为什么说Prometheus是足以替代Zabbix的监控利器？

　　本文按照dbaplus社群第198期线上分享整理而成，文末还有好书推荐哦~

　　讲师介绍

　　

　　一、简介

　　Kubernetes自从2012年开源以来便以不可抵挡之势成为容器领域调度和编排的领头羊，Kubernetes是Google Borg系统的开源实现，于此对应Prometheus则是Google BorgMon的开源实现。Prometheus是由SoundCloud开发的开源监控报案系统和时序列数据库。从字面上理解，Prometheus由两个部份组成，一个是监控报案系统，另一个是自带的时序数据库（TSDB）。

　　2016年，由Google发起的Linux基金会旗下的原生云基金会（Cloud Native Computing Foundation）将Prometheus列入其第二大开源项目。Prometheus在开源社区也非常活跃，在GitHub上拥有两万多Star，并且系统每隔一两周都会有一个小版本的更新。

　　二、各种监控工具对比

　　其实，在Prometheus之前区面早已出现了好多的监控系统，如Zabbix、Open-Falcon、Nagios等。那么Prometheus和那些监控系统有啥优缺呢？我们先简单回顾一下这种监控系统。

　　1、Zabbix

　　Zabbix是由Alexei Vladishev开源的分布式监控系统，支持多种采集方式和采集客户端，同时支持SNMP、IPMI、JMX、Telnet、SSH等多种合同，它将采集到的数据储存到数据库中，然后对其进行剖析整理，如果符合告警规则，则触发相应的告警。

　　

　　Zabbix核心组件主要是Agent和Server，其中Agent主要负责采集数据并通过主动或则被动的方法采集数据发送到Server/Proxy，除此之外，为了扩充监控项，Agent还支持执行自定义脚本。Server主要负责接收Agent发送的监控信息，并进行汇总储存，触发告警等。

　　Zabbix Server将搜集的监控数据储存到Zabbix Database中。Zabbix Database支持常用的关系型数据库，如果MySQL、PostgreSQL、Oracle等，默认是MySQL，并提供Zabbix Web页面（PHP编撰）数据查询。

　　Zabbix因为使用了关系型数据储存时序数据，所以在监控*敏*感*词*集群时经常在数据储存方面捉襟见肘。所以从Zabbix 4.2版本后开始支持TimescaleDB时序数据库，不过目前成熟度还不高。

　　2、Open-Falcon

　　

　　Open-Falcon是魅族开源的企业级监控工具，用Go语言开发而成，包括魅族、滴滴、美团等在内的互联网公司都在使用它，是一款灵活、可扩充而且高性能的监控方案，主要组件包括了：

　　1）Falcon-agent是用Go语言开发的Daemon程序，运行在每台Linux服务器上，用于采集主机上的各类指标数据，主要包括CPU、内存、磁盘、文件系统、内核参数、Socket联接等，目前早已支持200多项监控指标。并且，Agent支持用户自定义的监控脚本。

　　2）Hearthbeat server简称HBS脉搏服务，每个Agent就会周期性地通过RPC形式将自己的状态上报给HBS，主要包括主机名、主机IP、Agent版本和插件版本，Agent就会从HBS获取自己须要执行的采集任务和自定义插件。

　　3）Transfer负责接收Agent发送的监控数据，并对数据进行整理，在过滤后通过一致性Hash算法发送到Judge或则Graph。

　　4）Graph是基于RRD的数据上报、归档、存储组件。Graph在收到数据之后，会以rrdtool的数据归档形式来储存，同时提供RPC形式的监控查询插口。

　　5）Judge告警模块，Transfer转发到Judge的数据会触发用户设定的告警规则，如果满足，则会触发电邮、微信或则反弹插口。这里为了防止重复告警引入了Redis暂存告警，从而完成告警的合并和抑制。

　　6）Dashboard是面向用户的监控数据查询和告警配置界面。

　　3、Nagios

　　

　　Nagios原名为NetSaint，由Ethan Galstad开发并维护。Nagios是一个老牌监控工具，由C语言编撰而成，主要针对主机监控（CPU、内存、磁盘等）和网路监控（SMTP、POP3、HTTP和NNTP等），当然也支持用户自定义的监控脚本。

　　它还支持一种愈发通用和安全的采集方式NREP（Nagios Remote Plugin Executor），它首先在远端启动一个NREP守护进程，用于在远端主机里面运行监测命令，在Nagios服务端用check nrep的plugin插件通过SSL对接到NREP守护进程执行相应的监控行为。相比SSH远程执行命令的形式，这种形式愈发安全。

　　4、Prometheus

　　

　　Prometheus是由SoundCloud开发的开源监控报案系统和时序列数据库。Prometheus的基本原理是通过HTTP周期性抓取被监控组件的状态，任意组件只要提供对应的HTTP插口而且符合Prometheus定义的数据格式，就可以接入Prometheus监控。

　　Prometheus Server负责定时在目标上抓取metrics（指标）数据并保存到本地储存上面。Prometheus采用了一种Pull（拉）的形式获取数据，不仅增加客户端的复杂度，客户端只须要采集数据，无需了解服务端情况，而且服务端可以愈加便捷的水平扩充。

　　如果监控数据达到告警阀值Prometheus Server会通过HTTP将告警发送到告警模块alertmanger，通过告警的抑制后触发电邮或则webhook。Prometheus支持PromQL提供多维度数据模型和灵活的查询，通过监控指标关联多个tag的方法，将监控数据进行任意维度的组合以及聚合。

　　5、综合对比

　　

　　1）综合对比如前面的表格，从开发语言上看，为了应对高并发和快速迭代的需求，监控系统的开发语言已然渐渐从C语言转移到Go。不得不说，Go凭着简约的句型和甜美的并发，在Java抢占业务开发，C攻打底层开发的情况下，准确定位中间件开发需求，在当前开源中间件产品中被广泛应用。

　　2）从系统成熟度上看，Zabbix和Nagios都是老牌的监控系统：Nagios是在1999年出现的，Zabbix是在1998年出现的，系统功能比较稳定，成熟度较高。而Prometheus和Open-Falcon都是近来几年才诞生的，虽然功能还在不断迭代更新，但站在巨人的右臂之上，在构架设计上借鉴了好多老牌监控系统的经验；

　　3）从系统扩展性方面看，Zabbix和Open-Falcon都可以自定义各类监控脚本，并且Zabbix除了可以做到主动推送，还可以做到被动拉取，Prometheus则定义了一套监控数据规范，并通过各类exporter扩充系统采集能力。

　　4）从数据储存方面来看，Zabbix采用关系数据库保存，这极大限制了Zabbix采集的性能，Nagios和Open-Falcon都采用RDD数据储存，Open-Falcon还加入了一致性hash算法分片数据，并且可以对接到OpenTSDB，而Prometheus自研一套高性能的时序数据库，在V3版本可以达到每秒千万级别的数据储存，通过对接第三方时序数据库扩充历史数据的储存；

　　5）从配置复杂度上看，Prometheus只有一个核心server组件，一条命令便可以启动，相比而言，其他系统配置相对麻烦，尤其是Open-Falcon。

　　6）从社区活跃度上看，目前Zabbix和Nagios的社区活跃度比较低，尤其是Nagios，Open-Falcon似乎也比较活跃，但基本都是国外的公司参与，Prometheus在这方面抢占绝对优势，社区活跃度最高，并且遭到CNCF的支持，后期的发展值得期盼；

　　7）从容器支持角度看，由于Zabbix和Nagios出现得比较早，当时容器还没有诞生，自然对容器的支持也比较差。Open-Falcon即使提供了容器的监控，但支持力度有限。Prometheus的动态发觉机制，不仅可以支持swarm原生集群，还支持Kubernetes容器集群的监控，是目前容器监控最好解决方案。Zabbix在传统监控系统中，尤其是在服务器相关监控方面，占据绝对优势。而Nagios则在网路监控方面有广泛应用，伴随着容器的发展，Prometheus开始成为主导及容器监控方面的标配，并且在未来可见的时间内被广泛应用。

　　总体来说，对比各类监控系统的好坏，Prometheus可以说是目前监控领域最锋利的“瑞士*敏*感*词*”了。

　　三、Prometheus功能介绍

　　下图是Prometheus整体构架图。左侧是各类数据源主要是各类符合Prometheus数据格式的exporter，除此之外为了支持推送数据的Agent，可以通过Pushgateway组件，将Push转化为Pull。Prometheus甚至可以从其它的Prometheus获取数据，后面介绍联邦的时侯详尽介绍。

　　

　　图片的两侧是服务发觉，Prometheus支持监控对象的手动发觉机制，从而可以动态获取监控对象，虽然Zabbix和Open-Falcon也支持动态发觉机制，但Prometheus支持最健全。

　　图片中间是核心，通过Retrieval模块定时拉取数据，通过Storage模块保存数据。PromQL是Prometheus提供的查询句型，PromQL通过解析语法树，查询Storage模块获取监控数据。图片左边是告警和页面诠释，页面查看不仅Prometheus自带的webui，还可以通过grafana等组件查询Prometheus监控数据。

　　Prometheus指标格式分为两个部份：一是指标名称，另一个是指标标签。格式如下：

　　{=, ...}

　　标签可彰显指标的维度特点，例如，对于指标http_request_total，可以有{status="200", method="POST"}和{status="200", method="GET"}这两个标签。在须要分别获取GET和POST返回200的恳求时，可分别使用上述两种指标；在须要获取所有返回200的恳求时，可以通过http_request_total{status="200"}完成数据的聚合，非常方便和通用。

　　Prometheus指标类型有四种：

　　1）Counter（计数器）：计数统计，累计多长或则累计多少次等。它的特征是只增不减，譬如HTTP访问总数；

　　2）Gauge（仪表盘）：数据是一个瞬时值，如果当前显存药量，它随着时间变化忽高忽低。

　　如果须要了解某个时间段内恳求的响应时间，通常做法是使用平均响应时间，但这样做未能彰显数据的长尾效应。例如，一个HTTP服务器的正常响应时间是30ms，但有极少几次恳求历时3s，通过平均响应时间很难甄别长尾效应，所以Prometheus引入了Histogram和Summary。

　　3）Histogram（直方图）：服务端分位，不同区间内样本的个数，譬如班级成绩，低于60分的9个，低于70分的10个，低于80分的50个。

　　4）Summary（摘要）：客户端分位，直接在客户端通过分位情况，还是用班级成绩举例：0.8分位的是，80分，0.9分为85分，0.99分为的是98分。

　　

　　Prometheus通过HTTP插口的形式从各类客户端获取数据，这些客户端必须符合Prometheus监控数据格式，通常由两种形式，一直是侵入式埋点监控，通过在客户端集成假如Kubernetes API直接通过引入Prometheus go client，提供/metrics接口查询kubernetes API各类指标。

　　另一种是通过exporter形式，在外部将原先各类中间件的监控支持转化为Prometheus的监控数据格式，如redis exporter将reids指标转化为Prometheus才能辨识的HTTP请求。

　　Prometheus并没有采用json的数据格式，而是采用 text/plain 纯文本的形式 ，这是它的特殊之处。

　　HTTP返回Header和Body如上图所示，指标后面两行#是注释，标识指标的含意和类型。指标和指标的值通过空格分割，开发者一般不需要自己拼接这些个数的数据， Prometheus提供了各类语言的SDK支持。

　　

　　Prometheus为了支持各类中间件以及第三方的监控提供了exporter，大家可以把它理解成监控适配器，将不同指标类型和格式的数据统一转化为Prometheus才能辨识的指标类型。

　　譬如Node exporter主要通过读取linux的/proc以及/sys目录下的系统文件获取操作系统运行状态，reids exporter通过reids命令行获取指标，mysql exporter通过读取数据库监控表获取mysql的性能数据。他们将这种异构的数据转化为标准的Prometheus格式，并提供HTTP查询插口。

　　

　　Prometheus提供了两种数据持久化形式：一种是本地储存，通过Prometheus自带的tsdb（时序数据库），将数据保存到本地c盘，为了性能考虑，建议使用SSD。但本地储存的容量虽然有限，建议不要保存超过一个月的数据。Prometheus本地储存经过多年改进，自Prometheus 2.0后提供的V3版本tsdb性能早已十分高，可以支持单机每秒1000w个指标的搜集。

　　另一种是远端储存，适用于大量历史监控数据的储存和查询。通过中间层的适配器的转化，Prometheus将数据保存到远端储存。适配器实现Prometheus储存的remote write和remote read插口并把数据转化为远端储存支持的数据格式。目前，远端储存主要包括OpenTSDB、InfluxDB、Elasticsearch、M3db、Kafka等，其中M3db是目前特别受欢迎的前端储存。

　　

　　和关系型数据库的SQL类似，Prometheus也外置了数据查询语言PromQL，它提供对时间序列数据丰富的查询，聚合以及逻辑运算的能力。一条PromQL主要包括了指标名称、过滤器以及函数和参数。指标可以进行数据运算，包括+ (加法)、- (减法)、* (乘法)、/ (除法)、% (求余)、^ (幂运算)，聚合函数包括了：sum (求和)、min (最小值)、max (最大值)、avg (平均值)、stddev (标准差)、count (计数)、topk (前n条)、quantile (分布统计)等。查询数据通过HTTP GET恳求发送PromQL查询句子。形式如：