日日操夜夜添-日日操影院-日日草夜夜操-日日干干-精品一区二区三区波多野结衣-精品一区二区三区高清免费不卡

目錄

• docker安裝prometheus和grafana
• 概念簡述
• 安裝prometheus
• 第一步：確保安裝有docker
• 第二步：拉取鏡像
• 第三步：準備相關掛載目錄及文件
• 第四步：啟動容器
• 第五步：訪問測試
• 安裝grafana
• 第一步：確保安裝有docker
• 第二步：拉取鏡像
• 第三步：準備相關掛載目錄及文件
• 第四步：啟動容器
• 第五步：訪問測試
• 第六步：使用測試
• 安裝exporter監控采集程序，采集數據進prometheus
• node-exporter
• 安裝alertmanager，集成進prometheus
• 安裝alertmanager
• 集成進prometheus
• 相關資料

docker安裝prometheus和grafana

概念簡述

• prometheus（普羅米修斯）：天生為采集存儲監控數據而生的時序數據庫。prometheus通過各種Exporter采集到監控數據，然后存儲進prometheus中，以供查詢展示
• grafana：一個監控儀表系統。grafana的數據來源可以有很多（如：Prometheus、Graphite、OpenTSDB、InfluxDB、MySQL/PostgreSQL、Microsoft SQL Serve等等），其中用得最多的數據源是prometheus
• 注：prometheus也有自己的UI，不過功能沒有grafana強大

安裝prometheus

第一步：確保安裝有docker

查看docker版本

docker -v

第二步：拉取鏡像

# 你也可以直接拉docker pull prom/prometheus， 即拉取最新的鏡像docker pull prom/prometheus:lastest
docker pull prom/prometheus:v2.41.0

第三步：準備相關掛載目錄及文件

準備目錄

# /opt/prometheus/data目錄，準備用來掛載放置prometheus的數據
# /opt/prometheus/config目錄，準備用來放置prometheus的配置文件
# /opt/prometheus/rules目錄，準備用來掛載放置prometheus的規則文件
mkdir -p /opt/prometheus/{data,config,rules}
# 授權相關文件夾權限
chmod -R 777 /opt/prometheus/data
chmod -R 777 /opt/prometheus/config
chmod -R 777 /opt/prometheus/rules

準備文件

# 配置文件
cat > /opt/prometheus/config/prometheus.yml << \EOF
global:
  # 數據采集間隔
  scrape_interval:     45s
  # 告警檢測間隔
  evaluation_interval: 45s

# 告警規則
rule_files:
  # 這里匹配指定目錄下所有的.rules文件
  - /prometheus/rules/*.rules

# 采集配置
scrape_configs:
  # 采集項(prometheus)
  - job_name: 'prometheus'
    static_configs:
      # prometheus自帶了對自身的exporter監控程序，所以不需額外安裝exporter就可配置采集項
      - targets: ['localhost:9090']
EOF

# 查看一下配置文件
cat /opt/prometheus/config/prometheus.yml

prometheus配置項說明

• global：全局配置 （如果有內部單獨設定，會覆蓋這個參數）
• alerting：告警插件定義。這里會設定alertmanager這個報警插件
• rule_files：告警規則。 按照設定參數進行掃描加載，用于自定義報警規則，其報警媒介和route路由由alertmanager插件實現
• scrape_configs：采集配置。配置數據源，包含分組job_name以及具體target。又分為靜態配置和服務發現
• remote_write：用于遠程存儲寫配置
• remote_read：用于遠程讀配置

第四步：啟動容器

# 啟動prometheus
# config.file：指定容器中，配置文件的位置
# web.enable-lifecycle：啟動此項后，當配置文件發生變化后，可通過HTTP API 發送 post 請求到 /-/reload，實現熱加載，如：curl -X POST http://47.105.39.189:9090/-/reload
# -v /etc/localtime:/etc/localtime:ro表示讓容器使用宿主機的時間, :ro表示只讀(注：此方式只針對宿主機和容器的時區文件均為/etc/localtime)
docker run --name prometheus -d \
    -p 9090:9090 \
    -v /etc/localtime:/etc/localtime:ro \
    -v /opt/prometheus/data:/prometheus/data \
    -v /opt/prometheus/config:/prometheus/config \
    -v /opt/prometheus/rules:/prometheus/rules \
    prom/prometheus:v2.41.0 --config.file=/prometheus/config/prometheus.yml --web.enable-lifecycle

第五步：訪問測試

訪問{ip}:9090即可

安裝grafana

第一步：確保安裝有docker

查看docker版本

docker -v

第二步：拉取鏡像

鏡像有哪些版本，可以通過查看一個docker鏡像有哪些版本查看

# 你也可以直接拉docker pull grafana/grafana， 即拉取最新的鏡像docker pull grafana/grafana:lastest
docker pull grafana/grafana:9.3.2

第三步：準備相關掛載目錄及文件

準備目錄

# /opt/grafana/data目錄，準備用來掛載放置grafana的數據
# /opt/grafana/plugins目錄，準備用來放置grafana的插件
# /opt/grafana/config目錄，準備用來掛載放置grafana的配置文件
mkdir -p /opt/grafana/{data,plugins,config}
# 授權相關文件夾權限
chmod -R 777 /opt/grafana/data
chmod -R 777 /opt/grafana/plugins
chmod -R 777 /opt/grafana/config

準備配置文件

# 先臨時啟動一個容器
docker run --name grafana-tmp -d -p 3000:3000 grafana/grafana:9.3.2
# 將容器中默認的配置文件拷貝到宿主機上
docker cp grafana-tmp:/etc/grafana/grafana.ini /opt/grafana/config/grafana.ini
# 移除臨時容器
docker stop grafana-tmp
docker rm grafana-tmp

# 修改配置文件（需要的話）
# vim /opt/grafana/config/grafana.ini

第四步：啟動容器

# 啟動prometheus
# 環境變量GF_SECURITY_ADMIN_PASSWORD：指定admin的密碼
# 環境變量GF_INSTALL_PLUGINS：指定啟動時需要安裝得插件
#         grafana-clock-panel代表時間插件
#         grafana-simple-json-datasource代表json數據源插件
#         grafana-piechart-panel代表餅圖插件
docker run -d \
    -p 3000:3000 \
    --name=grafana \
    -v /etc/localtime:/etc/localtime:ro \
    -v /opt/grafana/data:/var/lib/grafana \
    -v /opt/grafana/plugins/:/var/lib/grafana/plugins \
    -v /opt/grafana/config/grafana.ini:/etc/grafana/grafana.ini \
    -e "GF_SECURITY_ADMIN_PASSWORD=admin" \
    -e "GF_INSTALL_PLUGINS=grafana-clock-panel,grafana-simple-json-datasource,grafana-piechart-panel" \
    grafana/grafana:9.3.2

第五步：訪問測試

訪問{ip}:3000即可，使用賬密admin/admin進行登錄即可

第六步：使用測試

添加數據源

選擇普羅米修斯作為數據源

制作（或導入）儀表盤

grafana官網提供了很多模板,選擇你喜歡的樣式，直接輸入Dashboard Id即可直接導入

這里列出幾個本人使用的Dashboard Id

12633：Linux主機詳情

此時，界面就出來了

提示：這會兒還沒有數據，是因為prometheus里面本來就沒有數據，后面我們只需要使用相應的exporter往prometheus錄入一些監控數據（如：安裝node-exporter），這里就會顯示出來了

安裝exporter監控采集程序，采集數據進prometheus

node-exporter

官方不建議通過Docekr方式部署node-exporter，因為它需要訪問主機系統

node-exporter 可以采集機器（物理機、虛擬機、云主機等）的監控指標數據，能夠采集到的指標包括 CPU, 內存，磁盤，網絡，文件數等信息

安裝node-exporter

# 下載
wget https://github.com/prometheus/node_exporter/releases/download/v1.1.2/node_exporter-1.1.2.linux-amd64.tar.gz
# 解壓
tar -xvf node_exporter-1.1.2.linux-amd64.tar.gz
cd node_exporter-1.1.2.linux-amd64
# 啟動
nohup ./node_exporter  --web.listen-address=":9100" &

訪問一下，確保node-exporter已正常啟動

或者直接curl 47.105.39.189:9100進行驗證也可

在prometheus中配置當前采集項

編輯配置文件

vim /opt/prometheus/config/prometheus.yml

增加當前采集項目

使得最新的prometheus配置生效

你可以重啟prometheus或者使用熱加載使新配置生效，這里我們使用熱加載的方式

# 前提條件：啟動prometheus時，啟用了web.enable-lifecycle
# 發送post請求到prometheus的/-/reload下觸發熱加載配置
curl -X POST http://47.105.39.189:9090/-/reload

注：若你觸發熱加載后，過個一會兒還沒看到監控的變化， 那么你可以使用docker logs {prometheus容器}查看prometheus日志，看到底是否觸發了熱加載

驗證一下

此時，我們再在grafana上看監控面板，就會發現有數據了

安裝alertmanager，集成進prometheus

安裝alertmanager

第一步：確保安裝有docker

查看docker版本

docker -v

第二步：拉取鏡像

鏡像有哪些版本，可以通過查看一個docker鏡像有哪些版本查看

# 你也可以直接拉docker pull prom/alertmanager， 即拉取最新的鏡像docker pull prom/alertmanager:lastest
docker pull prom/alertmanager:v0.25.0

第三步：準備相關掛載目錄及文件

準備目錄

# /opt/alertmanager/config目錄，準備用來放置alertmanager的配置文件
# /opt/alertmanager/template目錄，準備用來掛載放置alertmanager的模板文件
mkdir -p /opt/alertmanager/{config,template}
# 授權相關文件夾權限
chmod -R 777 /opt/alertmanager/config
chmod -R 777 /opt/alertmanager/template

準備配置文件

# 配置文件
cat > /opt/alertmanager/config/alertmanager.yml << \EOF
global:
  resolve_timeout: 5m
  # 發件人
  smtp_from: '1612513157@qq.com'
  # 郵箱服務器的 POP3/SMTP 主機配置 smtp.qq.com 端口為 465 或 587
  smtp_smarthost: 'smtp.qq.com:465'
  # 用戶名
  smtp_auth_username: '1612513157@qq.com'
  # 授權碼 或 密碼
  smtp_auth_password: '你的qq授權碼'
  smtp_require_tls: false
  smtp_hello: 'qq.com'
templates:
  # 指定預警內容模板
  - '/etc/alertmanager/template/email.tmpl'
route:
  # 指定通過什么字段進行告警分組(如：alertname=A和alertname=B的將會被分導兩個組里面)
  group_by: ['alertname']
  # 在組內等待所配置的時間，如果同組內，5 秒內出現相同報警，在一個組內出現
  group_wait: 5s
  # 如果組內內容不變化，合并為一條警報信息，5 分鐘后發送
  group_interval: 5m
  # 發送告警間隔時間 s/m/h，如果指定時間內沒有修復，則重新發送告警
  repeat_interval: 5m
  # 默認的receiver。 如果一個報警沒有被任何一個route匹配，則發送給默認的接收器
  receiver: 'justrydeng163email'
  #子路由(上面所有的route屬性都由所有子路由繼承，并且可以在每個子路由上進行覆蓋)
  routes:
  # 當觸發當前預警的prometheus規則滿足：標簽alarmClassify的為normal時（標簽名、標簽值可以自定義，只要和編寫的prometheus的rule里面設置的標簽呼應上即可），往justrydeng163email發送郵件
  - receiver: justrydeng163email
    match_re:
      alarmClassify: normal
  # 當觸發當前預警的prometheus規則滿足：標簽alarmClassify的值為special時（標簽名、標簽值可以自定義，只要和編寫的prometheus的rule里面設置的標簽呼應上即可），往justrydengQQemail發送郵件
  - receiver: justrydengQQemail
    match_re:
      alarmClassify: special
receivers:
- name: 'justrydeng163email'
  email_configs:
  # 如果想發送多個人就以 ',' 做分割
  - to: '13548417409@163.com'
    send_resolved: true
    # 接收郵件的標題
    headers: {Subject: "alertmanager報警郵件"}
- name: 'justrydengQQemail'
  email_configs:
  # 如果想發送多個人就以 ',' 做分割
  - to: '1249823187@qq.com'
    send_resolved: true
    # 接收郵件的標題
    headers: {Subject: "alertmanager報警郵件"}
inhibit_rules:
  - source_match:
      severity: 'critical'
    target_match:
      severity: 'warning'
    equal: ['alertname', 'dev', 'instance']
EOF

# 查看一下配置文件
cat /opt/alertmanager/config/alertmanager.yml

準備預警內容模板文件

# 因為我們進行了掛載，所以我們只需編輯宿主機上的模板文件即可
cat > /opt/alertmanager/template/email.tmpl << \EOF
{{ define "email.html" }}
<table border="1">
        <tr>
                <td>報警項</td>
                <td>實例</td>
                <td>報警閥值</td>
                <td>開始時間</td>
                <td>告警信息</td>
        </tr>
        {{ range $i, $alert := .Alerts }}
                <tr>
                        <td>{{ index $alert.Labels "alertname" }}</td>
                        <td>{{ index $alert.Labels "instance" }}</td>
                        <td>{{ index $alert.Annotations "value" }}</td>
                        <td>{{ $alert.StartsAt }}</td>
                        <td>{{ index $alert.Annotations "description" }}</td>
                </tr>
        {{ end }}
</table>
{{ end }}
EOF

# 查看一下模板文件
cat /opt/alertmanager/template/email.tmpl

提示：模板文件中，占位符取值，取的是prometheus的rules文件中對應的值，你可以先寫好prometheus的規則文件后，再來編寫模板文件

第四步：啟動容器

# 啟動alertmanager (啟動后docker ps檢查一下，確保alertmanager起來了即可)
docker run -d --name=alertmanager \
    -p 9093:9093 \
    -v /etc/localtime:/etc/localtime:ro \
    -v /opt/alertmanager/config/alertmanager.yml:/etc/alertmanager/alertmanager.yml \
    -v /opt/alertmanager/template:/etc/alertmanager/template \
    prom/alertmanager:v0.25.0

第五步：確保alertmanager正常啟動

# 查看一下docker容器
docker ps | grep alertmanager
# 再看一下alertmanager的日志
docker logs --tail=50 alertmanager

集成進prometheus

第一步：啟用alertmanager

編輯配置文件

vim /opt/prometheus/config/prometheus.yml

啟用alertmanager

# 啟用alertmanager
alerting:
  alertmanagers:
    - static_configs:
        - targets:
          # alertmanager的地址
          - 172.31.113.186:9093

第二步：增加prometheus預警規則

提示：prometheus的rules機制，即便不集成alertmanager也是可以用的

# 因為我們啟動prometheus時，是掛載了宿主機的/opt/prometheus/rules目錄到/prometheus/rules下，且配置了/prometheus/rules目錄下所有的.rules文件都會被作為規則文件的
# 所以我們只需要將規則文件創建到宿主機的/opt/prometheus/rules目錄下即可
cat > /opt/prometheus/rules/os.rules << \EOF
groups:
- name: os
  rules:
  # prometheus是通過對應exporter的metric指標查詢接口獲取到被監測對象的數據的。當這個接口調用不通（或調用出錯時），會認為up == 0,當持續時間滿足for時，會發出對應的節點宕機預警
  # 實際上，exporter的指標查詢接口調不通，也可能是因為超時或者其它什么導致的，并不一定是被監控節點down機了
  - alert: instance不可用（宕機或忙）告警
    expr: up == 0
    for: 1m
    labels:
      alarmClassify: normal
    annotations:
      summary: "監控程序{{ $labels.job }}所監控機器不可用"
      description: "監控程序 {{ $labels.job }}(監控程序地址為{{ $labels.instance }}) down機超過1分鐘了"
  - alert: CPU告警
    expr: 100-(avg(irate(node_cpu_seconds_total{mode="idle"}[5m])) by(instance)* 100) > 90
    for: 5m
    labels:
      alarmClassify: normal
    annotations:   
      summary: "CPU告警：CPU使用大于90%(目前使用:{{$value}}%)"
      description: "CPU告警：監控程序{{$labels.instance}}所監控機器的CPU使用大于90%(目前使用:{{$value}}%). 已經持續5分鐘了"
  - alert: 內存告警
    expr: 100 - ((node_memory_MemAvailable_bytes * 100) / node_memory_MemTotal_bytes) > 90
    for: 30m
    labels:
      alarmClassify: normal
    annotations:
      summary: "內存告警：內存使用大于80%(目前使用:{{$value}}%)"
      description: "內存告警：監控程序{{$labels.instance}}所監控機器的內存使用大于80%(目前使用:{{$value}}%)"
  - alert: 磁盤分區使用率報警
    expr: 100 - ((node_filesystem_avail_bytes{fstype=~"rootfs|xfs",mountpoint=~"/|/etc/hosts"} * 100) / node_filesystem_size_bytes{fstype=~"rootfs|xfs",mountpoint=~"/|/etc/hosts"}) > 80
    for: 1m
    labels:
      alarmClassify: normal
    annotations:
      summary: "磁盤分區告警：{{$labels.mountpoint}} 磁盤分區使用大于80%(目前使用:{{$value}}%)"
      description: "磁盤分區告警：監控程序{{$labels.instance}}所監控機器的磁盤分區使用量大于80%(目前使用:{{$value}}%). 其它信息：device:{{$labels.device}}, mount:{{$labels.mountpoint}} "
  - alert: 掛載磁盤分區使用率報警
    expr: 100 - ((node_filesystem_avail_bytes{mountpoint=~"/rootfs/newDisk|/backup"} * 100) / node_filesystem_size_bytes{mountpoint=~"/rootfs/newDisk|/backup"}) > 80
    for: 1m
    labels:
      alarmClassify: normal
    annotations:
      summary: "掛載磁盤分區告警：{{$labels.mountpoint}} 掛載磁盤分區使用大于80%(目前使用:{{$value}}%)"
      description: "掛載磁盤分區告警：監控程序{{$labels.instance}}所監控機器的掛載磁盤分區使用量大于80%(目前使用:{{$value}}%). 其它信息：device:{{$labels.device}}, mount:{{$labels.mountpoint}} "
  - alert: IO性能
    expr: ((irate(node_disk_io_time_seconds_total[30m]))* 100) > 95
    for: 1m
    labels:
      alarmClassify: normal
    annotations:
      summary: "{{$labels.mountpoint}} 流入磁盤IO使用率過高"
      description: "監控程序{{$labels.instance}}所監控機器的{{$labels.mountpoint }}流入磁盤IO大于95%(目前使用:({{$value}}))"
  - alert: 網絡(入)
    expr: ((sum(rate (node_network_receive_bytes_total{device!~'tap.*|veth.*|br.*|docker.*|virbr*|lo*'}[5m])) by (instance)) / 100) > 10240
    for: 5m
    labels:
      alarmClassify: normal
    annotations:
      summary: "{{$labels.mountpoint}} 流入網絡帶寬過高"
      description: "監控程序{{$labels.instance}}所監控機器的 {{$labels.mountpoint }} 流入網絡帶寬持續5分鐘高于10M. RX帶寬使用率{{$value}}"
  - alert: 網絡(出)
    expr: ((sum(rate (node_network_transmit_bytes_total{device!~'tap.*|veth.*|br.*|docker.*|virbr*|lo*'}[5m])) by (instance)) / 100) > 10240
    for: 5m
    labels:
      alarmClassify: normal
    annotations:
      summary: "{{$labels.mountpoint}} 流出網絡帶寬過高"
      description: "監控程序{{$labels.instance}}所監控機器的 {{$labels.mountpoint }} 流出網絡帶寬持續5分鐘高于10M. RX帶寬使用率{{$value}}"
EOF

# 查看一下os.rules規則
cat /opt/prometheus/rules/os.rules

• 一條告警規則主要由以下幾部分組成
• alert：告警規則的名稱
• expr：基于PromQL表達式告警觸發條件，用于計算是否有時間序列滿足該條件
• for：評估等待時間，可選參數。用于表示只有當觸發條件持續一段時間后才發送告警。在等待期間新產生告警的狀態為pending
• labels：自定義標簽，允許用戶指定要附加到告警上的一組附加標簽（注：如果自定義的標簽名與prometheus.yml下內置的或配置的標簽名一樣，則會以這里設置的標簽為主）

注：labels下默認有這些標簽

• alertname：告警規則的名稱（即：alert指定的名稱）
• device：機器設備
• fstype：文件系統類型
• mountpoint：掛載點
• job：采集任務名。（即：當前預警所屬采集任務名，假設prometheus.yml如下所示，采集項aliyun-node預警了，那么這里對應的job值為：xxx）
• instance：采集對象。（即：當前預警所屬采集項地址，假設prometheus.yml如下所示，采集項aliyun-node預警了，那么這里對應的instance值為：47.105.39.189:9100）

global:
。。。省略
alerting:
。。。省略
rule_files:
。。。省略
scrape_configs:
  # 采集任務
  - job_name: 'xxx'
    static_configs:
      - targets: ['47.105.39.189:9100']
        # 設置采集任務標簽 (注：如果預警規則里面設置有同名標簽的話，預警時則會覆蓋此標簽)
        labels:
          env: prod
          name: justrydeng
          instance: xxx-instance
          group: 'ds'

annotations：用于指定一組附加信息，比如用于描述告警詳細信息的文字等，annotations的內容在告警產生時會一同作為參數發送到Alertmanager

占位符{{$xxx}}，用于取值xxx對應的值

如：{{$labels.instance}}，取當前規則文件下，instance標簽的值

如：在annotations中，使用{{$value}}取觸發當前預警的預警值

檢查預警規則文件是否正確

# 進入容器
# docker exec -it {容器id 或 容器名} /bin/sh
docker exec -it prometheus /bin/sh
# 使用promtool 工具，執行check指令
# promtool check rules {規則文件，后綴名隨意都可以}
promtool check rules /prometheus/rules/os.rules

第三步：使得最新的prometheus配置生效

因為這里啟用了alertmanager，為保險起見，本人這里選擇重啟prometheus（而不是使用prometheus的熱加載）來使生效

# 重啟容器prometheus
docker restart prometheus
# 查看日志
docker logs --tail=50 prometheus

第四步：驗證預警生效

訪問prometheus，查看預警規則是否有了

預警狀態說明：

• Inactive：未觸發預警
• Pending：滿足預警規則里面的預警表達式expr了，但是持續時間不滿足預警規則里面的for，尚未發送預警信息
• Firing：觸發預警且已發送預警信息

查看郵箱，發現收到了預警消息

注：因為本人后來優化了上面的rule規則的配置內容，所以這里email里面的截圖和上面的配置有點出入

相關資料

docker安裝prometheus+grafana安裝詳細教程

AlertManager簡介與告警模板