文章目录
- [Prometheus 监控系统详解与实战部署](#Prometheus 监控系统详解与实战部署)
-
- [一、Prometheus 概述](#一、Prometheus 概述)
- 二、TSDB：为监控场景量身定制的存储引擎
- [三、Prometheus 核心特点](#三、Prometheus 核心特点)
- [四、Prometheus 生态组件](#四、Prometheus 生态组件)
-
- [常用 Exporters 介绍](#常用 Exporters 介绍)
- [五、Prometheus 工作机制](#五、Prometheus 工作机制)
- [六、Prometheus 局限性](#六、Prometheus 局限性)
- [七、实战部署：从 0 到 1 搭建 Prometheus 监控系统](#七、实战部署：从 0 到 1 搭建 Prometheus 监控系统)
-
- [1. 部署 Prometheus Server](#1. 部署 Prometheus Server)
- [2. 部署 Exporters 监控各类目标](#2. 部署 Exporters 监控各类目标)
- [3. 部署 Grafana 实现可视化](#3. 部署 Grafana 实现可视化)
- [4. 服务发现配置](#4. 服务发现配置)
-
- （1）基于文件的服务发现
- [（2）基于 Consul 的服务发现](#（2）基于 Consul 的服务发现)
- 八、总结
Prometheus 监控系统详解与实战部署
一、Prometheus 概述
Prometheus 是一款开源的服务监控系统与时序数据库，以其灵活的数据模型、高效的采集机制和强大的查询能力被广泛应用于云原生、微服务等场景。其核心功能是通过周期性拉取（Pull）方式采集监控数据，存储于内置的时序数据库（TSDB）中，并支持基于规则的告警和丰富的可视化展示。
二、TSDB：为监控场景量身定制的存储引擎
Prometheus 采用 TSDB 作为存储引擎，完美适配监控数据的特性：
- 高写入量：监控数据几乎是持续的顺序写入；
- 低更新需求：数据采集后极少更新，几秒到几分钟内完成写入；
- 区块删除为主：通常按时间范围批量删除历史数据，而非随机删除；
- 大存储量：数据量常超过内存，缓存作用有限；
- 顺序读写：读操作多为按时间升序/降序的连续查询，且并发读频繁。
三、Prometheus 核心特点
- 多维数据模型：通过"度量名称+键值对"标识时间序列数据，支持灵活的维度分析；
- 内置 TSDB：默认存储15天数据，也可对接 InfluxDB、OpenTSDB 等远端存储；
- PromQL 查询语言：专为时序数据设计，支持复杂的聚合、过滤和计算；
- Pull 采集模式：基于 HTTP 协议主动拉取目标数据，也可通过 Pushgateway 支持 Push 模式；
- 动态服务发现：支持静态配置、文件、DNS、Kubernetes 等多种服务发现机制；
- 丰富的生态集成：可作为数据源接入 Grafana 实现可视化。
四、Prometheus 生态组件
Prometheus 核心功能由多个组件协同完成，部分组件为可选：
| 组件 | 功能说明 |
|---|---|
| Prometheus Server | 核心组件，负责数据采集（Retrieval）、存储（Storage）和查询（PromQL），并基于规则生成告警 |
| Client Library | 客户端库，用于应用程序内置监控指标采集能力 |
| Exporters | 指标暴露器，为不支持内置监控的应用提供数据采集接口（如 Node-Exporter 监控服务器，mysqld-exporter 监控 MySQL） |
| Service Discovery | 服务发现，动态识别待监控目标（支持文件、K8s 等多种机制） |
| Alertmanager | 告警管理，接收 Prometheus 告警并进行去重、分组、路由（如邮件、钉钉通知） |
| Pushgateway | 数据中转站，接收短期任务的 Push 数据，供 Prometheus 拉取 |
| Grafana | 可视化工具，对接 Prometheus 数据源生成监控面板 |
常用 Exporters 介绍
- Node-Exporter：采集服务器 CPU、内存、磁盘、网络等物理指标；
- mysqld-exporter/nginx-exporter：分别监控 MySQL 数据库和 Nginx 服务；
- Kube-State-Metrics：采集 Kubernetes 资源（Pod、Deployment 等）的状态指标；
- cAdvisor：监控容器的 CPU、内存、网络等资源使用情况；
- blackbox-exporter：监控业务容器的存活性。
五、Prometheus 工作机制
工作模式
- Prometheus Server 通过服务发现或静态配置获取监控目标（Target）；
- 从目标的 Exporter 接口拉取指标数据，或通过 Pushgateway 拉取短期任务数据；
- 数据存储于 TSDB，支持通过 PromQL 查询；
- 基于告警规则生成告警，发送至 Alertmanager 处理；
- Grafana 对接 Prometheus 实现数据可视化。
工作流程
- 数据采集：Prometheus 以 Pull 方式从目标拉取数据，或通过 Pushgateway 接收 Push 数据；
- 数据存储：采集的时序数据写入本地 TSDB；
- 告警生成：基于配置的告警规则，触发告警并发送至 Alertmanager；
- 告警分发：Alertmanager 将告警路由到邮件、钉钉等接收方；
- 数据查询与展示：通过 Prometheus Web UI（PromQL）或 Grafana 查看监控数据。
六、Prometheus 局限性
- 非全量监控：专注于指标监控，不适合存储事件或日志，更侧重趋势分析而非精准数据；
- 本地存储有限：默认仅保存15天数据，长期存储需依赖远端存储（如 InfluxDB）；
- 集群成熟度低：原生集群机制较弱，需通过 Thanos 或 Cortex 实现高可用与联邦集群。
七、实战部署：从 0 到 1 搭建 Prometheus 监控系统
1. 部署 Prometheus Server
步骤1：安装与配置
bash
# 关闭防火墙与SELinux
systemctl stop firewalld
setenforce 0
# 解压安装包
cd /opt
tar xf prometheus-2.35.0.linux-amd64.tar.gz
mv prometheus-2.35.0.linux-amd64 /usr/local/prometheus步骤2：配置启动服务
创建系统服务文件：
bash
cat > /usr/lib/systemd/system/prometheus.service <<'EOF'
[Unit]
Description=Prometheus Server
Documentation=https://prometheus.io
After=network.target
[Service]
Type=simple
ExecStart=/usr/local/prometheus/prometheus \
--config.file=/usr/local/prometheus/prometheus.yml \
--storage.tsdb.path=/usr/local/prometheus/data/ \
--storage.tsdb.retention=15d \
--web.enable-lifecycle
ExecReload=/bin/kill -HUP $MAINPID
Restart=on-failure
[Install]
WantedBy=multi-user.target
EOF步骤3：启动并验证
bash
systemctl start prometheus
systemctl enable prometheus
# 验证端口（默认9090）
netstat -natp | grep :9090访问 Web UI：http://IP:9090，通过 Status -> Targets 查看监控目标状态。
2. 部署 Exporters 监控各类目标
（1）Node Exporter：监控服务器指标
安装与配置
bash
# 解压并部署二进制文件
cd /opt
tar xf node_exporter-1.3.1.linux-amd64.tar.gz
mv node_exporter-1.3.1.linux-amd64/node_exporter /usr/local/bin
# 创建系统服务
cat > /usr/lib/systemd/system/node_exporter.service <<'EOF'
[Unit]
Description=node_exporter
Documentation=https://prometheus.io/
After=network.target
[Service]
Type=simple
ExecStart=/usr/local/bin/node_exporter \
--collector.ntp \
--collector.mountstats \
--collector.systemd \
--collector.tcpstat
ExecReload=/bin/kill -HUP $MAINPID
Restart=on-failure
[Install]
WantedBy=multi-user.target
EOF
# 启动服务
systemctl start node_exporter
systemctl enable node_exporter接入 Prometheus
修改 Prometheus 配置文件 prometheus.yml，添加监控目标：
yaml
scrape_configs:
- job_name: nodes
metrics_path: "/metrics"
static_configs:
- targets:
- 192.168.10.80:9100 # 替换为实际节点IP
- 192.168.10.13:9100
labels:
service: kubernetes重载配置：
bash
curl -X POST http://192.168.10.80:9090/-/reload（2）mysqld-exporter：监控 MySQL
安装与配置
bash
# 部署二进制文件
cd /opt
tar xf mysqld_exporter-0.14.0.linux-amd64.tar.gz
mv mysqld_exporter-0.14.0.linux-amd64/mysqld_exporter /usr/local/bin/
# 配置 MySQL 权限（在MySQL服务器执行）
mysql -uroot -p
GRANT PROCESS, REPLICATION CLIENT, SELECT ON *.* TO 'exporter'@'localhost' IDENTIFIED BY 'abc123';
flush privileges;
# 修改 MySQL 配置文件
vim /etc/my.cnf
[client]
host=localhost
user=exporter
password=abc123
# 创建系统服务
cat > /usr/lib/systemd/system/mysqld_exporter.service <<'EOF'
[Unit]
Description=mysqld_exporter
Documentation=https://prometheus.io/
After=network.target
[Service]
Type=simple
ExecStart=/usr/local/bin/mysqld_exporter --config.my-cnf=/etc/my.cnf
ExecReload=/bin/kill -HUP $MAINPID
Restart=on-failure
[Install]
WantedBy=multi-user.target
EOF
# 启动服务
systemctl start mysqld_exporter
systemctl enable mysqld_exporter接入 Prometheus
修改 prometheus.yml 添加 MySQL 监控：
yaml
scrape_configs:
- job_name: mysqld
metrics_path: "/metrics"
static_configs:
- targets:
- 192.168.10.14:9104 # MySQL服务器IP:端口
labels:
service: mysqld重载配置生效。
3. 部署 Grafana 实现可视化
步骤1：安装与启动
bash
# 安装Grafana（以7.4.0为例）
yum install -y grafana-7.4.0-1.x86_64.rpm
# 启动服务
systemctl start grafana-server
systemctl enable grafana-server
# 验证端口（默认3000）
netstat -natp | grep :3000步骤2：配置数据源
- 访问 Grafana 界面：
http://IP:3000，默认账号密码admin/admin； - 进入 Configuration -> Data Sources -> Add data source，选择 Prometheus；
- 填写 Prometheus 地址（如
http://192.168.10.80:9090），点击 Save & Test。
步骤3：导入监控面板
- 访问 Grafana 面板库，搜索适合的面板（如 Node Exporter 面板 ID：1860）；
- 在 Grafana 中点击 + Create -> Import，输入面板 ID 并加载，即可查看可视化监控数据。
4. 服务发现配置
Prometheus 支持动态发现监控目标，避免静态配置的繁琐，常用方式如下：
（1）基于文件的服务发现
通过 YAML/JSON 文件定义目标，Prometheus 定期加载：
bash
# 创建目标配置文件目录
mkdir /usr/local/prometheus/targets
# 定义节点监控目标
vim targets/node-exporter.yaml
- targets:
- 192.168.10.80:9100
- 192.168.10.14:9100
labels:
app: node-exporter
job: node修改 Prometheus 配置：
yaml
scrape_configs:
- job_name: nodes
file_sd_configs:
- files:
- targets/node*.yaml # 支持通配符
refresh_interval: 2m # 每2分钟刷新（2）基于 Consul 的服务发现
Consul 提供服务注册与健康检查，Prometheus 可通过 Consul 动态发现目标：
- 部署 Consul 并启动服务；
- 在 Consul 中注册监控目标（如 Node Exporter）；
- 配置 Prometheus 对接 Consul：
yaml
scrape_configs:
- job_name: nodes
consul_sd_configs:
- server: 192.168.10.80:8500 # Consul地址
tags: ["nodes"] # 过滤标签
refresh_interval: 2m八、总结
Prometheus 凭借其灵活的采集机制、强大的查询能力和丰富的生态，成为云原生监控的首选方案。通过本文的部署实践，可快速搭建一套涵盖服务器、数据库、中间件的全方位监控系统。结合 Grafana 的可视化和 Alertmanager 的告警能力，能有效提升系统的可观测性，及时发现并解决问题。
如需进一步扩展，可探索 Kubernetes 服务发现、远端存储集成或 Prometheus 联邦集群等高级特性。
GitHub 地址：https://github.com/prometheus