一、前言

cAdvisor源码
node exporter源码

prometheus：
官方文档
PromQL文档
prometheus源码
报警管理器文档
报警管理器源码
中文文档

二、cAdvisor

cAdvisor让容器用户了解容器的资源使用情况和性能特征。用于收集、聚合、处理和导出有关正在运行的容器的信息。它为每个容器保存资源隔离参数、历史资源使用情况、完整历史资源使用直方图和网络统计信息。

简而言之：对容器进行实时监控和性能数据采集，包括CPU、内存、网络、文件系统等资源的使用情况。

2.1、安装cAdvisor

1. 下载二进制文件：

wget  https://github.com/google/cadvisor/releases/download/v0.46.0/cadvisor-v0.46.0-linux-amd64

2. 编写Dockerfile构建容器（Dockerfile）。

# ubuntu作为基础镜像
FROM ubuntu:latest
LABEL cadvisor 0.46.0
# 将下载的二进制文件复制到容器里
COPY ./cadvisor-v0.46.0-linux-amd64 /usr/bin/cadvisor
# 赋予权限
RUN chmod +x /usr/bin/cadvisor
# 指定程序入口，这里使用ENTERYPOINT而不使用CMD的原因是cadvisor启动时有很多的启动参数，
# 使用CMD会需要指定太多参数，不够简洁。
ENTRYPOINT ["/usr/bin/cadvisor"]

3. 构建镜像。

docker build -t cadvisor:0.46.0 .

4. 运行容器。

docker run \
--volume=/:/rootfs:ro \
--volume=/var/run:/var/run:ro \
--volume=/sys:/sys:ro \
--volume=/var/lib/docker/:/var/lib/docker:ro \
--volume=/dev/disk/:/dev/disk:ro \
--publish=8080:8080 \
--detach=true \
--name=cadvisor \
--userns=host \
--privileged \
--device=/dev/kmsg \
cadvisor:0.46.0

5. web访问监控图标。

http://localhost:8080

2.2、使用Prometheus监控cAdvisor

cAdvisor将容器和硬件统计数据公开为Prometheus开箱即用的指标。默认情况下，这些指标在http端点的/metrics路径下。例如：http://192.168.0.106:8080/metrics。可以通过设置-
prometheus_endpoint和-disable_metrics或-enable_metrics命令行标志来自定义此端点：

1. -disable_metrics：要禁用的指标的逗号分隔列表。选项包括：
   accelerator,advtcp,app,cpu,cpuLoad,cpu_topology,cpuset,disk,diskIO,hugetlb,memory,memory_numa,network,oom_event,percpu,perf_event,process,referenced_memory,resctrl,sched,tcp,udp。默认值：
   advtcp,cpu_topology,cpuset,hugetlb,memory_numa,process,referenced_memory,resctrl,sched,tcp,udp。
2. -enable_metrics：要启用的指标的逗号分隔列表，如果设置则覆盖-disable_metrics选项。选项包括：
   accelerator,advtcp,app,cpu,cpuLoad,cpu_topology,cpuset,disk,diskIO,hugetlb,memory,memory_numa,network,oom_event,percpu,perf_event,process,referenced_memory,resctrl,sched,tcp,udp。
3. -prometheus_endpoint：暴露普罗米修斯指标的端点（默认为“/metrics”）。
4. 示例：

docker run \
--volume=/:/rootfs:ro \
--volume=/var/run:/var/run:ro \
--volume=/sys:/sys:ro \
--volume=/var/lib/docker/:/var/lib/docker:ro \
--volume=/dev/disk/:/dev/disk:ro \
--publish=8080:8080 \
--detach=true \
--name=cadvisor \
--userns=host \
--privileged \
--device=/dev/kmsg \
cadvisor:0.46.0 -disable_metrics cpu,cpuLoad

2.3、cAdvisor暴露的Prometheus指标

容器指标：

1. 文档。
2. 指标：
   

硬件指标：

1. 文档。
2. 指标：
   

三、Node Exporter

Node Exporter 是prometheus官方提供的agent，项目被托管在prometheus的账号之下。用于收集主机的硬件和操作系统指标。

3.1、安装Node Exporter

1. 启动容器，默认端口为9100

# 安装Node Exporter 来收集硬件信息
docker run -d \
--net="host" \
--pid="host" \
--userns="host" \
-v "/:/host:ro,rslave" \
--name node_exporter \
quay.io/prometheus/node-exporter:latest \
--path.rootfs=/host

2. 访问http端点，查看指标

http://192.168.0.106:9100/metrics

3. –collector. 启用指标，–no-collector. 禁用指标，–collector.disable-defaults 禁用所有默认启用的指标。例如：

docker run -d \
--net="host" \
--pid="host" \
--userns="host" \
-v "/:/host:ro,rslave" \
--name node_exporter \
quay.io/prometheus/node-exporter:latest \
--path.rootfs=/host \
--collector.disable-defaults \
--collector.arp --collector.bcache

3.2、指标

默认启用指标：

1. 文档
2. 指标：
   

默认禁用指标：

1. 文档
2. 禁用指标的原因：高基数；运行时长超过Prometheus scrap_interval或scrap_timeout设置的时长；对主机资源消耗巨大。因此，启用默认禁用指标需慎重，按需启用。
3. 指标：
   

四、Prometheus

一个开源的监控和报警系统，通过定时收集采集端的数据，经过计算存入到时序数据库。通过PromQL对时序数据库中的指标进行计算，从而分析出系统的状态。通过定时评估指定的基于PromQL的表达式从而实现警告的触发。

4.1、安装

（1）配置文件（promethus.yml），配置的编写可以参考官网的说明。

global:# 每20s获取一次数据指标scrape_interval: 20s# 获取数据超时时长 10sscrape_timeout: 10s# 规则评估评率，即计算指标是否有触发规则的计算频率evaluation_interval: 20s
# 规则文件，从所有匹配的文件中读取规则和警报
rule_files:- "alertRule.yml"- "recordRule.yml"
# 采集配置列表
scrape_configs:
- job_name: 'cadvisor'static_configs:- targets:- 192.168.0.106:8080
- job_name: 'node'static_configs:- targets:- 192.168.0.106:9100- 192.168.0.142:9100- 192.168.0.143:9100
- job_name: 'prometheus'static_configs:- targets:- 192.168.0.106:9090
# 报警管理
alerting:alertmanagers:- static_configs:- targets: ['192.168.20.106:9093']

（2）启动容器。

docker run -itd --name prometheus -p 9090:9090 \
-v /opt/prometheus:/etc/prometheus \
prom/prometheus --config.file=/etc/prometheus/prometheus.yml

（3）访问端点：http://192.168.0.106:9090
（4）指标类型：

• Counter：计数器，只增不减，用于描述某个指标的累计状态。比如cpu总使用时长：node_cpu_seconds_total
• Gauge：可增可减的计量器，用于描述某个指标的当前状态，比如空闲内存空间：node_memory_MemFree_bytes

（5）5分钟CPU使用率表达式，1 - 5分钟内增量空闲CPU/5分钟内增量总CPU ，按instance分组。由于node_cpu_seconds_total指标是一个counter类型，所以该指标是一直累计CPU使用量，因此需要以增量来获取CPU的量。表达式如下：

100- sum(increase(node_cpu_seconds_total{mode="idle"}[5m])) by (instance)/sum(increase(node_cpu_seconds_total[5m])) by (instance) * 100

（6） 机器平均负载，node_load1 1分钟平均负载，node_load5 5分钟平均负载，node_load15 15分钟平均负载。

node_load1
node_load5
node_load15

（7）内存使用率，node_memory_MemTotal_bytes 总内存，node_memory_MemFree_bytes 空闲内存，node_memory_Buffers_bytes 缓冲缓存，node_memory_Cached_bytes 页面缓存。公式：总内存 -（空闲内存 + 缓冲缓存 + 页面缓存））/ 总内存 * 100。

(node_memory_MemTotal_bytes - (node_memory_MemFree_bytes + node_memory_Buffers_bytes+node_memory_Cached_bytes ))/node_memory_MemTotal_bytes * 100

（8） 磁盘空间使用率，node_filesystem_avail_bytes 可用字节数 ，node_filesystem_size_bytes 总字节数。

node_filesystem_avail_bytes{mountpoint="/"} / node_filesystem_size_bytes{mountpoint="/"} * 100

4.2、规则配置

（1）规则检查：

promtool check rules /path/to/example.rules.yml

（2）记录规则：

roups:
- name: RecordCpurules:- record: Cpu15mRateexpr: 100- sum(increase(node_cpu_seconds_total{mode="idle"}[15m])) by (instance)/sum(increase(node_cpu_seconds_total[15m])) by (instance) * 100labels:CpuRate: 15

（3）报警规则：

groups:
# 组名
- name: node_health# 规则rules:# 报警名称- alert: InstanceDown# 基于PromQL的条件表达式expr: up == 0# 评估等待时间，表示，触发条件表达式后，等待一段时间发送报警信息for: 1m# 自定义label 标签labels:NodeHealth: false# 附加信息，比如详细的描述报警情况annotations:# 摘要summary: "Instance {{ $labels.instance }} down"# 详情  description: " {{ $labels.instance }} of job {{ $labels.job }} has been down for more than 1 minutes "
- name: node_resourcerules:- alert: Cpu5mRateexpr: 100- sum(increase(node_cpu_seconds_total{mode="idle"}[5m])) by (instance)/sum(increase(node_cpu_seconds_total[5m])) by (instance) * 100 > 2labels:CpuRate: hightannotations:# 摘要summary: "Instance {{ $labels.instance }} 5分钟CPU使用率过高"# 详情description: " {{ $labels.instance }} of job {{ $labels.job }} 5分钟CPU使用率过高 "
- alert: NodeLoad15expr: node_load15 > 0.8labels:NodeLoad15: hightannotations:# 摘要summary: "Instance {{ $labels.instance }} 15分钟平均负载过高请留意"# 详情description: " {{ $labels.instance }} of job {{ $labels.job }} 15分钟平均负载过高 "
- alert: MemRateexpr: (node_memory_MemTotal_bytes - (node_memory_MemFree_bytes + node_memory_Buffers_bytes+node_memory_Cached_bytes ))/node_memory_MemTotal_bytes * 100 > 20labels:NodeMemRate: hightannotations:# 摘要summary: "机器内存使用率过高"# 详情description: "机器内存使用率超过20%，请留意"
- alert: DiskRateexpr: node_filesystem_avail_bytes{mountpoint="/"} / node_filesystem_size_bytes{mountpoint="/"} * 100 > 80labels:DiskRate: hightannotations:# 摘要summary: "机器磁盘使用率过高"# 详情description: "机器磁盘使用率超过80%，请留意"

（4）配置文件中指定规则文件：

rule_files:- "alertRule.yml"- "recordRule.yml"

4.3、报警管理器

报警管理器负责接收prometheus产生的报警，对报警消息进行管理。
例如：

• 去重：对同时触发的多个相同的警报去重。
• 分组：同一个组的所有警报信息将被合并为一个警报通知，避免一次性接收大量的警告通知。
• 路由：可根据情况配置路由，通知不同角色的运维人员。
• 抑制：当某一个警告发出后，可以停止重复发送由此警告引发的其他警告。
• 静默：被静默的标签将不会进行警告通知。

（1）启动报警管理器。

docker run --name alertmanager -d -p 9093:9093 quay.io/prometheus/alertmanager

（2）添加配置到prometheus 配置文件。

# 报警管理
alerting:alertmanagers:- static_configs:- targets: ['192.168.0.106:9093']

（3） 访问http://192.168.0.106:9093可查看报警信息。

五、grafana

一个开源的监控系统Web UI ，支持多种数据源。支持自定义看板，以及采用官方现有数据看板。

1. 源码地址
2. 官网
3. 安装使用，默认用户名：admin 默认密码：admin。

docker run -d -p 3000:3000 --name=grafana -v /var/lib/grafana grafana/grafana-enterprise

4. 几个现有的grafana 模板：

1860 、9276、193、11600

5. 去官网挑选模板：