以神之名命名的监控系统究竟怎么样呢？

在希腊神话中，普罗米修斯是最智慧的神之一，也是泰坦的后裔。 他的名字的意思是“远见”。 那么以这个名字命名的监控系统是什么呢？ 今天虫虫就给大家介绍一下这个以上帝命名的监控系统。

普罗米修斯简介()

它是一个时间序列数据库。 然而，它不仅仅是一个时间序列数据库。

它涵盖了可捆绑的工具集及其功能的整个生态系统。

主要用于基础设施监控。 包括服务器、数据库、VPS，几乎所有东西都可以通过监控。 想要通过对配置中定义的某些端点进行 HTTP 调用来检索指标。

例如，如果我们以 :3000 的 Web 应用程序为例，您的应用程序将在特定 URL（例如：3000/）中以纯文本形式公开指标。 从该 URL 开始，将在给定的有效间隔内从此目标提取数据。

工作准则？

如前所述，它由各种不同的组件组成。 其监控指标可以从系统中提取，可以通过不同的方式完成：

应用程序针对给定监控项目的给定公共 URL 的兼容指标。 将其定义为目标并将其添加到监控系统中。

通过使用云厂商的内置程序，将定义整套监控项和监控工具。 例如Linux机器监控模板（节点导出器）、数据库模板（SQL导出器或导出器）、HTTP代理或加载程序模板（如导出器）都可以直接添加到监控中使用。

通过使用：应用程序或作业不直接公开指标。 某些应用程序要么没有合适的监控模板（例如批处理作业），要么选择不通过应用程序直接公开这些指标。 如果我们忽略您可能使用的罕见情况，它是一个基于主动请求拉取的监控系统。

推拉方法

与其他时间序列数据库有一个明显的区别：目标被主动过滤，以便从中检索指标。 这与必须直接向其推送数据有很大不同。

基于推的方法和基于拉的方法都有各自的优点和缺点。 采用主动拉动方式主要基于以下考虑：

启用集中控制：如果向其目标发出查询，则整个配置将在服务器端完成，而不是在单个目标上完成。 确定该值和该值的频率。

使用基于推送的系统，您面临向服务器发送过多数据的风险，这可能会导致服务器崩溃。 基于拉动的系统可以通过灵活的多级过期配置实现速率控制，因此可以针对不同的目标实现多个速率。

存储聚合指标

与其他时间序列数据库不同，它不是基于事件的系统。 它并不是旨在及时捕获单个临时事件（例如服务中断），而是旨在收集有关服务的预先聚合的指标。 具体来说，它不会从Web服务发送404错误消息以及错误消息的具体内容，而是对这些消息进行处理和聚合指标。这与其他收集“原始消息”的时间序列数据库的基本区别

生态系统

主要功能仍然是时间序列数据库。 然而，在使用时间序列数据库时，它们会以自定义方式进行可视化、分析和警报。

该生态系统拥有功能丰富的工具集：

：通过配置文件中定义的自定义规则推送报警信息。 可以导出到多个端点，例如Slack等。

数据可视化：与 、 等类似，时间序列数据可以直接在 Web UI 中可视化。 轻松过滤、查看不同监控目标的信息。

服务发现：可以动态发现监控目标，并根据需要自动丢弃目标。 当在云架构中使用具有动态变化地址的容器时，这尤其方便。

技术原理及组成键值数据模型

在开始使用该工具之前，了解数据模型非常重要。 使用键值对。 键描述了在测量值时将实际测量结果存储为数字的值。

注意：不存储日志文本等原始信息，但会存储随时间推移聚合的指标。

一般来说，关键还是监控指标。 例如CPU使用率或内存使用率等。但是如果您想获得有关指标的更多详细信息怎么办？ 例如，服务器CPU有四个核心。 如果我们想分别给它们设置指标该怎么办呢？ 为此，就有了标签的概念。 标签旨在通过向指标添加其他字段来为指标提供更详细的信息。 您不需要简单地描述CPU速率，您可以指定位于某个IP的核心CPU的CPU速率。 您还可以按标签过滤指标并准确检索您要查找的内容。

测量类型

有四种基本类型的监测指标可以描述：

柜台

计数器可能是我们可以使用的最简单的指标形式。 就像它听起来的那样，计数器是一个随着时间的推移而增加的计算元素。

例如，如果您想统计服务器上的 HTTP 错误数或网站的访问量，请使用计数器。

计数器值只能递增或重置为 0。计数器对于计算一段时间内事件发生的次数（即指标随时间变化的速率）特别有用。

用于处理可能随时间减少的值。 例如温度变化、内存变化等。Gauge类型的值可以上升和下降，可以是正数或负数。

如果系统每 5 秒发送一次指标并每 15 秒获取一次目标，那么在此期间可能会丢失一些指标。 如果对这些手指进行分析计算，结果的准确度会越来越低。

使用计数器，每个值都会被聚合和计算。

直方图

直方图是一种更复杂的度量类型。 它为我们的指标提供了额外的信息，例如观察值的总和及其数量，并且通常用于跟踪事件的规模。 其值聚合在具有可配置上限的存储对象中。 使用直方图可以：

计算平均值：因为它们代表值的总和除以记录值的数量。

计算一个值的小数度量：这是一个非常强大的工具，可以让我们知道给定集合中有多少值遵循给定的标准。 当用于监控比例或建立质量指标时，这非常有用。

例如，为了监控性能指标，我们希望在 20% 的服务器请求响应时间超过 300 毫秒时收到警告。 对于涉及比例的指标，可以考虑使用直方图。

概括

摘要是直方图的扩展。 除了提供观测值的总和和计数之外，它们还提供滑动窗口上的分位数度量。 分位数是将概率密度划分为相等概率范围的方法。

比较直方图：

直方图总结随时间变化的值，提供求和和计数功能，使您可以轻松查看给定度量的趋势。

摘要给出了滑动窗口上的分位数（即随时间变化）。

这对于获取代表随时间记录的值的 95% 的值特别方便。

计算示例

随着分布式架构的不断发展和完善以及云解决方案的普及，如今的架构已经不再是几台高配置的IBM机器一起使用的时代。

分布式服务器复制和分发已成为日常架构的重要组成部分。 我们以一个经典的Web架构为例，它由2个代理服务器和3个后端Web服务器组成。 在本例中，我们想要监控 Web 服务器返回的 HTTP 错误数量。

使用该语言，单个 Web 服务器单元称为实例。 任务是计算所有实例的 HTTP 错误数。

如果您使用过基于 的数据库，您可能会熟悉它。 或者使用SQL语句。 它还具有自己的内置 SQL 查询语言，可以以方便且熟悉的方式查询和检索数据。 这种内置语言是。

正如我们之前所说，数据由键值对表示。 查询和返回结果集也使用相同的语法。

使用 sum 可以处理两种类型的向量：

立即向量：表示在最近时间戳跟踪的指标。

时间范围向量：用于使用自定义时间范围查询来查看指标随时间的演变。 结果是一个聚合了选定时间段内记录的值的向量。

API公开了一组方便查询数据操作的函数。 它可以用来实现排序、数学函数计算（如导数或指数函数）、统计预测计算（如Holt函数）等。

仪器仪表

仪器仪表是重要组成部分。 在从应用程序检索数据之前，必须对其进行检测。 该术语中的“检测”意味着将客户端类库添加到应用程序中，以便它们输出指标。 大多数主要编程语言，如 Java、Ruby、Go 甚至 Node 或 C# 应用程序都可以进行检测。

在检测操作时，您需要创建可以动态递增或递减的内存对象（例如仪表或计数器）。 然后选择公开指标的位置。 该位置将被获取并存储到时间序列数据库中。

模版

对于自定义应用程序，检测非常方便，允许自定义公开的指标以及它们如何随时间变化。

对于一些广泛使用的应用程序、服务器或数据库，提供了专门的应用程序模板，可用于监视目标。

其中许多模板都使用镜像，并且可以轻松配置为监视目标。 他们会预设常用的指示灯和面板，监控配置可以在几分钟内完成。

常见的模板包括：

数据库模板：用于数据库、SQL服务器、MySQL服务器的配置。

HTTP模板：用于配置Web服务器和代理，例如NGINX。

Unix模板：用于监控系统性能，利用内置的节点导出程序，可以实现对系统指标的完整监控。

警报

在处理时序数据库时，我们希望对数据进行处理并反馈结果，而这部分工作是通过报警来实现的。

警报在 中非常常见，并且也通过实施完整的警报系统来实现。 是一个可以绑定并运行自定义的独立工具。 警报是通过配置文件来定义的，配置文件由一组指标定义规则组成。 如果数据符合这些规则，则会触发警报并将其发送到预定义的目标。 与警报类似，警报可以通过电子邮件、Slack 和自定义 HTTP 目标发送。

普罗米修斯用例

我们最后要讲的用例是可以使用这个系统的各行各业。

专为系统、数据库和服务器而构建，主要目标显然是行业。 该领域有很多供应商和很多解决方案。 这无疑是一个理想的解决方案。 云基础设施下的实例非常容易启动和运行，并且可以根据需要灵活组装所需的组件。 这使其成为严重依赖容器和分布式架构的工具堆栈的理想解决方案。 在实例创建和销毁速度一样快的容器世界中，服务发现是每个堆栈的必备条件。

医疗保险

如今，监控解决方案不仅仅适用于 IT 专业人员。 它们还用于支持大型行业，为医疗保健行业提供弹性且可扩展的架构。 随着需求越来越大，部署的IT架构必须满足这种需求。 如果没有可靠的方法来监控整个基础设施，您将面临大规模服务中断的风险，而这是可以防范的。 网站上有很多这样的例子。

金融服务业

InfoQ 会议上讨论了金融机构的解决方案。 Jamie 和 Alan 描述了他们如何使用监控 Trust 的基础设施。

总结

在这篇文章中，我们介绍了分布式监控系统的介绍、原理和用例。 我们希望大家能够熟悉这个工具，并在未来的架构和实践中用它来解决系统和应用程序的监控问题。