05｜Prometheus中有哪些关键设计？

2023-01-18 秦晓辉

《运维监控系统实战笔记》

课程介绍



讲述：秦晓辉

时长:大小14.01M



你好，我是秦晓辉。
上一讲我们介绍了如何搭建 Prometheus 系统，演示了基本的使用方法，这一讲我们深入进去，梳理一下 Prometheus 的关键设计，看看这些设计是如何奠定 Prometheus 江湖地位的。
标准先行，注重生态Prometheus 最重要的规范就是指标命名方式，数据格式简单易读，在第 2 讲中我们已经聊过了，它用标签集来标识指标。有些监控系统会把一些特殊的字段单独提出来，最典型的就是 hostname 字段，这种做法在一些特定场景会显得更有效。但是显然，统一的标签集表达方式是最通用、最灵活的。<...



展开全文

精选留言

叶夏
2023-01-19 来自江苏
可以把Prometheus的配置yaml和告警规则yaml单独放到一个代码仓库中，把这个仓库向有需要的人开放，如果他们想要添加某一个规则，就自己修改提交PR，提交PR的部署到测试环境，验证没有问题，prometheus owner 审核PR之后合并到master分支中，这个时候在自动部署到生产环境，我们是这么做的，感觉蛮好的
作者回复: 👍
共 2 条评论
18
Ishmael
2023-01-19 来自四川
我觉得最绝的还是限制值必须为float这点，限制死了之后保证了数据的高压缩度，进一步保证了计算性能和存储空间的节省。同时wal和分级存储也很绝，kv设计的思路也很不错。tag这个设计在实际接入中帮了大忙。
作者回复: 👍
4
那时刻
2023-01-18 来自北京
Prometheus 数据的存储按冷热数据进行分离，最近的数据肯定是看的最多的，所以缓存在内存里面，为了防止宕机而导致数据丢失因而引入 wal 来做故障恢复。数据超过一定量之后会从内存里面剥离出来以 chunk 的形式存放在磁盘上这就是 head chunk。对于更早的数据会进行压缩持久化变成 block 存放到磁盘中。对于 block 中的数据由于是不会变的，数据较为固定，所以每个 block 通过 index 来索引其中的数据，并且为了加快数据的查询引用倒排索引，便于快速定位到对应的 chunk。
作者回复: 👍
4
胡飞
2023-01-29 来自上海
在k8s模式下部署，配置采用yaml缺点就出来了，一套环境大家都有弄，改错了，甚至缩进写错了都会造成pod重启失败。后面采用servicemonitor/podmonitor 感觉就好多了
作者回复: 👍🏻
1
Ppppppp
2023-03-05 来自江苏
对于一些特殊场景导致的promql 0/0 的情况，在老东家遇到过windows实例 cpu利用率偶尔出现0/0的情况。这种0/0好像promql没有很好的处理方法（后来排查问题大概率是镜像有bug），当时是用"or"临时解决了问题现在想想，采集侧是否可以加入数据预处理呢？比如说遇到极度不合理的数值给他一个默认值？希望秦老师解答 🤣🤣🤣🤣
作者回复: 采集侧可以处理，也可以不处理，差别不太大 :)
lei
2023-02-14 来自浙江
在pull的时候是单线程还是多线程，这方面会出现瓶颈吗
作者回复: target多了会有瓶颈，如果有瓶颈了可以拆分采集器
Geek_a99361
2023-01-29 来自北京
Prometheus使用本地存储的方式有一些局限性，远端存储有什么推荐？比如 clickhouse或者influxDB
作者回复: 后面的章节会介绍如何扩展Prometheus的存储，个人推荐VictoriaMetrics
irving
2023-01-29 来自上海
telegraf是拉模式吗？telegraf中的各个plugin都要配置influxdb的地址，应该是push模式吧
作者回复: 是推模式，不是各个plugin都配置influxdb的地址，所有input的plugin都无需配置influxdb地址，只要配置一个output的plugin写入后端时序库就可以了
hshopeful
2023-01-19 来自湖北
基于gorilla的时序数据压缩算法很经典
作者回复: 👍
peter
2023-01-18 来自北京
Q1：Prometheus是用什么开发的？JAVA吗？ Q2：Prometheus代码规模有多大？百万行代码？
作者回复: prometheus用go写的，我没做具体统计，整体代码量不大