普羅米修斯(Prometheus)是一個SoundCloud公司開源的監控系統。當年，由於SoundCloud公司生產了太多的服務，傳統的監控已經無法滿足監控需求，於是他們在2012年決定著手開發新的監控系統，即普羅米修斯。
普羅米修斯（下稱普羅）的作者 Matt T.Proud 在2012年加入SoundCloud公司，他從google的監控系統Borgmon中獲得靈感，與另一名工程師Julius Volz合作開發了開源的普羅，後來其他開發人員陸續加入到該項目，最終於2015年正式發布。
普羅基於Go語言開發，其架構圖如下：
其中：
Prometheus Server: 用數據的採集和存儲，PromQL查詢，報警配置。
Push gateway: 用於批量，短期的監控數據的匯報總節點。
Exporters: 各種匯報數據的exporter，例如匯報機器數據的node_exporter，匯報MondogDB信息的 MongoDB_exporter 等等。
Alertmanager: 用於高級通知管理。
1.怎麼採集監控數據？要採集目標（主機或服務）的監控數據，首先就要在被採集目標上安裝採集組件，這種採集組件被稱為Exporter。prometheus.io官網上有很多這種exporter，比如：
Consul exporter (official)
Memcached exporter (official)
MySQL server exporter (official)
Node/system metrics exporter (official)
HAProxy exporter (official)
RabbitMQ exporter
Grok exporter
InfluxDB exporter (official)
這些exporter能為我們採集目標的監控數據，然後傳輸給普羅米修斯。這時候，exporter會暴露一個http接口，普羅米修斯通過HTTP協議使用Pull的方式周期性拉取相應的數據。
不過，普羅也提供了Push模式來進行數據傳輸，通過增加Push Gateway這個中間商實現，你可以將數據推送到Push Gateway，普羅再通過Pull的方式從Push Gateway獲取數據。
這就是為什麼你從架構圖裡能看到兩個 Pull metrics 的原因，一個是採集器直接被Server拉取數據(pull)；另一個是採集器主動Push數據到Push Gateway，Server再對Push Gateway主動拉取數據(pull)。
採集數據的主要流程如下：
1. Prometheus server 定期從靜態配置的主機或服務發現的 targets 拉取數據（zookeeper，consul，DNS SRV Lookup等方式）
2. 當新拉取的數據大於配置內存緩存區的時候，Prometheus會將數據持久化到磁碟，也可以遠程持久化到雲端。
3. Prometheus通過PromQL、API、Console和其他可視化組件如Grafana、Promdash展示數據。
4. Prometheus 可以配置rules，然後定時查詢數據，當條件觸發的時候，會將告警推送到配置的Alertmanager。
5. Alertmanager收到告警的時候，會根據配置，聚合，去重，降噪，最後發出警告。
2.採集的數據結構與指標類型2.1 數據結構了解普羅米修斯的數據結構對於了解整個普羅生態非常重要。普羅採用鍵值對作為其基本的數據結構：
Key是指標名字，Value是該指標的值，此外Metadata(元信息)也非常重要，也可稱之為labels(標籤信息)。這些標籤信息指定了當前這個值屬於哪個雲區域下的哪臺機器，如果沒有labels，數據有可能會被丟失。
2.2 指標類型普羅米修斯的監控指標有4種基本類型：
1.Counter(計數器):
計數器是我們最簡單的指標類型。比如你想統計某個網站的HTTP錯誤總數，這時候就用計數器。
計數器的值只能增加或重置為0，因此特別適合計算某個時段上某個時間的發生次數，即指標隨時間演變發生的變化。
2.Gauges
Gauges可以用於處理隨時間增加或減少的指標，比如內存變化、溫度變化。
這可能是最常見的指標類型，不過它也有一定缺點：如果系統每5秒發送一次指標，普羅服務每15秒抓取一次數據，那麼這期間可能會丟失一些指標，如果你基於這些數據做匯總分析計算，則結果的準確性會有所下滑。
3.Histogram(直方圖)
直方圖是一種更複雜的度量標準類型。它為我們的指標提供了額外信息，例如觀察值的總和及其數量，常用於跟蹤事件發生的規模。
比如，為了監控性能指標，我們希望在有20%的伺服器請求響應時間超過300毫秒時發送告警。對於涉及比例的指標就可以考慮使用直方圖。
4.Summary(摘要)
摘要更高級一些，是對直方圖的擴展。除了提供觀察的總和和計數之外，它們還提供滑動窗口上的分位數度量。分位數是將概率密度劃分為相等概率範圍的方法。
對比直方圖：
1. 直方圖隨時間匯總值，給出總和和計數函數，使得易於查看給定指標的變化趨勢。
2. 而摘要則給出了滑動窗口上的分位數（即隨時間不斷變化）。
隨著分布式架構的不斷發展和雲解決方案的普及，現在的架構已經變得越來越複雜了。
分布式的伺服器複製和分發成了日常架構的必備組件。我們舉一個經典的Web架構，該架構由3個後端Web伺服器組成。在該例子中，我們要監視Web伺服器返回的HTTP錯誤的數量。
使用普羅米修斯語言，單個Web伺服器單元稱為實例（主機實例）。該任務是計算所有實例的HTTP錯誤數量。
事實上，這甚至可以說是最簡單的架構了，再複雜一點，實例不僅能是主機實例，還能是服務實例，因此你需要增加一個instance_type的標籤標記主機或服務。
再再複雜一點，同樣的IP，可能存在於不同雲區域下，這屬於不同的機器，因此還需要一個cloud標籤，最終該數據結構可能會變為：
cpu_usage {job="1", instance="128.0.0.1", cloud="0", instance_type="0"}
4.數據可視化如果使用過基於InfluxDB的資料庫，你可能會熟悉InfluxQL。普羅米修斯也內置了自己的SQL查詢語言用於查詢和檢索數據，這個內置的語言就是PromQL。
我們前面說過，普羅米修斯的數據是用鍵值對表示的。PromQL也用相同的語法查詢和返回結果集。
PromQL會處理兩種向量：
即時向量：表示當前時間，某個指標的數據向量。
時間範圍向量：表示過去某時間範圍內，某個指標的數據向量。
如針對8核CPU的使用率：
知道怎麼提取數據後，可視化數據就簡單了。
Grafana是一個大型可視化系統，功能強大，可以創建自己的自定義面板，支持多種數據來源，當然也支持普羅米修斯。
通過配置數據源，Grafana會使用相應的SQL拉取並繪製圖表，能直接看到普羅米修斯的各個指標數據圖表：
更方便的是，Grafana有很多儀錶盤模板供你使用，只要import模板進行簡單的配置，就能得到以下效果：
普羅米修斯非常強大，可以應用到各行各業。
5.1 DevOps
為了觀察整個服務體系是否在正常運轉，運維非常需要監控系統。在實例的創建速度和銷毀速度一樣快的容器世界中，靈活配置各類容器的監控項並迅速安裝啟動監控是非常重要的。
5.2 金融行業
金融服務巨頭Northern Trust於2017年6月選擇普羅米修斯，不是為了進行應用程式的監視，而是為了更好地了解其某些硬體的運作情況。Northern Trust使用普羅米修斯監控其平臺上的750多種微服務。
5.3 汽車行業
Life360是一款用於定位、行車安全和家庭成員之間共享信息的行動應用程式，他們需要給用戶提供穩定的定位服務，而原有的監控方案都非常局限，無法監視到所有組件的工作狀態。
因此該公司使用普羅米修斯來監視其MySQL多主群集和一個12節點的Cassandra環，該環可容納約4TB的數據。普羅米修斯在初步測試中表現良好。
在普羅米修斯的有限部署之後，Life360報告了監控方面的巨大進步，並設想在其數據中心基礎架構的其他部分中使用它。
總而言之，普羅米修斯這樣的分布式監控系統，在未來的世界中用處可能會越來越大，它或許將會成為監控領域寡頭式的存在，希望我們能熟悉這個工具，並在以後的架構和實踐中使用它解決系統和應用監控的問題。
我們的文章到此就結束啦，如果你喜歡今天的Python 實戰教程，請持續關注Python實用寶典。
有任何問題，可以在公眾號後臺回覆：加群，回答相應紅字驗證信息，進入互助群詢問。
原創不易，希望你能在下面點個讚和在看支持我繼續創作，謝謝！
點擊下方閱讀原文可獲得更好的閱讀體驗
Python實用寶典 (pythondict.com)
不只是一個寶典
歡迎關注公眾號：Python實用寶典