使用 Promethues 實(shí)現(xiàn)應(yīng)用監(jiān)控的一些實(shí)踐

在這篇文章^[1]中我們介紹了如何利用 Prometheus 監(jiān)控應(yīng)用。在后續(xù)的工作中隨著監(jiān)控的深入，我們結(jié)合自己的經(jīng)驗(yàn)和官方文檔總結(jié)了一些 Metrics 的實(shí)踐。希望這些實(shí)踐能給大家提供參考。

確定監(jiān)控對(duì)象

在具體設(shè)計(jì) Metrics 之前，首先需要明確需要測(cè)量的對(duì)象。需要測(cè)量的對(duì)象應(yīng)該依據(jù)具體的問(wèn)題背景、需求和需監(jiān)控的系統(tǒng)本身來(lái)確定。

從需求出發(fā)

Google 針對(duì)大量分布式監(jiān)控的經(jīng)驗(yàn)總結(jié)出四個(gè)監(jiān)控的黃金指標(biāo)，這四個(gè)指標(biāo)對(duì)于一般性的監(jiān)控測(cè)量對(duì)象都具有較好的參考意義。這四個(gè)指標(biāo)分別為：

• 延遲：服務(wù)請(qǐng)求的時(shí)間。
• 通訊量：監(jiān)控當(dāng)前系統(tǒng)的流量，用于衡量服務(wù)的容量需求。
• 錯(cuò)誤：監(jiān)控當(dāng)前系統(tǒng)所有發(fā)生的錯(cuò)誤請(qǐng)求，衡量當(dāng)前系統(tǒng)錯(cuò)誤發(fā)生的速率。
• 飽和度：衡量當(dāng)前服務(wù)的飽和度。主要強(qiáng)調(diào)最能影響服務(wù)狀態(tài)的受限制的資源。例如，如果系統(tǒng)主要受內(nèi)存影響，那就主要關(guān)注系統(tǒng)的內(nèi)存狀態(tài)。以上四種指標(biāo)，其實(shí)是為了滿(mǎn)足四個(gè)監(jiān)控需求：
• 反映用戶(hù)體驗(yàn)，衡量系統(tǒng)核心 ? 性能。如：在線(xiàn)系統(tǒng)的時(shí)延，作業(yè)計(jì)算系統(tǒng)的作業(yè)完成時(shí)間等。
• 反映系統(tǒng)的吞吐量。如：請(qǐng)求數(shù)，發(fā)出和接收的網(wǎng)絡(luò)包大小等。
• 幫助發(fā)現(xiàn)和定位故障和問(wèn)題。如：錯(cuò)誤計(jì)數(shù)、調(diào)用失敗率等。
• 反映系統(tǒng)的飽和度和負(fù)載。如：系統(tǒng)占用的內(nèi)存、作業(yè)隊(duì)列的長(zhǎng)度等。除了以上常規(guī)需求，還可根據(jù)具體的問(wèn)題場(chǎng)景，為了排除和發(fā)現(xiàn)以前出現(xiàn)過(guò)或可能出現(xiàn)的問(wèn)題，確定相應(yīng)的測(cè)量對(duì)象。比如，系統(tǒng)需要經(jīng)常調(diào)用的一個(gè)庫(kù)的接口可能耗時(shí)較長(zhǎng)，或偶有失敗，可制定 Metrics 以測(cè)量這個(gè)接口的時(shí)延和失敗數(shù)。

從需要監(jiān)控的系統(tǒng)出發(fā)

為了滿(mǎn)足相應(yīng)的需求，不同系統(tǒng)需要觀(guān)測(cè)的測(cè)量對(duì)象也是不同的。在 官方文檔 的最佳實(shí)踐中，將需要監(jiān)控的應(yīng)用分為了三類(lèi)：

• 線(xiàn)上服務(wù)系統(tǒng)（Online-serving systems）：需對(duì)請(qǐng)求做即時(shí)的響應(yīng)，請(qǐng)求發(fā)起者會(huì)等待響應(yīng)。如 web 服務(wù)器。
• 線(xiàn)下計(jì)算系統(tǒng)（Offline processing）：請(qǐng)求發(fā)起者不會(huì)等待響應(yīng)，請(qǐng)求的作業(yè)通常會(huì)耗時(shí)較長(zhǎng)。如批處理計(jì)算框架 Spark 等。
• 批處理作業(yè)（Batch jobs）：這類(lèi)應(yīng)用通常為一次性的，不會(huì)一直運(yùn)行，運(yùn)行完成后便會(huì)結(jié)束運(yùn)行。如數(shù)據(jù)分析的 MapReduce 作業(yè)。對(duì)于每一類(lèi)應(yīng)用其通常情況下測(cè)量的對(duì)象是不太一樣的。其總結(jié)如下：
• 線(xiàn)上服務(wù)系統(tǒng)：主要有請(qǐng)求、出錯(cuò)的數(shù)量，請(qǐng)求的時(shí)延等。
• 線(xiàn)下計(jì)算系統(tǒng)：最后開(kāi)始處理作業(yè)的時(shí)間，目前正在處理作業(yè)的數(shù)量，發(fā)出了多少 items， 作業(yè)隊(duì)列的長(zhǎng)度等。
• 批處理作業(yè)：最后成功執(zhí)行的時(shí)刻，每個(gè)主要 stage 的執(zhí)行時(shí)間，總的耗時(shí)，處理的記錄數(shù)量等。

除了系統(tǒng)本身，有時(shí)還需監(jiān)控子系統(tǒng)：

• 使用的庫(kù)（Libraries）: 調(diào)用次數(shù)，成功數(shù)，出錯(cuò)數(shù)，調(diào)用的時(shí)延。
• 日志（Logging）：計(jì)數(shù)每一條寫(xiě)入的日志，從而可找到每條日志發(fā)生的頻率和時(shí)間。
• Failures: 錯(cuò)誤計(jì)數(shù)。
• 線(xiàn)程池：排隊(duì)的請(qǐng)求數(shù)，正在使用的線(xiàn)程數(shù)，總線(xiàn)程數(shù)，耗時(shí)，正在處理的任務(wù)數(shù)等。
• 緩存：請(qǐng)求數(shù)，命中數(shù)，總時(shí)延等。

選擇 Vector

選用 Vec 的原則：

• 數(shù)據(jù)類(lèi)型類(lèi)似但資源類(lèi)型、收集地點(diǎn)等不同
• Vec 內(nèi)數(shù)據(jù)單位統(tǒng)一 例子：
• 不同資源對(duì)象的請(qǐng)求延遲
• 不同地域服務(wù)器的請(qǐng)求延遲
• 不同 http 請(qǐng)求錯(cuò)誤的計(jì)數(shù) … 此外，官方文檔 中建議，對(duì)于一個(gè)資源對(duì)象的不同操作，如 Read/Write、Send/Receive， 應(yīng)采用不同的 Metric 去記錄，而不要放在一個(gè) Metric 里。原因是監(jiān)控時(shí)一般不會(huì)對(duì)這兩者做聚合，而是分別去觀(guān)測(cè)。
  不過(guò)對(duì)于 request 的測(cè)量，通常是以 Label 做區(qū)分不同的 action。

確定 Label

常見(jiàn) Label 的選擇有：

• resource
• region
• type …

確定 Label 的一個(gè)重要原則是：同一維度 Label 的數(shù)據(jù)是可平均和可加和的，也即單位要統(tǒng)一。如風(fēng)扇的風(fēng)速和電壓就不能放在一個(gè) Label 里。

此外，不建議下列做法：

my_metric{label=a}?1?my_metric{label=b}?6?my_metric{label=total}?7

即在 Label 中同時(shí)統(tǒng)計(jì)了分和總的數(shù)據(jù)，建議采用 PromQL 在服務(wù)器端聚合得到總和的結(jié)果?；蛘哂昧硗獾?Metric 去測(cè)量總的數(shù)據(jù)。

命名 Metrics 和 Label

好的命名能夠見(jiàn)名知義，因此命名也是良好設(shè)計(jì)的一環(huán)。

Metric 的命名：

• 需要符合 pattern: a-zA-Z*:*
• 應(yīng)該包含一個(gè)單詞作為前綴，表明這個(gè) Metric 所屬的域。如：
• prometheus_notifications_total
• process_cpu_seconds_total
• ipamd_request_latency
• 應(yīng)該包含一個(gè)單位的單位作為后綴，表明這個(gè) Metric 的單位。如：
• http_request_duration_seconds
• node_memory_usage_bytes
• http_requests_total (for a unit-less accumulating count)
• 邏輯上與被測(cè)量的變量含義相同。
• 盡量使用基本單位，如 seconds，bytes。而不是 Milliseconds, megabytes。

Label 的命名：

依據(jù)選擇的維度命名，如：

• region: shenzhen/guangzhou/beijing
• owner: user1/user2/user3
• stage: extract/transform/load

Buckets 選擇

適宜的 buckets 能使 histogram 的百分位數(shù)計(jì)算更加準(zhǔn)確。

理想情況下，桶會(huì)使得數(shù)據(jù)分布呈階梯狀，即各桶區(qū)間內(nèi)數(shù)據(jù)個(gè)數(shù)大致相同。buckets 的設(shè)計(jì)可遵從如下經(jīng)驗(yàn)：

• 需要知道數(shù)據(jù)的大致分布，若事先不知道可先用默認(rèn)桶 （{.005, .01, .025, .05, .1, .25, .5, 1, 2.5, 5, 10}）或 2 倍數(shù)桶（{1,2,4,8…}）觀(guān)察數(shù)據(jù)分布再調(diào)整 buckets。
• 數(shù)據(jù)分布較密處桶間隔制定的較窄一些，分布稀疏處可制定的較寬一些。
• 對(duì)于多數(shù)時(shí)延數(shù)據(jù)，一般具有長(zhǎng)尾的特性，較適宜用指數(shù)形式的桶（ExponentialBuckets）。
• 初始桶上界一般覆蓋 10%左右的數(shù)據(jù)，若不關(guān)注頭部數(shù)據(jù)也可以讓初始上界更大一些。
• 若為了更準(zhǔn)確計(jì)算特定百分位數(shù)，如 90%，可在 90%的數(shù)據(jù)處加密分布桶，即減少桶的間隔。

比如我在監(jiān)控我們某些任務(wù)耗時(shí)的時(shí)候，就是選根據(jù)實(shí)際情況估算出大致的 bucket 取值，上線(xiàn)后觀(guān)察數(shù)據(jù)和監(jiān)控再去調(diào)整 bucket， 這樣經(jīng)過(guò)幾次調(diào)整應(yīng)該就能調(diào)整到比較合適的 bucket。

Grafana 使用技巧

查看所有維度

如果你想知道是否還能按其它維度分組，并快速查看還有哪些維度，可采用以下技巧：在 query 的表達(dá)式上只保留指標(biāo)名稱(chēng)，不做任何計(jì)算，Legend format 也留空。這樣就能顯示出原始的 metric 數(shù)據(jù)。如下圖所示

標(biāo)尺聯(lián)動(dòng)

在 Settings 面板中，有一個(gè) Graph Tooltip 設(shè)置項(xiàng)，默認(rèn)使用 Default。

下面將圖形展示工具分別調(diào)整為 Shared crosshair 和 Shared Tooltip 看看效果?？梢钥吹綐?biāo)尺能聯(lián)動(dòng)展示了，方便排查問(wèn)題時(shí)確認(rèn) 2 個(gè)指標(biāo)的關(guān)聯(lián)性。將圖形展示工具調(diào)整為 Shared Tooltip：

引用鏈接

你可能還喜歡

點(diǎn)擊下方圖片即可閱讀

云原生是一種信仰???

關(guān)注公眾號(hào)

后臺(tái)回復(fù)?k8s?獲取史上最方便快捷的 Kubernetes 高可用部署工具，只需一條命令，連 ssh 都不需要！