• 快速开始
    • " level="2">下载并运行 Prometheus
    • " level="2">配置 Prometheus 监控自身
    • " level="2">启动 Prometheus
    • " level="2">使用表达式浏览器
    • " level="2">使用图形化接口
    • " level="2">启动示例目标采集数据
    • " level="2">配置 Prometheus 监控示例目标
    • " level="2">配置规则将采集的数据汇总到新的时间序列中

    快速开始

    本指南是一种 “Hello World” 风格的教程，该教程演示了如何在简单的示例中安装、配置和使用 Prometheus。您将在本地下载并运行 Prometheus，对其进行配置并采集自身和示例应用程序数据，然后通过查询、规则和图形化的方式来使用采集到的时间序列数据。

    下载并运行 Prometheus

    下载适用于您的平台的最新版本的 Prometheus，然后解压：

    1. tar xvfz prometheus-*.tar.gz
    2. cd prometheus-*

    在启动 Prometheus 之前，我们先来配置它。

    配置 Prometheus 监控自身

    Prometheus 通过 HTTP 访问目标端点的方式收集指标数据。由于 Prometheus 以相同的方式暴露其有关自身的数据，因此它可以采集并监控自身的运行状态。

    虽然仅仅收集有关 Prometheus 自身数据在实践中并没有多大的用处，但它是一个好的开始示例。请将以下基本 Prometheus 配置保存为prometheus.yml文件：

    1. global:
    2.   scrape_interval:     15s # 默认情况下，每 15s 采集一次目标数据
    4.   # 与外部系统(如 federation, remote storage, Alertmanager)通信时，可以将这些标签应用到到和时间序列或告警上
    5.   external_labels:
    6.     monitor: 'codelab-monitor'
    8. # 仅包含一个采集端点的采集配置：这里是 Prometheus 本身
    9. scrape_configs:
    10.   # 作业名称作为标签 `job=<job_name>` 添加到从此配置中采集的时间序列上
    11.   - job_name: 'prometheus'
    13.     # 覆盖全局默认的参数，并将采样时间间隔设置为 5s
    14.     scrape_interval: 5s
    16.     static_configs:
    17.       - targets: ['localhost:9090']

    有关配置选项的完整说明，请参阅配置文档。

    启动 Prometheus

    要使用新创建的配置文件启动 Prometheus，请进入到包含有 Prometheus 二进制文件的目录，并执行如下命令：

    1. # 启动 Prometheus
    2. # 默认情况下，Prometheus 在 ./data 目录保存他的数据(参见 --storage.tsdb.path 参数)
    3. ./prometheus --config.file=prometheus.yml

    Prometheus 应该正常启动了。您可以在浏览器上访问 localhost:9090。Prometheus 需要几秒钟的时间通过其自身 HTTP 数据指标端点来采集数据。

    您还可以通过访问其数据指标端点来验证 Prometheus 是否正在提供有关自身的指标：localhost:9090/metrics.

    使用表达式浏览器

    我们来尝试查看 Prometheus 采集的有关自身的一些数据。要使用 Prometheus 的内置表达式浏览器，请导航至 http://localhost:9090/graph 并在 “Graph” 页面选择 “Console” 视图。

    在 localhost:9090/metrics 的数据采集中，Prometheus 导出了一个称为prometheus_target_interval_length_seconds(目标数据收集的实际时间)的数据指标。将其输入表达式控制台并点击 “Execute”：

    1. prometheus_target_interval_length_seconds

    这将会返回很多种不通的时间序列(及时间序列记录的最新值)，所有的时间序列的名称均为prometheus_target_interval_length_seconds，但是带有不同的标签。这些标签指定了不同的延迟百分比和和目标组间隔。

    如果我们仅仅对第 99 个百分位的延迟感兴趣，则我们可以使用下面的语句来查询该信息：

    1. prometheus_target_interval_length_seconds{quantile="0.99"}

    想要统计返回时间序列的个数，您可以执行：

    1. count(prometheus_target_interval_length_seconds)

    有关表达式语言的更多信息，请见表达式语言文档

    使用图形化接口

    请导航至 http://localhost:9090/graph 并使用 “Graph” 视图来使用图形表达式。

    例如，输入以下表达式来绘制自身采集中P rometheus 每秒创建块的速率：

    1. rate(prometheus_tsdb_head_chunks_created_total[1m])

    在 graph 页面使用其它参数和设置进行实验。

    启动示例目标采集数据

    让我们为 Prometheus 启动一些示例采集目标来变得更加有趣。

    Go客户端库包含一个具有三个不同分布的虚拟 RPC 延迟的服务的示例。

    请确保您已经安装 Go 编译器，并设置可以正常工作的 Go 构建环境(配置正确的GOPATH)。

    下载 Prometheus 的 Go 客户端并运行三个示例服务：

    1. # 拉取客户端库代码并编译它
    2. git clone https://github.com/prometheus/client_golang.git
    3. cd client_golang/examples/random
    4. go get -d
    5. go build
    7. # 在分开的终端中启动 3 个示例目标
    8. ./random -listen-address=:8080
    9. ./random -listen-address=:8081
    10. ./random -listen-address=:8082

    现在，您应该看到分别监听在 http://localhost:8080/metrics, http://localhost:8081/metrics, http://localhost:8082/metrics 的目标示例。

    配置 Prometheus 监控示例目标

    现在，我们将配置 Prometheus 来采集这些新的目标。我们将所有三个端点分组为example-random的作业。假设前两个端点是生产的目标，第三个端点代表金丝雀发布的实例。为了在 Prometheus 对此建模，我们可以将多个端点添加到单个作业中，并为每个目标组添加额外的标签。在此示例中，我们将group="production"标签添加到第一组目标中，将group=canary添加到第二组目标中。

    为此，请将以下作业定义添加到prometheus.yml中的scrape_configs部分，然后重新启动 Prometheus 实例：

    1. scrape_configs:
    2.   - job_name:       'example-random'
    4.     # 覆盖全局默认的参数，并将采样时间间隔设置为 5s
    5.     scrape_interval: 5s
    7.     static_configs:
    8.       - targets: ['localhost:8080', 'localhost:8081']
    9.         labels:
    10.           group: 'production'
    12.       - targets: ['localhost:8082']
    13.         labels:
    14.           group: 'canary'

    在表达式浏览器中验证 Prometheus 现在是否具有有关这些示例端点暴露的时间序列信息，如rpc_durations_seconds数据指标。

    配置规则将采集的数据汇总到新的时间序列中

    尽管在示例不是问题，但在临时计算时，汇总了数千个时间序列的查询可能会变慢。为了提高效率，Prometheus 允许通过配置的记录规则将表达式预记录到全新的持久时间序列中。假设我们想要记录在示例中测得的所有实例(保留job和service维度)在 5 分钟滑动窗口内的每秒 RPC 平均速率(rpc_durations_seconds_count)。我们可以这么写：

    1. avg(rate(rpc_durations_seconds_count[5m])) by (job, service)

    尝试图形化此表达式。

    要将由该表达式产生的时间序列记录到为名job_service:rpc_durations_seconds_count:avg_rate5m的新数据指标中，请使用以下记录规则创建文件并保存为prometheus.rules.yml:

    1. groups:
    2. - name: example
    3.   rules:
    4.   - record: job_service:rpc_durations_seconds_count:avg_rate5m
    5.     expr: avg(rate(rpc_durations_seconds_count[5m])) by (job, service)

    要使 Prometheus 应用此新规则，需要在prometheus.yml中添加rule_files配置块。配置应如下所示：

    1. global:
    2.   scrape_interval:     15s # 默认情况下，每 15s 采集一次目标数据
    3.   evaluation_interval: 15s # 每 15s 进行一次规则评估
    5.   # 与外部系统通信时，可以将这些标签应用到到和时间序列或告警上
    6.   external_labels:
    7.     monitor: 'codelab-monitor'
    9. rule_files:
    10.   - 'prometheus.rules.yml'
    12. scrape_configs:
    13.   - job_name: 'prometheus'
    15.     # Override the global default and scrape targets from this job every 5 seconds.
    16.     scrape_interval: 5s
    18.     static_configs:
    19.       - targets: ['localhost:9090']
    21.   - job_name:       'example-random'
    23.     # 覆盖全局默认的参数，并将采样时间间隔设置为 5s
    24.     scrape_interval: 5s
    26.     static_configs:
    27.       - targets: ['localhost:8080', 'localhost:8081']
    28.         labels:
    29.           group: 'production'
    31.       - targets: ['localhost:8082']
    32.         labels:
    33.           group: 'canary'

    通过新的配置重新启动 Prometheus，并通过表达式浏览器对其进行查询或画图，以验证数据指标名称为job_service:rpc_durations_seconds_count:avg_rate5m的新时间序列已经可以使用。