prometheus自定义监控指标——实战

ゝ一世哀愁。 2021-11-10 01:02 1337阅读 0赞

上一节介绍了pushgateway的作用、优劣以及部署使用，本机通过几个实例来重温一下自定义监控指标是如何使用的。

--------------------

一、监控容器启动时间（shell）

使用prometheus已经两个月了，但从未找到容器运行时间的指标（有一个类似的指标是容器创建时间）。学会自定义监控指标后，第一个实例就应该来搞定它。

前提条件是，部署好pushagateway！

在被监控机器上（linux），创建以下脚本

#!/bin/bash
      
    allname=`docker ps --format "{
        {.Names}}"`    　　　　　　　　　　#获取所有运行的容器名称
    
    function dockerruntime(){
        t=`docker inspect -f '{
        {.State.StartedAt}}' $1`          #获取各个容器的启动时间
        t1=`date +%s -d "$t"`                                    #将时间转成时间戳
        t2=`date +%s`                                            #获取当前时间的时间戳
        let tt=t2-t1                                             #计算运行时间
        echo $tt
    }
    
    sudo rm -f a
    echo """# TYPE docker_runtime gauge
    # HELP docker_runtime time sec""" >> a                       #将往pushgateway上传的数据写入a文件
    
    for i in ${allname}
    do
        t=`dockerruntime $i`
        echo "docker_runtime{name=\"$i\"} $t" >> a               #格式化写入数据  不能使用单引号  会屏蔽$i的
    done
    
    curl --data-binary "@a" http://pushgatewayIP:9091/metrics/job/docker_runtime/instance/xa-lsr-billubuntu       #修改地址和参数名向特定的url上传数据 数在a文件中
    
    sudo rm -f a　　　　#清空临时文件

给该脚本加执行权限，执行后，登陆pushgateway的webUI

![1489604-20190629150820752-554003976.png][]

可以看到被监控机器给pushgateway，PUSH了数据，意思是在被监控机器上搜索到了三个容器，每个job的名称叫“docker\_runtime”

将该脚本加入周期性计划任务中，每分钟执行一次，若对时间有要求，可以将上述脚本稍加修改，每15s或30s执行一次。

此时在prometheus中的query的查询框中输入“docker\_runtime”便可获取上述数据。

**【注意】**

**注意上传数据的类型**

如果上传的数据类型是 UNTYPE 那么 prometheus将无法识别，导致整个pushgateway数据无法接受！因此需要格外关注发送的数据格式。  
数据类型只有四种 counter gauge summary histogram

二、python向pushgateway发送数据

**安装prometheus客户端**

**　　pip install prometheus\_client**

**1、counter类型**

\#counter是可增长的，重启时候会被置成0，用于任务个数，只增不减  
\#使用flask构建一个建议的网页

import prometheus_client
    	from prometheus_client import Counter
    	from prometheus_client.core import CollectorRegistry
    	from flask import Response, Flask
    	
    	app = Flask(__name__)
    	
    	requests_total = Counter("request_count", "Total request cout of the host")
    	
    	@app.route("/metrics")
    	def requests_count():
    	    requests_total.inc()
    	    # requests_total.inc(2)	每一次刷新会增加2
    	    return Response(prometheus_client.generate_latest(requests_total),
    	                    mimetype="text/plain")
    	
    	@app.route('/')
    	def index():
    	    requests_total.inc()
    	    return "Hello World"
    	
    	if __name__ == "__main__":
    	    app.run(host="0.0.0.0")

结果：

![1489604-20190629151825095-1903045889.png][]

2、gauage类型

import prometheus_client
    	from prometheus_client import Counter,Gauge
    	from prometheus_client.core import CollectorRegistry
    	from flask import Response, Flask
    	
    	app = Flask(__name__)
    	
    	g = Gauge("random_value", "Random value of the request")
    	
    	@app.route("/metrics")
    	def s():
    	    with open("a.txt",'r') as f:
    	        num=f.read()
    	    g.set(num)
    	    return Response(prometheus_client.generate_latest(g),
    	                    mimetype="text/plain")
    	
    	
    	@app.route('/')
    	def index():
    	    requests_total.inc()
    	    return "Hello World"
    	
    	if __name__ == "__main__":
        app.run(host="0.0.0.0")

结果：

![1489604-20190629152044160-1236542689.png][]

以上作用是在本地生成一个小型网站，下一步是将选定的数据发送到pushgateway

#在被监控机上写python代码
    #CollectorRegistry可以同时注册多个自定义指标并返回给prometheus
    
    	
    importprometheus_client
    fromprometheus_clientimportGauge
    fromprometheus_client.coreimportCollectorRegistry
    importrequests
    
    defv1(): #获取监控数据的值
    	return2.3
    
    defv2():
    	return3.60
    
    n1=v1()
    n2=v2()
    
    REGISTRY=CollectorRegistry(auto_describe=False)
    #自定义指标必须利用CollectorRegistry进行注册，注册后返回给prometheus
    #CollectorRegistry必须提供register，一个指标收集器可以注册多个collectoryregistry
    
    
    jin=Gauge("jin_kou","zhegezuoyongshijinkoudaxiao",["l1",'l2','instance'],registry=REGISTRY)
    chu=Gauge("chu_kou","zhegezuoyongshichukoudaxiao",["l1",'l2','instance'],registry=REGISTRY)
    	#“jin_kou” 指标名称
    	# "zhegezuoyongshichukoudaxiao"  指标的注释信息
    	# "[]"  定义标签的类别及个数
    
    jin.labels(l1="label1",l2="label2",instance="windows1").inc(n1)
    chu.labels(l1="label1",l2="label2",instance="windows1").inc(n2)
    	#“[]”中有几个，就需要写几个个数要完全一致
    
    requests.post("http://pushgatewayIP:9091/metrics/job/python/",data=prometheus_client.generate_latest(REGISTRY))
    	#向指定的API发送post信息，将注册的信息发过去
    	#API中的 “python”是 job的名字

结果：

![1489604-20190629152327729-387707060.png][]

转载于:https://www.cnblogs.com/zqj-blog/p/11106724.html

[1489604-20190629150820752-554003976.png]: /images/20211109/9966a338cac946a88b6a6ad75f181235.png
[1489604-20190629151825095-1903045889.png]: /images/20211109/1de9c9bdc24c495799c2074facc61242.png
[1489604-20190629152044160-1236542689.png]: /images/20211109/a64b367ff2cb4255bc2f7443f6ff5425.png
[1489604-20190629152327729-387707060.png]: /images/20211109/903bc2768089483fa0f4ee91e9118134.png