文章首发于公众号《程序员果果》
地址 : https://mp.weixin.qq.com/s/BjZyNcWEgflJMnjfceiluw为大洼等地区用户提供了全套网页设计制作服务，及大洼网站建设行业解决方案。主营业务为成都做网站、成都网站制作、大洼网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！
Prometheus 是一套开源的系统监控报警框架。它启发于 Google 的 borgmon 监控系统，由工作在 SoundCloud 的 google 前员工在 2012 年创建，作为社区开源项目进行开发，并于 2015 年正式发布。
作为新一代的监控框架，Prometheus 具有以下特点：
Prometheus 生态圈中包含了多个组件，其中许多组件是可选的：
下图为 Prometheus 官方文档中的架构图：
从上图可以看出，Prometheus 的主要模块包括：Prometheus server, exporters, Pushgateway, PromQL, Alertmanager 以及图形界面。
其大概的工作流程是：
下面将对 Prometheus 中的数据模型（时间序列），metric 类型，instance 和 jobs等概念进行介绍。
Prometheus 中存储的数据为时间序列，是由 metric 的名字和一系列的标签（键值对）唯一标识的，不同的标签则代表不同的时间序列。
Prometheus客户端库提供了四种核心Metrics类型。
在Prometheus术语中，你可以scrape（刮擦）的端点称为 实例，通常对应于单个进程。一组同种类型的 instances（主要用于保证可扩展性和可靠性），例如：具有四个复制instances（实例）的API服务器job作业:
当Prometheus scrape（刮擦）目标时，它会自动在scrape的时间序列上附加一些标签，用来识别scrape的目标。
对于每次实例 scrape（刮取，Prometheus都会在以下时间序列中存储样本：
up时间序列对于实例可用性监视非常有用。
你可以在官网 https://prometheus.io/download/ 下载 安装包，解压后使用。为了方便，我使用docker 镜像的方式 运行Prometheus。
docker run --name prometheus -d -p 9090:9090 prom/prometheus浏览器输入http://localhost:9090 ，访问 Prometheus 的 Web UI：
点击菜单栏 “Status” 下的 Targets ，界面如下：
可以看大Prometheus 自身 metrics 处于UP状态 ，说明 安装成功。
Prometheus 的配置文件 prometheus.yml 内容如下：
# 全局设置，可以被覆盖
global:
scrape_interval: 15s
evaluation_interval: 15s
rule_files:
# - "first.rules"
# - "second.rules"
scrape_configs:
- job_name: prometheus
static_configs:
- targets: ['localhost:9090']该global块控制 Prometheus 的全局配置。我们有两种选择。第一个，scrape_interval控制Prometheus 刮擦目标的频率。你可以为单个目标覆盖此值。在这种情况下，全局设置是每15秒刮一次。该evaluation_interval选项控制普罗米修斯评估规则的频率。Prometheus 使用规则创建新的时间序列并生成警报。
该rule_files块指定我们希望 Prometheus 加载的任何规则的位置。现在我们没有规则。
最后一个块scrape_configs控制 Prometheus 监视的资源。由于 Prometheus 还将自己的数据公开为HTTP端点，因此它可以抓取并监控自身的健康状况。在默认配置中有一个名为 prometheus 的job，它抓取 prometheus 服务器 公开的时间序列数据。该作业包含一个静态配置的目标，即端口9090上的本地主机。返回的时间序列数据将详细说明Prometheus服务器的状态和性能。
为了演示 Prometheus 的简单使用，这里运行一个 Prometheus HTTP 度量模拟器。模拟一个简单的HTTP微服务，生成Prometheus Metrics，通过 docker 运行。
docker run -p 8080:8080 pierrevincent/prom-http-simulator:0.1它在/metrics端点下公开以下Prometheus指标：
可以开启流量高峰模式，更改流量高峰模式可以通过以下方式完成：
# ON
curl -X POST http://127.0.0.1:8080/spike/on
# OFF
curl -X POST http://127.0.0.1:8080/spike/off
# RANDOM
curl -X POST http://127.0.0.1:8080/spike/random错误率默认为1％。它可以更改为0到100之间的数字：
# 例如将错误率设置为50%
curl -H 'Content-Type: application/json' -X PUT -d '{"error_rate": 50}' http://127.0.0.1:8080/error_rate需要将 HTTP 度量模拟器 的 metrics端点 配置到 Prometheus的配置文件 prometheus.yml 中。
创建一个 prometheus.yml 文件 内容如下：
global:
scrape_interval: 5s
evaluation_interval: 5s
scrape_timeout: 5s
scrape_configs:
- job_name: 'prometheus'
static_configs:
- targets: ['localhost:9090']
- job_name: 'http-simulator'
metrics_path: /metrics
static_configs:
- targets: ['172.16.1.232:8080']通过docker up 命令替换 容器中的配置文件：
docker cp prometheus.yml prometheus:/etc/prometheus/重启容器：
docker restart prometheus访问 http://localhost:9090/targets ，发现已经出现了 target “http-simulator” ，并且为UP状态。
查询http请求数
http_requests_total{job="http-simulator"}
查询成功login请求数
http_requests_total{job="http-simulator", status="200", endpoint="/login"}
查询成功请求数，以endpoint区分
http_requests_total{job="http-simulator", status="200"}查询总成功请求数
sum(http_requests_total{job="http-simulator", status="200"})查询成功请求率，以endpoint区分
rate(http_requests_total{job="http-simulator", status="200"}[5m])查询总成功请求率
sum(rate(http_requests_total{job="http-simulator", status="200"}[5m]))查询http-simulator延迟分布
http_request_duration_milliseconds_bucket{job="http-simulator"}查询成功login延迟分布
http_request_duration_milliseconds_bucket{job="http-simulator", status="200", endpoint="/login"}不超过200ms延迟的成功login请求占比
sum(http_request_duration_milliseconds_bucket{job="http-simulator", status="200", endpoint="/login", le="200"}) / sum(http_request_duration_milliseconds_count{job="http-simulator", status="200", endpoint="/login"})成功login请求延迟的99百分位
histogram_quantile(0.99, rate(http_request_duration_milliseconds_bucket{job="http-simulator", status="200", endpoint="/login"}[5m]))上面给出的这些查询表达式，在 prometheus 的 查询界面上自行测试下 ，这里就不一一测试了，
本篇对 Prometheus 的组成，架构和基本概念进行了介绍，并实例演示了 Prometheus 的查询表达式的应用。本篇是 Prometheus 系列的第一篇， 后续还会有Prometheus与其他图形界面的集成，与 springboot 应用的集成等 。
https://prometheus.io/docs/introduction/overview/
https://www.ibm.com/developerworks/cn/cloud/library/cl-lo-prometheus-getting-started-and-practice/index.html
