashboards/4701-jvm-micrometer/

https://grafana.com/grafana/dashboards/11378-justai-system-monitor/

blackbox_exporter

在Prometheus中监控一个健康接口，通常使用 probe 类型的 blackbox_exporter，这个 exporter 可以通过 HTTP、TCP、ICMP 等方式进行健康检查。

以下是如何配置 blackbox_exporter 来监控一个健康接口的示例：

  1. 下载并安装 blackbox_exporter：

    你可以从 blackbox_exporter 的 GitHub Releases 页面 下载二进制文件，并将其放置在你的系统上。

  2. 创建 blackbox.yml 配置文件：

    在同一目录下创建一个名为 blackbox.yml 的配置文件，用于定义健康检查的目标。以下是一个示例：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    modules:
      http_healthy:
        prober: http
        http:
          valid_http_versions: ["HTTP/1.1", "HTTP/2"]
          method: GET
          headers:
            Host: "example.com"
          fail_if_ssl: false
          fail_if_not_ssl: false
          fail_if_body_not_matches_regexp:
            - "OK"
          fail_if_header_not_matches_regexp:
            "Content-Type": ["text/html; charset=utf-8"]
        timeout: 5s

    在这个示例中，我们定义了一个名为 http_healthy 的模块，使用 HTTP 探测器 (prober: http)，检查目标是否返回 HTTP 状态码 200、包含 “OK” 文本，并且 Content-Type 是 “text/html; charset=utf-8”。

  3. 运行 blackbox_exporter：

    使用以下命令运行 blackbox_exporter，指定配置文件路径：

    1
    ./blackbox_exporter --config.file=blackbox.yml

    请根据你的操作系统和二进制文件的位置进行相应的调整。

  4. 配置 Prometheus 抓取规则：

    在 Prometheus 的配置文件中添加以下内容，以定期抓取 blackbox_exporter 的结果：

    1
    2
    3
    4
    5
    6
    7
    8
    scrape_configs:
      - job_name: 'blackbox'
        metrics_path: /probe
        params:
          module: [http_healthy]
        static_configs:
          - targets:
            - http://example.com/health

    在这个示例中，我们定义了一个 blackbox 作业，配置了 blackbox_exporter 的 URL 和 blackbox.yml 中定义的模块。

  5. 重新加载 Prometheus 配置：

    重新加载 Prometheus 的配置，以使其读取新的抓取规则：

    1
    kill -HUP <prometheus_pid>

    替换 <prometheus_pid> 为运行 Prometheus 的进程 ID。

现在，Prometheus 将定期抓取 blackbox_exporter 的结果，并将其作为监控指标存储在 Prometheus 中。你可以通过查询和仪表板来检查该健康检查的状态。

引用