Prometheus監(jiān)控業(yè)務(wù)指標(biāo)詳解

Prometheus 監(jiān)控業(yè)務(wù)指標(biāo)

在 Kubernetes 已經(jīng)成了事實(shí)上的容器編排標(biāo)準(zhǔn)之下，微服務(wù)的部署變得非常容易。但隨著微服務(wù)規(guī)模的擴(kuò)大，服務(wù)治理帶來的挑戰(zhàn)也會(huì)越來越大。在這樣的背景下出現(xiàn)了服務(wù)可觀測性（observability）的概念。

在分布式系統(tǒng)里，系統(tǒng)的故障可能出現(xiàn)在任何節(jié)點(diǎn)，怎么能在出了故障的時(shí)候快速定位問題和解決問題，甚至是在故障出現(xiàn)之前就能感知到服務(wù)系統(tǒng)的異常，把故障扼殺在搖籃里。這就是可觀測性的意義所在。

可觀測性

可觀測性是由 logging, metrics, tracing 構(gòu)建的, 簡稱為可觀測性三支柱。

Lgging，展現(xiàn)的是應(yīng)用運(yùn)行而產(chǎn)生的事件或者程序在執(zhí)行的過程中間產(chǎn)生的一些日志，可以詳細(xì)解釋系統(tǒng)的運(yùn)行狀態(tài)，但是存儲(chǔ)和查詢需要消耗大量的資源。所以往往使用過濾器減少數(shù)據(jù)量。

Metrics，是一種聚合數(shù)值，存儲(chǔ)空間很小，可以觀察系統(tǒng)的狀態(tài)和趨勢，但對于問題定位缺乏細(xì)節(jié)展示。這個(gè)時(shí)候使用等高線指標(biāo)等多維數(shù)據(jù)結(jié)構(gòu)來增強(qiáng)對于細(xì)節(jié)的表現(xiàn)力。例如統(tǒng)計(jì)一個(gè)服務(wù)的 TBS 的正確率、成功率、流量等，這是常見的針對單個(gè)指標(biāo)或者某一個(gè)數(shù)據(jù)庫的。

Tracing，面向的是請求，可以輕松分析出請求中異常點(diǎn)，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(shù)據(jù)量。比如一次請求的范圍，也就是從瀏覽器或者手機(jī)端發(fā)起的任何一次調(diào)用，一個(gè)流程化的東西，我們需要軌跡去追蹤。

這篇文章討論的主題就是可觀測性中的 metrics。在 k8s 作為基礎(chǔ)設(shè)施的背景下，我們知道 K8s 本身是個(gè)復(fù)雜的容器編排系統(tǒng)，它本身的穩(wěn)定運(yùn)行至關(guān)重要。與之相伴的指標(biāo)監(jiān)控系統(tǒng) Promethues 也已經(jīng)成為了云原生服務(wù)下監(jiān)控體系的事實(shí)標(biāo)準(zhǔn)。

相信大家對資源層面比如 CPU，Memory，Network；應(yīng)用層面比如 Http 請求數(shù)，請求耗時(shí)等指標(biāo)的監(jiān)控都有所了解。那么業(yè)務(wù)層面的指標(biāo)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(nèi)容。

以我們一個(gè)業(yè)務(wù)場景為例，在系統(tǒng)中有多種類型的 task 在運(yùn)行，并且 task 的運(yùn)行時(shí)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(tǒng)的穩(wěn)定運(yùn)行，我們必須對各個(gè)類型的 task 的運(yùn)行狀況了如指掌。比如當(dāng)前是否有任務(wù)擠壓，失敗任務(wù)是否過多，并且當(dāng)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(biāo)類型

指標(biāo)

指標(biāo)定義

在形式上，所有的指標(biāo)（Metric）都通過如下格式標(biāo)示：

{=, ...}

指標(biāo)的名稱（metric name）可以反映被監(jiān)控樣本的含義（比如，http_request_total- 表示當(dāng)前系統(tǒng)接收到的HTTP請求總量）。指標(biāo)名稱只能由ASCII字符、數(shù)字、下劃線以及冒號(hào)組成并必須符合正則表達(dá)式[a-zA-Z_:][a-zA-Z0-9_:]*。

標(biāo)簽（label）反映了當(dāng)前樣本的特征維度，通過這些維度Prometheus可以對樣本數(shù)據(jù)進(jìn)行過濾，聚合等。標(biāo)簽的名稱只能由ASCII字符、數(shù)字以及下劃線組成并滿足正則表達(dá)式[a-zA-Z_][a-zA-Z0-9_]*。

指標(biāo)類型

Prometheus定義了4種不同的指標(biāo)類型（metric type）：Counter（計(jì)數(shù)器）、Gauge（儀表盤）、Histogram（直方圖）、Summary（摘要）。

Counter

Counter類型的指標(biāo)其工作方式和計(jì)數(shù)器一樣，只增不減（除非系統(tǒng)發(fā)生重置）。常見的監(jiān)控指標(biāo)，如http_requests_total，node_cpu都是 Counter 類型的監(jiān)控指標(biāo)。一般在定義Counter類型指標(biāo)的名稱時(shí)推薦使用_total作為后綴。

通過 counter 指標(biāo)我們可以和容易的了解某個(gè)事件產(chǎn)生的速率變化。

例如，通過rate()函數(shù)獲取HTTP請求量的增長率：

rate(http_requests_total[5m])

Gauge

Gauge類型的指標(biāo)側(cè)重于反應(yīng)系統(tǒng)的當(dāng)前狀態(tài)。因此這類指標(biāo)的樣本數(shù)據(jù)可增可減。常見指標(biāo)如：node_memory_MemFree（主機(jī)當(dāng)前空閑的內(nèi)容大?。?、node_memory_MemAvailable（可用內(nèi)存大?。┒际荊auge類型的監(jiān)控指標(biāo)。

通過Gauge指標(biāo)，我們可以直接查看系統(tǒng)的當(dāng)前狀態(tài)

node_memory_MemFree

Summary

Summary 主用用于統(tǒng)計(jì)和分析樣本的分布情況。比如某 Http 請求的響應(yīng)時(shí)間大多數(shù)都在 100 ms 內(nèi)，而個(gè)別請求的響應(yīng)時(shí)間需要 5s，那么這中情況下統(tǒng)計(jì)指標(biāo)的平均值就不能反映出真實(shí)情況。而如果通過 Summary 指標(biāo)我們能立馬看響應(yīng)時(shí)間的9分位數(shù)，這樣的指標(biāo)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(biāo)同樣用于統(tǒng)計(jì)和樣本分析。與 Summary 類型的指標(biāo)相似之處在于 Histogram 類型的樣本同樣會(huì)反應(yīng)當(dāng)前指標(biāo)的記錄的總數(shù)(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(biāo)直接反應(yīng)了在不同區(qū)間內(nèi)樣本的個(gè)數(shù)，區(qū)間通過標(biāo)簽len進(jìn)行定義。同時(shí)對于Histogram的指標(biāo)，可以通過histogram_quantile()函數(shù)計(jì)算出其值的分位數(shù)。

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(yīng)用指標(biāo)監(jiān)控

暴露指標(biāo)

Prometheus 最常用的方式是通過 pull 去抓取 metrics。所以我們首先在服務(wù)通過/metrics接口暴露指標(biāo)，這樣 Promethues server 就能通過 http 請求抓取到我們的業(yè)務(wù)指標(biāo)。

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(biāo)

為了方便理解，這里選取了三種類型和兩種業(yè)務(wù)場景的指標(biāo)
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(shí)
    // 指標(biāo)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(shù)
    // 指標(biāo)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(dāng)前在執(zhí)行的 task 數(shù)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,
    )
}

通過上述的代碼我們就定義并且注冊了我們的想要監(jiān)控的指標(biāo)。

生成指標(biāo)

示例

start := time.Now()
c.Next()




duration := float64(time.Since(start)) / float64(time.Second)




path := c.Request.URL.Path




// 請求數(shù)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(shí)間
controllers.HTTPReqDuration.With(prometheus.Labels{    
    "method": c.Request.Method,    
    "path":   path,
}).Observe(duration)




// 模擬新建任務(wù)
controllers.TaskRunning.With(prometheus.Labels{    
    "type":  shuffle([]string{"video", "audio"}),    
    "state": shuffle([]string{"process", "queue"}),
}).Inc()




// 模擬任務(wù)完成
controllers.TaskRunning.With(prometheus.Labels{    
    "type":  shuffle([]string{"video", "audio"}),    
    "state": shuffle([]string{"process", "queue"}),
}).Dec()

抓取指標(biāo)

Promethues 抓取 target 配置

# 抓取間隔
scrape_interval: 5s




# 目標(biāo)
scrape_configs:
  - job_name: 'prometheus'
    static_configs:
      - targets: ['prometheus:9090']
  - job_name: 'local-service'
    metrics_path: /metrics
    static_configs:
      - targets: ['host.docker.internal:8000']

在實(shí)際應(yīng)用中靜態(tài)配置 target 地址不太適用，在 k8s 下 Promethues通過與 Kubernetes API 集成目前主要支持5種服務(wù)發(fā)現(xiàn)模式，分別是：Node、Service、Pod、Endpoints、Ingress。

指標(biāo)展示如下圖：

審核編輯：湯梓紅