利用Prometheus 打造企业分布式监控平台(1)--扩展性

Prometheus是CNCF基金会管理的一个开源监控项目，由于其良好的架构设计和完善的生态，迅速成为了监控领域事实上的标准，尤其是在云原生领域。

随着深入地了解Prometheus，你会发现一些非常好的功能：

• 服务发现使配置更加容易。Prometheus支持consul，etcd，kubernetes以及各家公有云厂商自动发现。对于监控目标动态发现，这点特别契合Cloud时代，应用动态扩缩的特点。我们无法想象，在Cloud时代，需要运维不断更改配置。
• 开源社区建立了数百个exporter。基本上涵盖了所有基础设施和主流中间件。
• 工具库可从您的应用程序获取自定义指标。基本上主流开发语言都有对应的工具库。
• 它是CNCF旗下的OSS，是继Kubernetes之后的第二个毕业项目。Kubernetes已经与Promethues深度结合，并在其所有服务中公开了Prometheus指标。
• Pushgateway，Alermanager等组件，基本上涵盖了一个完整的监控生命周期。

对于一家小型单位，Prometheus足够了。几乎不需要任何的开发，就足以应对所有监控需求。

我们都知道Prometheus，自身的时序数据库TSDB是一个单机的数据库，不支持分布式是其天生的劣势。当你的 metrics 数量足够多的时候，单机Prometheus就显得捉襟见肘。您的Prometheus服务器开始崩溃，大多时候是内存问题。Prometheus中的内存使用量与存储的时间序列数量成正比，并且随着时间序列数量的增加，Prometheus会OOM。具有数百万个指标的Prometheus可以使用超过100GB的RAM，很多时候我们受限制于一些主机本身的大小，我们无法不断的通过纵向调整机器大小来解决这个问题。

因此解决Prometheus的扩展性，是打造企业分布式监控平台的关键。

如何解决Prometheus的扩展性

联邦

官方的解决方案是集群联邦，主要提供了分层联邦和跨服务联邦。

分层联邦

分层联邦允许 Prometheus 能够扩展到十几个数据中心和上百万的节点。在此场景下，联邦拓扑类似一个树形拓扑结构，上层的 Prometheus 服务器从大量的下层 Prometheus 服务器中收集和汇聚的时序数据。

跨服务联邦

在跨服务联邦中，一个服务的 Prometheus 服务器被配置来提取来自其他服务的 Prometheus 服务器的指定的数据，以便在一个 Prometheus 服务器中对两个数据集启用告警和查询。

这两种联邦，其实有很大的问题，本质上Prometheus的单机能力依旧没有得到解决。

拆分

拆分永远是解决问题的一个好思路。尤其是当你的场景是，不需要一个全局的监控视图。

我们可以根据环境(test,uat, prod)或是业务类型(基础设施，中间件，业务)，甚至是根据部门类型来拆分。

当然可以通过grafana配置不同的数据源，给使用方营造一种整体的假象。

但是这种方案，会带来很多问题：

• 随着你metrics量的增加，切分的维度会越来越细。
• 缺乏一个全局的视图，我们仍然无法跨不同集群查询服务，并且无法真正执行全局查询。
• 给统一报警增加了困难。
• 如果群集是动态的或变化的，则每次群集中部署Prometheus时，您通常都需要实现一种自动向Grafana添加数据源的方法。

长期存储

Prometheus社区也意识到了同样的问题，于是提供了远程读写两个接口，让大家可以使用一些社区的时序数据库方案，来扩展prometheus。

当前，有几个提供长期存储（LTS）的开源项目，而这些社区项目则领先于其他项目：Cortex，Thanos或M3。

当然这些项目实现的方式是不同的，均有不同的优势和劣势，需要大家根据自己单位实际的场景需求来选择。

诸如Thanos，最终的储存是S3等对象存储，整体架构比较复杂。

M3db社区活跃度不够，文档比较少，但是M3db相比其他几个，是典型的时序数据库。

Influxdb集群版本没有开源。

Victoria 数据是没有副本的。

我曾经在生产环境中，使用过Clickhouse作为长期存储。该解决方案存在的问题是，Clickhouse并发查询能力比较低，导致查询的时候慢。当然写入倒是没有什么大的问题。

采集端hash mod

尤其当Prometheus部署到kubernetes当中，并且我们使用了Prometheus的kubernetes sd 服务发现时，当我们集群变得非常大的时候，单台的Prometheus采集能力也成为一个瓶颈。此时，我们可以使用hash mod, 对采集任务进行分片。

总结

本文是利用Prometheus 打造企业分布式监控平台系列中的第一篇文章。主要讲了Prometheus的可扩展性上的一些解决方案。其实没有百分百完美的方案，大家需要根据自己metrics的数量来选择最合适自己的方案。