chanong （以下简称 Proud）的作者 Matt T. Proud 于 2012 年加入公司，他从互联网的监控系统中获得灵感，与另一位工程师 Volz 合作开发了开源 Proud。 后来其他开发者逐渐加入，该项目终于在2015年正式发布。
Puro基于Go语言开发，其架构图如下：
在：
1、如何采集监测数据？
要采集目标（主机或服务）的监控数据，首先必须在要采集的目标上安装采集组件。 这个集合组件被称为。 .io官网上有很多这样的，比如：
()
()
MySQL()
节点/（）
()
格罗克
()
这些可以为我们收集目标监控数据，然后传输给。 这时会暴露一个http接口，使用Pull方法通过HTTP协议定期拉取相应的数据。
不过，也提供了Push模式进行数据传输。 通过添加Push中介，可以将数据推送到Push，通过Pull从Push中获取数据。
这就是为什么你可以在架构图中看到两个 Pull。 一是收集器直接拉取数据（pull）； 另一种是收集器主动将数据推送到Push，然后主动从Push中拉取数据（pull）。 ）。
采集数据的主要流程如下：
1.定期从静态配置的主机或服务发现（、DNS SRV等）中提取数据
2. 当新拉取的数据大于配置的内存缓存区域时，数据将持久化到磁盘或远程到云端。
3.通过API等可视化组件展示数据。
4.您可以配置规则，然后定期查询数据。 当条件触发时，警报将推送至配置的警报。
5. 当收到告警时，根据配置进行聚合、去重、去噪，最后发出警告。
2. 采集数据结构及指标类型 2.1 数据结构
了解的数据结构对于了解整个生态非常重要。 Pro 使用键值对作为其基本数据结构：
Key是指标的名称，Value是指标的值。 另外（元信息）也很重要，也可以称为（标签信息）。 该标签信息指定了当前值属于哪个云区域的哪台机器。 否则，数据可能会丢失。
2.2 指标类型
中有4种基本的监控指标：
1.（柜台）：
计数器是我们最简单的指标类型。 例如，如果您想统计某个网站上的 HTTP 错误总数，请使用计数器。
计数器的值只能增加或重置为0，因此特别适合统计某一段时间内某一时刻出现的次数，即指标随时间的变化情况。
2.
可用于处理随时间增加或减少的指标，例如内存变化和温度变化。
这可能是最常见的指标类型，但它也有一定的缺点：如果系统每 5 秒发送一次指标，而通用服务每 15 秒获取一次数据，则在此期间可能会丢失一些指标。 如果根据这些数据进行汇总分析和计算，结果的准确性就会下降。
3.(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。
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 毫秒时发送警报。 对于涉及比例的指标，可以考虑使用直方图。
4.（摘要）
摘要更高级一些，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：
1. 直方图总结随时间变化的值，提供求和和计数函数，可以轻松查看给定指标的趋势。
2. 摘要给出了滑动窗口上的分位数（即随时间变化）。
3. 实例概念
随着分布式架构的不断发展和云解决方案的普及，如今的架构变得越来越复杂。
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3个后端Web服务器组成。 在此示例中，我们要监控 Web 服务器返回的 HTTP 错误数。
使用语言，单个Web服务器单元称为实例（主机实例）。 任务是计算所有实例的 HTTP 错误数。
事实上，这甚至可以说是最简单的架构。 如果更复杂的话，实例不仅可以是主机实例，还可以是服务实例，所以需要添加标签来标记主机或服务。
更复杂一点的是，同一个IP可能存在于不同的云区域，属于不同的机器，所以需要一个云标签。 最终数据结构可能会变成：
{作业=“1”，=“128.0.0.1”，云=“0”，=“0”}
4. 数据可视化
如果您使用过基于 . 还拥有自己的内置 SQL 查询语言，用于查询和检索数据。 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。
将处理两种类型的向量：
瞬时向量：表示当前时刻某个指标的数据向量。
时间范围向量：表示某个指标在过去一定时间范围内的数据向量。
以8核CPU的使用情况为例：
一旦您知道如何提取数据，将其可视化就很容易了。
它是一个大型可视化系统，功能强大，足以创建您自己的自定义面板，支持多种数据源，当然也支持 。
通过配置数据源，将使用相应的SQL来拉取和绘制图表，可以直接看到的各种指标数据图表：
更方便的是，有很多仪表板模板供您使用。 只要对模板进行简单的配置，就可以得到如下效果：
5、应用前景
功能非常强大，可以应用到各行各业。
5.1
为了观察整个服务系统是否正常运行，运维需要监控系统。 在实例创建与销毁一样快的容器世界中，为各种容器灵活配置监控项并快速安装并启动监控非常重要。
5.2 金融业
金融服务巨头 Trust 在 2017 年 6 月选择了 ，不是为了应用程序监控，而是为了更好地了解其某些硬件的运行情况。 Trust 使用 监控其平台上的 750 多个微服务。
5.3汽车行业
它是一款用于定位、驾驶安全以及家庭成员之间共享信息的移动应用程序。 他们需要为用户提供稳定的定位服务，但原有的监控方案非常有限，无法监控所有部件的工作状态。
因此该公司使用 来监控其 MySQL 多主集群和一个可容纳约 4TB 数据的 12 节点环。 在初始测试中表现良好。
在对 进行有限部署后，该公司报告在监控方面取得了巨大改进，并设想在其数据中心基础设施的其他部分使用它。
总而言之，像这样的分布式监控系统在未来的世界中可能会变得越来越有用。 它可能会成为监控领域的寡头。 我希望我们能够熟悉这个工具并在未来的架构中使用它。 并在实践中使用它来解决系统和应用程序监控问题。
我们的文章到这里就结束了。 如果您喜欢今天的实用教程，请继续关注实用指南。
如果您有任何疑问，可以在公众号后台回复：进群，回答红字对应的验证信息，进入互助群提问。
原创并不容易。 希望大家能够点赞并观看下面的内容，以支持我继续创作。 谢谢你！
微信扫一扫打赏
支付宝扫一扫打赏
