Prometheus監(jiān)控業(yè)務指標
時間：2021-11-09 13:56:35
手機看文章
掃描二維碼
隨時隨地手機看文章
[導讀]在Kubernetes已經成了事實上的容器編排標準之下，微服務的部署變得非常容易。但隨著微服務規(guī)模的擴大，服務治理帶來的挑戰(zhàn)也會越來越大。在這樣的背景下出現了服務可觀測性（observability）的概念。在分布式系統里，系統的故障可能出現在任何節(jié)點，怎么能在出了故障的時候快速...
-
Lgging，展現的是應用運行而產生的事件或者程序在執(zhí)行的過程中間產生的一些日志，可以詳細解釋系統的運行狀態(tài)，但是存儲和查詢需要消耗大量的資源。所以往往使用過濾器減少數據量。
-
Metrics，是一種聚合數值，存儲空間很小，可以觀察系統的狀態(tài)和趨勢，但對于問題定位缺乏細節(jié)展示。這個時候使用等高線指標等多維數據結構來增強對于細節(jié)的表現力。例如統計一個服務的 TBS 的正確率、成功率、流量等，這是常見的針對單個指標或者某一個數據庫的。
-
Tracing，面向的是請求，可以輕松分析出請求中異常點，但與Logging有相同的問題就是資源消耗較大。通常也需要通過采樣的方式減少數據量。比如一次請求的范圍，也就是從瀏覽器或者手機端發(fā)起的任何一次調用，一個流程化的東西，我們需要軌跡去追蹤。
我們在這篇文章討論的主題就是可觀測性中的Metrics。在 Kubernetes作為基礎設施的背景下，我們知道Kubernetes本身是個復雜的容器編排系統，它本身的穩(wěn)定運行至關重要。與之相伴的指標監(jiān)控系統 Promethues也已經成為了云原生服務下監(jiān)控體系的事實標準。相信大家對資源層面比如CPU，Memory，Network；應用層面比如Http請求數，請求耗時等指標的監(jiān)控都有所了解。那么業(yè)務層面的指標又怎么利用Prometheus去監(jiān)控和告警呢？這就是這篇文章的核心內容。
以我們一個業(yè)務場景為例，在系統中有多種類型的task在運行，并且task的運行時間各異，task本身有各種狀態(tài)包括待執(zhí)行、執(zhí)行中、執(zhí)行成功、執(zhí)行失敗等。如果想確保系統的穩(wěn)定運行，我們必須對各個類型的 task 的運行狀況了如指掌。比如當前是否有任務擠壓，失敗任務是否過多，并且當超過閾值是否告警。
為了解決上述的監(jiān)控告警問題，我們先得了解一下Prometheus的指標類型。
在形式上，所有的指標（Metric）都通過如下格式標示：{=, ...}
標簽（label）反映了當前樣本的特征維度，通過這些維度Prometheus可以對樣本數據進行過濾，聚合等。標簽的名稱只能由ASCII字符、數字以及下劃線組成并滿足正則表達式[a-zA-Z_][a-zA-Z0-9_]*。
指標類型
Prometheus定義了4種不同的指標類型（metric type）：Counter（計數器）、Gauge（儀表盤）、Histogram（直方圖）、Summary（摘要）
Counter
Counter類型的指標其工作方式和計數器一樣，只增不減（除非系統發(fā)生重置）。常見的監(jiān)控指標，如http_requests_total，node_cpu都是Counter類型的監(jiān)控指標。一般在定義Counter類型指標的名稱時推薦使用_total作為后綴。通過counter指標我們可以和容易的了解某個事件產生的速率變化。例如，通過rate()函數獲取HTTP請求量的增長率：rate(http_requests_total[5m])
Gauge
Gauge類型的指標側重于反應系統的當前狀態(tài)。因此這類指標的樣本數據可增可減。常見指標如：node_memory_MemFree（主機當前空閑的內容大小）、node_memory_MemAvailable（可用內存大?。┒际荊auge類型的監(jiān)控指標。通過Gauge指標，我們可以直接查看系統的當前狀態(tài)。node_memory_MemFree
Summary
Summary主用用于統計和分析樣本的分布情況。比如某Http請求的響應時間大多數都在100 ms內，而個別請求的響應時間需要5s，那么這中情況下統計指標的平均值就不能反映出真實情況。而如果通過Summary指標我們能立馬看響應時間的9分位數，這樣的指標才是有意義的。
例如：# HELP go_gc_duration_seconds A summary of the pause duration of garbage collection cycles.
# TYPE go_gc_duration_seconds summary
go_gc_duration_seconds{quantile="0"} 3.98e-05
go_gc_duration_seconds{quantile="0.25"} 5.31e-05
go_gc_duration_seconds{quantile="0.5"} 6.77e-05
go_gc_duration_seconds{quantile="0.75"} 0.0001428
go_gc_duration_seconds{quantile="1"} 0.0008099
go_gc_duration_seconds_sum 0.0114183
go_gc_duration_seconds_count 85
Histogram
Histogram類型的指標同樣用于統計和樣本分析。與Summary類型的指標相似之處在于Histogram類型的樣本同樣會反應當前指標的記錄的總數（以_count作為后綴）以及其值的總量（以_sum作為后綴）。不同在于Histogram指標直接反應了在不同區(qū)間內樣本的個數，區(qū)間通過標簽len進行定義。同時對于Histogram的指標，可以通過histogram_quantile()函數計算出其值的分位數。
例如：# HELP prometheus_http_response_size_bytes Histogram of response size for HTTP requests.
# TYPE prometheus_http_response_size_bytes histogram
prometheus_http_response_size_bytes_bucket{handler="/",le="100"} 1
prometheus_http_response_size_bytes_bucket{handler="/",le="1000"} 1
prometheus_http_response_size_bytes_bucket{handler="/",le="10000"} 1
prometheus_http_response_size_bytes_bucket{handler="/",le="100000"} 1
prometheus_http_response_size_bytes_bucket{handler="/",le="1e 06"} 1
prometheus_http_response_size_bytes_bucket{handler="/",le=" Inf"} 1
prometheus_http_response_size_bytes_sum{handler="/"} 29
prometheus_http_response_size_bytes_count{handler="/"} 1
應用指標監(jiān)控
Prometheus最常用的方式是通過pull去抓取Metrics。所以我們首先在服務通過/metrics接口暴露指標，這樣Promethues server就能通過http請求抓取到我們的業(yè)務指標。
接口示例：server := gin.New()
server.Use(middlewares.AccessLogger(), middlewares.Metric(), gin.Recovery())
server.GET("/health", func(c *gin.Context) {
c.JSON(http.StatusOK, gin.H{
"message": "ok",
})
})
server.GET("/metrics", Monitor)
func Monitor(c *gin.Context) {
h := promhttp.Handler()
h.ServeHTTP(c.Writer, c.Request)
}
定義指標
為了方便理解，這里選取了三種類型和兩種業(yè)務場景的指標。
示例：var (
//HTTPReqDuration metric:http_request_duration_seconds
HTTPReqDuration *prometheus.HistogramVec
//HTTPReqTotal metric:http_request_total
HTTPReqTotal *prometheus.CounterVec
// TaskRunning metric:task_running
TaskRunning *prometheus.GaugeVec
)
func init() {
// 監(jiān)控接口請求耗時
// 指標類型是Histogram
HTTPReqDuration = prometheus.NewHistogramVec(prometheus.HistogramOpts{
Name: "http_request_duration_seconds",
Help: "http request latencies in seconds",
Buckets: nil,
}, []string{"method", "path"})
// "method"、"path" 是 label
// 監(jiān)控接口請求次數
// 指標類型是 Counter
HTTPReqTotal = prometheus.NewCounterVec(prometheus.CounterOpts{
Name: "http_requests_total",
Help: "total number of http requests",
}, []string{"method", "path", "status"})
// "method"、"path"、"status" 是 label
// 監(jiān)控當前在執(zhí)行的task數量
// 監(jiān)控類型是Gauge
TaskRunning = prometheus.NewGaugeVec(prometheus.GaugeOpts{
Name: "task_running",
Help: "current count of running task",
}, []string{"type", "state"})
// "type"、"state" 是 label
prometheus.MustRegister(
HTTPReqDuration,
HTTPReqTotal,
TaskRunning,
)
}
生成指標
示例：start := time.Now()
c.Next()
duration := float64(time.Since(start)) / float64(time.Second)
path := c.Request.URL.Path
// 請求數加1
controllers.HTTPReqTotal.With(prometheus.Labels{
"method": c.Request.Method,
"path": path,
"status": strconv.Itoa(c.Writer.Status()),
}).Inc()
// 記錄本次請求處理時間
controllers.HTTPReqDuration.With(prometheus.Labels{
"method": c.Request.Method,
"path": path,
}).Observe(duration)
// 模擬新建任務
controllers.TaskRunning.With(prometheus.Labels{
"type": shuffle([]string{"video", "audio"}),
"state": shuffle([]string{"process", "queue"}),
}).Inc()
// 模擬任務完成
controllers.TaskRunning.With(prometheus.Labels{
"type": shuffle([]string{"video", "audio"}),
"state": shuffle([]string{"process", "queue"}),
}).Dec()
抓取指標
Promethues抓取target配置：# 抓取間隔
scrape_interval: 5s
# 目標
scrape_configs:
- job_name: 'prometheus'
static_configs:
- targets: ['prometheus:9090']
- job_name: 'local-service'
metrics_path: /metrics
static_configs:
- targets: ['host.docker.internal:8000']
指標展示如下圖：
下載文檔
