手动部署k8s-prometheus

简介

Prometheus 最初是 SoundCloud 构建的开源系统监控和报警工具，是一个独立的开源项目，于2016年加入了 CNCF 基金会，做为继 Kubernetes 以后的第二个托管项目。

特征

Prometheus 相比于其余传统监控工具主要有如下几个特色：

• 具备由 metric 名称和键/值对标识的时间序列数据的多维数据模型
• 有一个灵活的查询语言
• 不依赖分布式存储，只和本地磁盘有关
• 经过 HTTP 的服务拉取时间序列数据
• 也支持推送的方式来添加时间序列数据
• 还支持经过服务发现或静态配置发现目标
• 多种图形和仪表板支持

组件

Prometheus 由多个组件组成，可是其中许多组件是可选的：

• Prometheus Server：用于抓取指标、存储时间序列数据
• exporter：暴露指标让任务来抓
• pushgateway：push 的方式将指标数据推送到该网关
• alertmanager：处理报警的报警组件
• adhoc：用于数据查询

大多数 Prometheus 组件都是用 Go 编写的，所以很容易构建和部署为静态的二进制文件。

架构

下图是 Prometheus 官方提供的架构及其一些相关的生态系统组件：

架构

总体流程比较简单，Prometheus 直接接收或者经过中间的 Pushgateway 网关被动获取指标数据，在本地存储全部的获取的指标数据，并对这些数据进行一些规则整理，用来生成一些聚合数据或者报警信息，Grafana 或者其余工具用来可视化这些数据。

安装

因为 Prometheus 是 Golang 编写的程序，因此要安装的话也很是简单，只须要将二进制文件下载下来直接执行便可，前往地址：https://prometheus.io/download 下载咱们对应的版本便可。

Prometheus 是经过一个 YAML 配置文件来进行启动的，若是咱们使用二进制的方式来启动的话，可使用下面的命令：

$ ./prometheus --config.file=prometheus.yml 

其中 prometheus.yml 文件的基本配置以下：

global: scrape_interval: 15s evaluation_interval: 15s rule_files: # - "first.rules" # - "second.rules" scrape_configs: - job_name: prometheus static_configs: - targets: ['localhost:9090'] 

上面这个配置文件中包含了3个模块：global、rule_files 和 scrape_configs。

其中 global 模块控制 Prometheus Server 的全局配置：

• scrape_interval：表示 prometheus 抓取指标数据的频率，默认是15s，咱们能够覆盖这个值
• evaluation_interval：用来控制评估规则的频率，prometheus 使用规则产生新的时间序列数据或者产生警报

rule_files 模块制定了规则所在的位置，prometheus 能够根据这个配置加载规则，用于生成新的时间序列数据或者报警信息，当前咱们没有配置任何规则。

scrape_configs 用于控制 prometheus 监控哪些资源。因为 prometheus 经过 HTTP 的方式来暴露的它自己的监控数据，prometheus 也可以监控自己的健康状况。在默认的配置里有一个单独的 job，叫作prometheus，它采集 prometheus 服务自己的时间序列数据。这个 job 包含了一个单独的、静态配置的目标：监听 localhost 上的9090端口。prometheus 默认会经过目标的/metrics路径采集 metrics。因此，默认的 job 经过 URL：http://localhost:9090/metrics采集 metrics。收集到的时间序列包含 prometheus 服务自己的状态和性能。若是咱们还有其余的资源须要监控的话，直接配置在该模块下面就能够了。

因为咱们这里是要跑在 Kubernetes 系统中，因此咱们直接用 Docker 镜像的方式运行便可。

为了方便管理，咱们将全部的资源对象都安装在kube-ops的 namespace 下面，没有的话须要提早安装。

为了可以方便的管理配置文件，咱们这里将 prometheus.yml 文件用 ConfigMap 的形式进行管理：（prometheus-cm.yaml）

apiVersion: v1 kind: ConfigMap metadata: name: prometheus-config namespace: kube-ops data: prometheus.yml: | global: scrape_interval: 15s scrape_timeout: 15s scrape_configs: - job_name: 'prometheus' static_configs: - targets: ['localhost:9090'] 

咱们这里暂时只配置了对 prometheus 的监控，而后建立该资源对象：

$ kubectl create -f prometheus-cm.yaml
configmap "prometheus-config" created 

配置文件建立完成了，之后若是咱们有新的资源须要被监控，咱们只须要将上面的 ConfigMap 对象更新便可。如今咱们来建立 prometheus 的 Pod 资源：(prometheus-deploy.yaml)

apiVersion: extensions/v1beta1 kind: Deployment metadata: name: prometheus namespace: kube-ops labels: app: prometheus spec: template: metadata: labels: app: prometheus spec: serviceAccountName: prometheus containers: - image: prom/prometheus:v2.4.3 name: prometheus command: - "/bin/prometheus" args: - "--config.file=/etc/prometheus/prometheus.yml" - "--storage.tsdb.path=/prometheus" - "--storage.tsdb.retention=24h" - "--web.enable-admin-api" # 控制对admin HTTP API的访问，其中包括删除时间序列等功能 - "--web.enable-lifecycle" # 支持热更新，直接执行localhost:9090/-/reload当即生效 ports: - containerPort: 9090 protocol: TCP name: http volumeMounts: - mountPath: "/prometheus" subPath: prometheus name: data - mountPath: "/etc/prometheus" name: config-volume resources: requests: cpu: 100m memory: 512Mi limits: cpu: 100m memory: 512Mi securityContext: runAsUser: 0 volumes: - name: data persistentVolumeClaim: claimName: prometheus - configMap: name: prometheus-config name: config-volume 

咱们在启动程序的时候，除了指定了 prometheus.yml 文件以外，还经过参数storage.tsdb.path指定了 TSDB 数据的存储路径、经过storage.tsdb.retention设置了保留多长时间的数据，还有下面的web.enable-admin-api参数能够用来开启对 admin api 的访问权限，参数web.enable-lifecycle很是重要，用来开启支持热更新的，有了这个参数以后，prometheus.yml 配置文件只要更新了，经过执行localhost:9090/-/reload就会当即生效，因此必定要加上这个参数。

咱们这里将 prometheus.yml 文件对应的 ConfigMap 对象经过 volume 的形式挂载进了 Pod，这样 ConfigMap 更新后，对应的 Pod 里面的文件也会热更新的，而后咱们再执行上面的 reload 请求，Prometheus 配置就生效了，除此以外，为了将时间序列数据进行持久化，咱们将数据目录和一个 pvc 对象进行了绑定，因此咱们须要提早建立好这个 pvc 对象：(prometheus-volume.yaml)

apiVersion: v1 kind: PersistentVolume metadata: name: prometheus spec: capacity: storage: 10Gi accessModes: - ReadWriteOnce persistentVolumeReclaimPolicy: Recycle nfs: server: 10.151.30.57 path: /data/k8s --- apiVersion: v1 kind: PersistentVolumeClaim metadata: name: prometheus namespace: kube-ops spec: accessModes: - ReadWriteOnce resources: requests: storage: 10Gi 

咱们这里简单的经过 NFS 做为存储后端建立一个 pv、pvc 对象：

$ kubectl create -f prometheus-volume.yaml

除了上面的注意事项外，咱们这里还须要配置 rbac 认证，由于咱们须要在 prometheus 中去访问 Kubernetes 的相关信息，因此咱们这里管理了一个名为 prometheus 的 serviceAccount 对象：(prometheus-rbac.yaml)

apiVersion: v1 kind: ServiceAccount metadata: name: prometheus namespace: kube-ops --- apiVersion: rbac.authorization.k8s.io/v1 kind: ClusterRole metadata: name: prometheus rules: - apiGroups: - "" resources: - nodes - services - endpoints - pods - nodes/proxy verbs: - get - list - watch - apiGroups: - "" resources: - configmaps - nodes/metrics verbs: - get - nonResourceURLs: - /metrics verbs: - get --- apiVersion: rbac.authorization.k8s.io/v1beta1 kind: ClusterRoleBinding metadata: name: prometheus roleRef: apiGroup: rbac.authorization.k8s.io kind: ClusterRole name: prometheus subjects: - kind: ServiceAccount name: prometheus namespace: kube-ops 

因为咱们要获取的资源信息，在每个 namespace 下面都有可能存在，因此咱们这里使用的是 ClusterRole 的资源对象，值得一提的是咱们这里的权限规则声明中有一个nonResourceURLs的属性，是用来对非资源型 metrics 进行操做的权限声明，这个在之前咱们不多遇到过，而后直接建立上面的资源对象便可：

$ kubectl create -f prometheus-rbac.yaml
serviceaccount "prometheus" created clusterrole.rbac.authorization.k8s.io "prometheus" created clusterrolebinding.rbac.authorization.k8s.io "prometheus" created 

还有一个要注意的地方是咱们这里必需要添加一个securityContext的属性，将其中的runAsUser设置为0，这是由于如今的 prometheus 运行过程当中使用的用户是 nobody，不然会出现下面的permission denied之类的权限错误：

level=error ts=2018-10-22T14:34:58.632016274Z caller=main.go:617 err="opening storage failed: lock DB directory: open /data/lock: permission denied" 

如今咱们就能够添加 promethues 的资源对象了：

$ kubectl create -f prometheus-deploy.yaml
deployment.extensions "prometheus" created $ kubectl get pods -n kube-ops NAME READY STATUS RESTARTS AGE prometheus-6dd775cbff-zb69l 1/1 Running 0 20m $ kubectl logs -f prometheus-6dd775cbff-zb69l -n kube-ops ...... level=info ts=2018-10-22T14:44:40.535385503Z caller=main.go:523 msg="Server is ready to receive web requests." 

Pod 建立成功后，为了可以在外部访问到 prometheus 的 webui 服务，咱们还须要建立一个 Service 对象：(prometheus-svc.yaml)

apiVersion: v1 kind: Service metadata: name: prometheus namespace: kube-ops labels: app: prometheus spec: selector: app: prometheus type: NodePort ports: - name: web port: 9090 targetPort: http 

为了方便测试，咱们这里建立一个NodePort类型的服务，固然咱们能够建立一个Ingress对象，经过域名来进行访问：

$ kubectl create -f prometheus-svc.yaml
service "prometheus" created $ kubectl get svc -n kube-ops NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE prometheus NodePort 10.111.118.104 <none> 9090:30987/TCP 24s 

而后咱们就能够经过http://任意节点IP:30987访问 prometheus 的 webui 服务了。

prometheus webui

为了数据的一致性，prometheus 全部的数据都是使用的 UTC 时间，因此咱们默认打开的 dashboard 中有这样一个警告，咱们须要在查询的时候指定咱们当前的时间才能够。而后咱们能够查看当前监控系统中的一些监控目标：

因为咱们如今尚未配置任何的报警信息，因此 Alerts 菜单下面如今没有任何数据，隔一下子，咱们能够去 Graph 菜单下面查看咱们抓取的 prometheus 自己的一些监控数据了，其中- insert metrics at cursor -下面就是咱们搜集到的一些监控数据指标：

好比咱们这里就选择scrape_duration_seconds这个指标，而后点击Execute，若是这个时候没有查询到任何数据，咱们能够切换到Graph这个 tab 下面从新选择下时间，选择到当前的时间点，从新执行，就能够看到相似于下面的图表数据了：

除了简单的直接使用采集到的一些监控指标数据以外，这个时候也可使用强大的 PromQL 工具，PromQL其实就是 prometheus 便于数据聚合展现开发的一套 ad hoc 查询语言的，你想要查什么找对应函数取你的数据好了。