Skip to main content

21小节：Prometheus配置oneThread运行时监控数据采集

作者：程序员马丁

在线博客：https://nageoffer.com

note

Ragent AI —— 从 0 到 1 纯手工打造企业级 Agentic RAG，拒绝 Demo 玩具！AI 时代，助你拿个offer。

Prometheus 配置 oneThread 运行时监控数据采集，元数据信息：

©版权所有 - 拿个offer-开源&项目实战星球专属学习项目，依据《中华人民共和国著作权法实施条例》和《知识星球产权保护》，严禁未经本项目原作者明确书面授权擅自分享至 GitHub、Gitee 等任何开放平台。违者将面临法律追究。

内容摘要：本文深入介绍 oneThread 动态线程池框架与 Prometheus 监控系统的集成实践，重点阐述Prometheus 架构原理、Docker 部署配置和指标采集任务的完整实现。

Promethes 官方文档

课程目录如下所示：

  • 前言
  • Prometheus 介绍
  • Docker 安装 Prometheus
  • Prometheus 控制台操作指南
  • PromQL 查询语言实践
  • 文末总结

前言​

在上一篇文章中，我们详细介绍了 oneThread 框架的 Micrometer 指标监控实现。通过 Micrometer 的抽象层，我们的应用已经能够以标准格式暴露线程池监控指标。但是，要真正发挥这些指标的价值，我们还需要一个专业的监控系统来采集、存储和分析这些数据。

想象一下这样的场景：

周一早上 9 点，你刚到公司就收到了运维同事的紧急消息："订单服务的线程池好像有问题，处理速度明显变慢了。" 在传统的监控方式下，你可能需要登录服务器查看日志，或者临时写脚本来获取线程池状态。但有了 Prometheus 监控系统，你只需要打开浏览器，访问 Prometheus 控制台，输入一个简单的查询语句：dynamic_thread_pool_active_size{application_name="order-service"}，立即就能看到所有线程池的活跃线程数变化趋势。

这就是 Prometheus 的好用之处——它不仅能自动采集应用的监控指标，还能提供强大的查询能力和历史数据分析功能。

相比传统的监控方案，Prometheus 具有以下显著优势：

  • Pull 模式采集：主动从应用拉取指标，避免了推送模式的网络复杂性。
  • 时间序列存储：专门为监控数据设计的存储引擎，查询性能优异。
  • PromQL 查询语言：功能强大的查询语言，支持复杂的数据分析和聚合。
  • 服务发现机制：自动发现和监控新的服务实例。
  • 告警规则引擎：内置告警功能，支持多种通知方式。

Prometheus 介绍​

1. 什么是 Prometheus？​

Prometheus 是一个开源的系统监控和告警工具包，最初由 SoundCloud 构建。自 2012 年诞生以来，许多公司和组织都采用了 Prometheus，并且该项目拥有非常活跃的开发者和用户 社区。它现在是一个独立的开源项目，由任何公司独立维护。为了强调这一点并明确项目的治理结构，Prometheus 于 2016 年加入了 云原生计算基金会，成为继 Kubernetes 之后第二个托管项目。

Prometheus 将其指标作为时间序列数据收集和存储，即指标信息与记录时的时间戳以及可选的键值对（称为标签）一起存储。

2. 特性​

Prometheus 的主要特性包括：

  • 一个多维数据模型，其中时间序列数据由指标名称和键/值对标识。
  • PromQL，一种灵活的查询语言，用于利用这种多维性。
  • 不依赖分布式存储；单个服务器节点是自主的。
  • 时间序列收集通过 HTTP 上的拉取模型进行。
  • 通过中间网关支持推送时间序列。
  • 通过服务发现或静态配置发现目标。
  • 支持多种图形和仪表盘模式。

3. 什么是指标（Metric）？​

指标在通俗意义上是数值测量。术语“时间序列”是指随时间记录的变化。用户希望测量的内容因应用程序而异。对于 Web 服务器，可能是请求时间；对于数据库，可能是活动连接数或活动查询数等等。

指标在理解应用程序为何以某种方式工作方面发挥着重要作用。假设您正在运行一个 Web 应用程序并发现它运行缓慢。要了解应用程序发生了什么，您需要一些信息。例如，当请求数量很高时，应用程序可能会变慢。如果您拥有请求计数指标，则可以确定原因并增加服务器数量以处理负载。

4. 组件​

Prometheus 生态系统由多个组件组成，其中许多是可选的

大多数 Prometheus 组件都是用 Go 编写的，这使得它们易于构建并部署为静态二进制文件。

5. 架构​

此图展示了 Prometheus 及其部分生态系统组件的架构：

Prometheus 从已埋点的作业中抓取指标，可以直接抓取，也可以通过中间推送网关抓取短生命周期作业的指标。它将所有抓取的样本存储在本地，并根据这些数据运行规则，以聚合并记录现有数据中的新时间序列或生成告警。Grafana 或其他 API 消费者可用于可视化收集到的数据。

6. 为什么选择拉而不是推？​

Prometheus 默认采用的是一种 “拉模型（Pull Model）” 架构，它会主动周期性地拉取被监控目标的指标数据。每个被监控的服务需要暴露一个支持 Prometheus 格式 的 HTTP 接口，通常路径是 /metrics（如 Spring Boot 的 /actuator/prometheus）。

通过 HTTP 进行拉取有很多优点：

  • 根据需要启动监控实例，例如在本地开发时在笔记本电脑上启动一个 Prometheus 实例进行调试。
  • 更容易、更可靠地判断某个目标是否宕机。
  • 可以手动访问目标服务的指标接口，直接通过浏览器检查其健康状态。

总体而言，Prometheus 认为拉模式略优于推模式，在考虑监控系统时，拉和推不应该成为主要考虑点。

对于必须推送的情况，Prometheus 同时也提供了 Pushgateway 组件。

Docker 安装 Prometheus​

1. 简易版安装​

考虑到部分同学对 Docker 这些命令不太熟悉，常规安装 Prometheus 需要挂载配置文件地址，同时 Windows 和 Mac、Linux 路径方式还不太一样，这里马哥希望在 Docker 启动命令中直接传入 Prometheus 配置内容，不挂载本地配置文件，实现“一条命令部署 Prometheus 并用自定义配置”。

虽然 Prometheus 官方镜像不支持直接通过命令行参数传入完整配置，但是玩了个花活实现需求。使用 echo + docker run + --entrypoint 动态生成配置：

解锁付费内容，👉 戳​

Table of Contents