注：本文雖以 Docker 進行演示，但 Docker 并不是必須的，相關軟件也可以直接安裝到計算機上

背景

如果我們是Web應用的開發者，會對響應時間、接口的穩定性等比較敏感，在站點尚未部署到生產環境時，我們有充足的時間來進行調試、分析哪些接口需要優化。但當應用發布后，想要繼續跟蹤，可能需要通過日志記錄請求和響應時間、記錄響應狀態碼等，然后通過其它工具進行分析外，或是與其它一些分析工具進行集成。

另外現在十分流行的大屏：比如最近曝光的12306監控中心，大屏上顯示出的當日售出車票數量、移動端和Web端訂票比例、線路熱度等信息；還有每年雙十一，各大電商的大屏顯示出交易總金額、熱賣榜等等。

可以發現，上面列出的各點皆為指標：響應時間、成功率等我們可以理解為技術指標，當日售出車票數量、交易總金額等則是業務指標。當我們定義好指標后，需要有收集這些指標的方式，我們采用監控的方式來采集數據。當然，若是某些值超出了閾值，還需要及時發出警報，但這不在本文的討論范圍內了。最后再將監控到的內容進行展示（可視化），就需要用到本文的兩個主角 —— Prometheus 和 Grafana。

Prometheus

Prometheus is an open-source systems monitoring and alerting toolkit

--?Prometheus Overview

Prometheus 是一款開源的監控和警報工具包

—— 譯自?Prometheus Overview

為什么選擇 Prometheus

Prometheus 的幾大特點：

• 多維數據模型，時間序列數據由指標名稱和鍵/值對標識

• 提供能在多維度上靈活查詢的 PromQL 語言

• 不依賴分布式存儲，單服務器節點自治(single server nodes are autonomous)

• 基于 HTTP PULL（拉取）的方式采集時序數據

• 可通過中間網關推送時序數據

• 可通過服務發現或靜態配置要采集的目標服務器

• 支持多種圖表和儀表盤

相比 InfluxDB 等時序數據庫，Prometheus 內置了時序、監控和通知等功能。

安裝Exporter和Prometheus

首先安裝 Exporter，Exporter 將監控的各種指標以 HTTP 的方式暴露出來。這里通過 Docker 來安裝和運行

docker run -d -p 9100:9100 prom/node-exporter

然后就能通過 http://localhost:9100 來訪問它，點擊下方的?Metrics?鏈接，頁面上就會將相關指標以文本的形式展示出來。

安裝 Prometheus 前需要先將配置文件準備好，新建一個?prometheus.yml?文件

global:scrape_interval: 15sscrape_configs:- job_name: prometheusstatic_configs:- targets: ['localhost:9090']labels:instance: prometheus- job_name: node_exporterstatic_configs:- targets: ['10.0.0.150:9100']labels:instance: node_exporter

scrape_interval?為抓取間隔時間，下面配置了兩個 job，并以?static_configs?的方式配置了兩個目標：?localhost:9090?（后面要安裝的 Prometheus，意思是監控自己）和?10.0.0.150:9100（監控 node_exporter。注意，這里的 10.0.0.150 是計算機的內網 IP，請根據實際情況修改）

接下來安裝 Prometheus，因為?prometheus.yml?配置文件需要映射到 Docker 容器中，記得把硬盤設置為共享

docker run -d -p 9090:9090 -v "D:\docker\prometheus\prometheus.yml:/etc/prometheus/prometheus.yml" --name prometheus prom/prometheus

通過瀏覽器訪問 http://localhost:9090 就能訪問 Prometheus 了，我們先看一下監控的目標是否已經上線，訪問 http://localhost:9090/targets 應該能看到 node_exporter 和 prometheus 兩個目標。State 是?Up?表示已經上線，如果是?Unknown?可以稍等一會兒再刷新。Labels 部分顯示了配置文件中配置的 job 以及 instance，后面查詢的時候會用到。

當到了抓取的時間，Prometheus 就會去訪問目標的 /metrics 頁面將相關指標采集并儲存。

指標類型

Prometheus 提供了四種指標類型

• Counter?計數器，只增不減，重啟后清零。可用于記錄請求數量、已完成任務的數量、錯誤數量等。

• Gauge?儀表盤，可增可減。可用于記錄當前溫度、當前內存占用值等。

• Histogram?直方圖

• Summary?摘要

關于直方圖和摘要，都用于統計和分析樣本的分布情況，這里引用?prometheus-book?中關于它們的介紹：

在大多數情況下人們都傾向于使用某些量化指標的平均值，例如CPU的平均使用率、頁面的平均響應時間。這種方式的問題很明顯，以系統API調用的平均響應時間為例：如果大多數API請求都維持在100ms的響應時間范圍內，而個別請求的響應時間需要5s，那么就會導致某些WEB頁面的響應時間落到中位數的情況，而這種現象被稱為長尾問題。

為了區分是平均的慢還是長尾的慢，最簡單的方式就是按照請求延遲的范圍進行分組。例如，統計延遲在0~10ms之間的請求數有多少而10~20ms之間的請求數又有多少。通過這種方式可以快速分析系統慢的原因。Histogram和Summary都是為了能夠解決這樣問題的存在，通過Histogram和Summary類型的監控指標，我們可以快速了解監控樣本的分布情況。

——?prometheus-book?使用Histogram和Summary分析數據分布情況

之前我們訪問過 http://localhost:9100/metrics 指標頁面，節選如下：

# HELP promhttp_metric_handler_requests_total Total number of scrapes by HTTP status code. # TYPE promhttp_metric_handler_requests_total counter promhttp_metric_handler_requests_total{code="200"} 162 promhttp_metric_handler_requests_total{code="500"} 0 promhttp_metric_handler_requests_total{code="503"} 0

# TYPE?一行末尾體現了指標類型，非?#?開頭的行內容為：指標名稱、標簽（花括號內的部分）和樣本值。Prometheus 以時間序列的方式儲存數據，即每個樣本是按照時間順序儲存的，在 Prometheus 儲存的這些樣本內容中包含了：指標，時間戳及樣本值。

PromQL

PromQL 是 Prometheus 的查詢語言，我們訪問 http://localhost:9090 時能看到查詢頁面。在?Expression?中輸入

promhttp_metric_handler_requests_total

并按下回車，可以看到這樣的結果，這段 PromQL 將該指標的指標和樣本值進行了返回

因為?node_exporter?和?prometheus?都提供了名為?promhttp_metric_handler_requests_total?的指標，若想只看?node_exporter?的該指標，則在 PromQL 中加上花括號來過濾 Labels 即可：

promhttp_metric_handler_requests_total{instance="node_exporter"}

當然，PromQL 的內容遠不止這些，待日后再記錄。

Grafana

Grafana 是一款數據可視化工具，先來直觀的感受一下吧，也可以訪問 Grafana Live Demo 體驗。

好了，先來安裝 Grafana，這里映射了一個本地文件夾到容器中

docker run -d -p 3000:3000 -v "D:\docker\grafana:/var/lib/grafana" --name grafana grafana/grafana

然后通過 http://localhost:3000 訪問 Grafana，默認用戶名密碼均為 admin。

首先進入 Home 頁面，選擇 Add data source 添加我們的 Prometheus 作為 Grafana 的數據源。需要注意的是，如果和我一樣使用 Docker，那么 Prometheus 的 URL 不能寫 localhost，需要填寫計算機的內網 IP 。

我們已經通過 Prometheus 采集了一批數據樣本，現在只需要添加一個新報表來呈現。在左側欄中依次選擇 Create - Dashboard，然后選擇 Add Query（如果顯示的是 Panel，把鼠標移動到 Panel Title 上，會出現菜單，選擇 Edit 來編輯它）。

將數據源（Query）修改為剛剛添加的 Prometheus 后，Metrics 中輸入和剛剛在 Prometheus 里一樣的 PromQL 語句?promhttp_metric_handler_requests_total{instance="node_exporter"}?然后按下回車，可視化的數據就生成了。

本文到此就結束了，簡單的介紹了 Prometheus 和 Grafana。后面還會介紹往 ASP.NET 中添加指標，并讓 Prometheus 來抓取，以及 PromQL 等的詳細內容。

總結

以上是生活随笔為你收集整理的监控系统简介：使用 Prometheus 与 Grafana的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。