Prometheus的docker (compose)安装
一、Docker是什么
Docker 是一个开源的应用容器引擎，基于Go 语言 并遵从 Apache2.0 协议开源
Docker 可以让开发者打包他们的应用以及依赖包到一个轻量级、可移植的容器中，然后发布到任何流行的 Linux 机器上，也可以实现虚拟化。
容器是完全使用沙箱机制，相互之间不会有任何接口(类似 iPhone 的 app),更重要的是容器性能开销极低。
Docker从17.03 版本之后分为CE(Community Edition:社区版)和EE(EnterpriseEdition: 企业版)，我们用社区版就可以了
应用程序部署方式的演变
在部署应用程序的方式上，主要经历了三个时代
。传统部署:互联网早期，会直接将应用程序部署在物理机上
1.优点: 简单，不需要其它技术的参与
2.缺点: 不能为应用程序定义资源使用边界，很难合理地分配计算资源，而且程序之间容易产生影响
。虚拟化部署:可以在一台物理机上运行多个虚拟机，每个虚拟机都是独立的一个环境
1.优点: 程序环境不会相互产生影响，提供了一定程度的安全性
2.缺点: 增加了操作系统，浪费了部分资源
。容器化部署:与虚拟化类似，但是共享了操作系统。优点:
1.可以保证每个容器拥有自己的文件系统、CPU、内存、进程空间等
2.运行应用程序所需要的资源都被容器包装，并和底层基础架构解耦
3.容器化的应用程序可以跨云服务商、跨Linux操作系统发行版进行部署
4.部署快速。
二、Docker环境的准备
2.1配置yum的docker源
略
2.2 安装docker
略
检查docker服务是否启动且开机自启动
systemctl start docker
systemctl enable docker
systemctl status docker查看docker版本能运行出，版本号说明安装成功
docker -v主要docker命令
#查看docker中的已安装镜像列表
docker images
# 查看运行中的容器
docker ps
# 显示所有容器（运行中、已停止、已退出）
docker ps -a2.3安装docker-compose组件
Docker Compose是Docker官方的开源项目，负责实现对Docker容器集群的快速编排。
快速编排:
1.有些复杂的程序部署组件有前后步骤/依赖关系
2.能实现程序的快速扩容+缩容
Compose 是 Docker 公司推出的一个工具软件，可以管理多个 Docker 容器组成一个应用。你需要定义一个 YAML 格式的配置文件docker-compose.yml，写好多个容器之间的调用关系。然后，只要一个命令，就能同时启动/关闭这些容器
优势
。避免了多次使用 Dockerfile、Build、Image 命令或者 DockerHub 拉取 Image(当前案例中，prometheus、grafana、node_exporter、alertmanager等需要分别拉取镜像images启动程序，使用了docker-compose则可以在一个yaml文件中一步启动)
。需要创建多个Container，多次编写启动命令:
。Container互相依赖的如何进行管理和编排(prometheus和其他组件有启动的依赖关系、先后顺序。用docker-compose的yaml文件可以比较方便的管理这类依赖)
安装
#从github中拉取下载docker-compose
curl -L "https://github.com/docker/compose/releases/download/1.29.2/docker-compose-Linux-x86_64" -o /usr/local/bin/docker-compose
#设置文件具备执行权限
sudo chmod +x /usr/local/bin/docker-compose
#查看已安装的版本，如果能正常输出版本号说明安装compose完毕
docker-compose -v主要的compose命令
#启动一个compose
docker-compose up
#关闭一个compose
docker-compose down三、Docker-compose安装Prometheus
3.1 主要文件及树形结构
root@localhost data\]# tree . └── docker-prometheus ├── alertmanager │ └── config.yml ├── docker-compose.yaml ├── grafana │ ├── config.monitoring │ └── provisioning └── prometheus ├── alert.yml └── prometheus.yml #### **3.2 创建基本目录结构** #切换到root用户 mkdir /data/docker-prometheus -p mkdir /data/docker-prometheus/{grafana,prometheus,alertmanager} -p cd /data/docker-prometheus/ #### **3.3 创建alertmanager的配置文件** vi alertmanager/config.yml global: # 163邮箱SMTP服务器 smtp_smarthost: 'smtp.163.com:465' # 发件邮箱 smtp_from: '17711712380@163.com' # 发件邮箱用户名 smtp_auth_username: '17711712380@163.com' # 发件邮箱密码（授权码） smtp_auth_password: 'GStn5dw5K4JntCiY' # 是否启用TLS smtp_require_tls: false route: # 按告警名称分组 group_by: ['alertname'] # 等待时间，看是否有更多告警一起发送 group_wait: 10s # 同一分组内发送新告警的等待时间 group_interval: 10s # 重复发送告警的时间间隔 repeat_interval: 10m # 默认接收器 receiver: 'email' receivers: # 接收器名称 - name: 'email' # 邮件配置 email_configs: # 收件邮箱 - to: '1814603398@qq.com' inhibit_rules: # 抑制规则：当有严重告警时，抑制对应的警告级别告警 - source_match: # 源告警（触发抑制的告警） severity: 'critical' target_match: # 目标告警（被抑制的告警） severity: 'warning' # 需要匹配的标签 equal: ['alertname', 'dev', 'instance'] #### **3.4 创建grafana的配置文件** vi grafana/config.monitoring # 设置管理员密码为 "123456" GF_SECURITY_ADMIN_PASSWORD=123456 # 禁止用户在 Grafana 网站自行注册账户。 GF_USERS_ALLOW_SIGN_UP=false #### **3.5 创建prometheus的配置文件** vi prometheus/prometheus.yml # 全局配置 global: scrape_interval: 60s # 将抓取间隔设置为每60秒一次。默认是每1分钟一次 evaluation_interval: 60s # 每60秒评估一次规则。默认是每1分钟一次 # Alertmanager 配置，告诉 Prometheus 把触发的告警发送到哪里 alerting: alertmanagers: - static_configs: - targets: ['alertmanager:9093'] # 告警规则文件配置 rule_files: - "alert.yml" # 抓取配置（一共创建四个Prometheus监控项） scrape_configs: # 1. Prometheus 自身监控，确保监控系统本身正常工作 - job_name: 'prometheus' scrape_interval: 60s # 覆盖全局默认值，每60秒从该作业中抓取一次目标 static_configs: - targets: ['localhost:9090'] # 2. Alertmanager 监控，alertmanager 是Docker容器名，需要在同一Docker网络 - job_name: 'alertmanager' scrape_interval: 60s static_configs: - targets: ['alertmanager:9093'] # 3. cAdvisor 容器监控，Google开发的容器监控工具 - job_name: 'cadvisor' scrape_interval: 60s static_configs: - targets: ['cadvisor:8080'] labels: instance: 'Prometheus服务器' # 4. Node Exporter 主机监控，监控Linux主机指标的工具 - job_name: 'node-exporter' scrape_interval: 15s static_configs: - targets: ['node-exporter:9100'] labels: instance: 'Prometheus服务器' #### **3.6 创建prometheus的告警文件** vi prometheus/alert.yml groups: - name: Prometheus_alert rules: # 对任何实例超过30秒无法联系的情况发出警报 - alert: 服务告警 expr: up == 0 #触发条件 (expr),up = 0：监控目标不可达，抓取失败 for: 30s labels: severity: critical annotations: summary: "服务异常，实例: {{ $labels.instance }}" description: "{{ $labels.job }} 服务已关闭超过30秒" #### **3.7创建docker-compose.yaml文件**(我是rockylinux9.6) yaml中指定的镜像版本与前述二进制安装中的各组件版本保持一致。cadvisor表示普罗米修斯对docker平台的监控组件，此处采用v0.47.2 | 镜像名 | 版本号 | |---------------|---------| | prometheus | v2.45.5 | | alertmanager | v0.27.0 | | node-exporter | v1.8.0 | | grafana | 9.3.16 | | cadvisor | v0.47.2 | vi docker-compose.yaml #\[root@localhost docker-prometheus\]# vi docker-compose.yaml version: '3.3' # 存储卷 volumes: prometheus_data: {} # 持久化Prometheus数据 grafana_data: {} # 持久化Grafana配置 networks: monitoring: #为监控栈创建的自定义网络的名称。所有加入此网络的服务（通过 networks: - monitoring），就如同连接到了同一个内部局域网。 driver: bridge services: prometheus: image: prom/prometheus:v2.45.5 container_name: prometheus restart: always # 容器退出时会自动重启 #宿主机"指的就是运行Docker引擎的那台物理服务器或云虚拟机。 volumes: #下面三个都是 "将外部存储挂载到容器内部"，其中两个外部存储直接指向宿主机路径，另一个指向Docker管理的抽象卷。 - /etc/localtime:/etc/localtime:ro # 同步宿主机时间。将宿主机的时间文件只读挂载到容器内，使容器时间与宿主机一致。 - ./prometheus/:/etc/prometheus/ # 提供配置文件。将宿主机当前目录下的 prometheus/ 文件夹，挂载为容器内的配置目录。这是你管理配置的主要方式。 - prometheus_data:/prometheus # 持久化存储数据。将Docker管理的名为 prometheus_data 的存储卷，挂载到容器内，用于保存监控数据库。确保数据不丢失。 command: - '--config.file=/etc/prometheus/prometheus.yml' #核心配置文件路径。指定 Prometheus 从容器内的 /etc/prometheus/prometheus.yml 文件读取其主配置。这个路径与你之前的卷挂载 ./prometheus/:/etc/prometheus/ 直接对应，使你可以在宿主机上管理配置。 - '--storage.tsdb.path=/prometheus' #数据存储路径。指定 Prometheus 将其时序数据库（TSDB）文件写入容器内的 /prometheus 目录。这个路径与你挂载的 prometheus_data 命名卷对应，确保了监控历史数据的持久化。 - '--web.console.libraries=/usr/share/prometheus/console_libraries' #控制台模板库路径。指定 Web 控制台使用的 JavaScript 库的目录。通常使用镜像内的默认值，无需更改。 - '--web.console.templates=/usr/share/prometheus/consoles' #控制台模板路径。指定 Web 控制台使用的 HTML 模板文件的目录。通常也使用默认值。 - '--web.enable-lifecycle' #开启后，你可以通过向 Prometheus 发送一个 HTTP POST 请求，来热重载配置文件，而无需重启整个服务，避免了监控中断。 - '--storage.tsdb.retention.time=30d' networks: - monitoring #指定该服务应该加入到名为 monitoring 的自定义Docker网络中。 links: #不必须，现代版本的 Docker 中，只要服务位于同一自定义网络（如这里的 monitoring），它们就可以互相解析对方的服务名 - alertmanager - cadvisor - node-exporter expose: #告知 Docker 该容器监听的内部端口号（这里是9090） - '9090' ports: #将容器的内部端口（左边的9090）映射到宿主机上的端口（右边的9090），意味着你可以在宿主机上通过访问 localhost:9090 来直接访问 Prometheus 的Web界面。 - '9090:9090' depends_on: #确保在启动 prometheus 容器之前，先启动 cadvisor 容器。 - cadvisor alertmanager: image: prom/alertmanager:v0.27.0 container_name: alertmanager #为容器命名，便于管理。 restart: always #宕机自动重启，保证告警服务高可用。 volumes: - /etc/localtime:/etc/localtime:ro # 同步宿主机时间，确保告警时间戳准确。 - ./alertmanager/:/etc/alertmanager/ #核心挂载。将宿主机当前目录下的 ./alertmanager/ 文件夹，挂载到容器内的配置目录 /etc/alertmanager/。你必须在此目录下创建 config.yml 配置文件。 command: - '--config.file=/etc/alertmanager/config.yml' #指定配置文件路径，指向上面挂载的目录中的文件。 - '--storage.path=/alertmanager' #重要参数。指定Alertmanager内部数据（如静默状态、通知历史）的存储路径。 networks: #加入监控专用网络，使Prometheus能通过 alertmanager:9093 域名向其发送告警。 - monitoring expose: #将9093端口暴露给同一Docker网络（如 monitoring）内的其他容器。这是为了让Prometheus容器能够访问它。 - '9093' ports: #端口映射。将容器内的9093端口映射到宿主机的9093端口，使你能够通过浏览器访问 http://<宿主机IP>:9093 来打开Alertmanager的Web管理界面。 - '9093:9093' cadvisor: #它是整个监控栈的"容器资源探针"，专门负责自动收集宿主机上所有运行容器的实时性能数据。 image: m.daocloud.io/gcr.io/cadvisor/cadvisor:v0.47.2 container_name: cadvisor #指定容器名称，便于管理。 restart: always #确保服务中断后自动重启。 volumes: - /etc/localtime:/etc/localtime:ro #同步宿主机时间 - /:/rootfs:ro #挂载宿主机根目录（只读）。cAdvisor从这里读取主机整体的文件系统使用情况、容器镜像层等信息。 - /var/run:/var/run:rw #挂载Docker运行时目录（读写）。这是唯一需要读写权限的挂载。cAdvisor通过该目录下的Unix套接字（如 /var/run/docker.sock）与Docker守护进程通信，动态发现和查询所有容器的详细信息（如状态、配置）。 - /sys/fs/cgroup:/sys/fs/cgroup:ro #挂载系统信息目录（只读）。/sys 是Linux内核暴露硬件和设备信息的虚拟文件系统，cAdvisor从这里获取CPU、内存、网络设备等全局硬件指标。 - /var/lib/docker/:/var/lib/docker:ro #挂载Docker数据目录（只读）。这里存储了容器的镜像、可写层等实际数据，cAdvisor通过分析它来计算各容器的精确磁盘使用量。 networks: #加入监控专用网络，使Prometheus能通过 cadvisor:8080 访问其指标接口。 - monitoring expose: #仅暴露端口给内部网络。但不映射到宿主机。 - '8080' node-exporter: #它是监控栈的 "主机资源探针" ，专门负责收集宿主机本身（即运行Docker的虚拟机或物理服务器）的硬件和操作系统级指标，与 cAdvisor 形成互补。 image: prom/node-exporter:v1.8.0 container_name: node-exporter #指定容器名称。 restart: always # 确保服务中断后自动重启。 volumes: - /etc/localtime:/etc/localtime:ro #同步宿主机时间。 - /proc:/host/proc:ro #挂载进程信息目录（只读）。Linux的 /proc 虚拟文件系统包含所有进程和内核状态信息（如CPU、内存、任务列表）。这是获取CPU使用率、内存详情、进程统计的关键。 - /sys:/host/sys:ro #挂载系统设备目录（只读）。Linux的 /sys 虚拟文件系统暴露硬件设备、驱动和内核参数信息。用于获取磁盘I/O、网络统计、温度（如有）等指标。 - /:/rootfs:ro #挂载根文件系统（只读）。主要用于计算整个主机和各挂载点的磁盘使用情况。 command: - '--path.procfs=/host/proc' - '--path.sysfs=/host/sys' - '--collector.filesystem.ignored-mount-points=^/(sys|proc|dev|host)' networks: #加入监控专用网络，使Prometheus能通过 node-exporter:9100 访问其指标接口。 - monitoring ports: #端口映射。将容器内的9100指标端口映射到宿主机的9100端口。 - '9100:9100' grafana: image: grafana/grafana:9.3.16 container_name: grafana restart: always user: "472:472" #关键修改：指定以Grafana官方用户运行，避免权限问题 volumes: - /etc/localtime:/etc/localtime:ro - grafana_data:/var/lib/grafana - ./grafana/provisioning/:/etc/grafana/provisioning/ env_file: - ./grafana/config.monitoring networks: - monitoring links: - prometheus ports: - '3000:3000' depends_on: - prometheus #### **3.8 运行docker-compose** 执行docker-compose.yaml文件之前先执行：**此命令只需在首次启动前执行一次**。它会将数据卷的所有权赋予Grafana容器用户， Grafana 官方镜像出于安全考虑，默认强制使用一个非 root 的专用用户来运行，这个用户在镜像内的**用户ID（UID）就是 472**。 [root@localhost docker-prometheus]# cd /data/docker-prometheus [root@localhost docker-prometheus]# docker run --rm -v grafana_data:/var/lib/grafana alpine chown -R 472:472 /var/lib/grafana [root@localhost docker-prometheus]# docker-compose up -d ...... Creating cadvisor ... done Creating alertmanager ... done Creating node-exporter ... done Creating prometheus ... done Creating grafana ... done 运行时间较慢。需要拉取若干docker镜像文件，运行完毕不报错说明成功 #### **3.9 检查compose的运行状态** 检查镜像，发现5个镜像都已正常拉取 docker images 检查容器，发现五个容器都处于up运行状态  检查端口 ss -lntp|egrep "3000|9090|9100|9093"  web访问地址 | 应用 | 访问地址 | 账号密码 | |---------------|------------------------------------------------------------------------------------------------------------|--------------| | prometheus | [http://192.168.92.11:9090/](http://192.168.92.11:9090/ "http://192.168.92.11:9090/") | 无 | | grafana | [http://192.168.92.11:3000/](http://192.168.92.11:3000/ "http://192.168.92.11:3000/") | admin/123456 | | alertmanager | [http://192.168.92.11:9093/](http://192.168.92.11:9093/ "http://192.168.92.11:9093/") | 无 | | node_exporter | [http://192.168.92.11:9100/metrics](http://192.168.92.11:9100/metrics "http://192.168.92.11:9100/metrics") | 无 | 配置grafana的数据源 。访问grafana [http://192.168.92.11:3000/](http://192.168.92.11:3000/ "http://192.168.92.11:3000/") 。选择配置-\>Data sources  只要配置url,然后点save\&test就可以 添加node_exporter 。访问grafana官网 [https://grafana.com/grafana/dashboards/](https://grafana.com/grafana/dashboards/ "https://grafana.com/grafana/dashboards/") 找到node exporter full的插件    。即可在grafana中查看监控数据 