带你十天轻松搞定 Go 微服务系列（八、服务监控）-低调大师

带你十天轻松搞定 Go 微服务系列（八、服务监控）

2022-01-26 565

序言

我们通过一个系列文章跟大家详细展示一个 go-zero 微服务示例，整个系列分十篇文章，目录结构如下：

环境搭建
服务拆分
用户服务
产品服务
订单服务
支付服务
RPC 服务 Auth 验证
服务监控（本文）
链路追踪
分布式事务

期望通过本系列带你在本机利用 Docker 环境利用 go-zero 快速开发一个商城系统，让你快速上手微服务。

完整示例代码：https://github.com/nivin-studio/go-zero-mall

首先，我们来看一下整体的服务拆分图：

8.1 `Prometheus` 介绍

Prometheus 是一款基于时序数据库的开源监控告警系统，基本原理是通过 HTTP 协议周期性抓取被监控服务的状态，任意服务只要提供对应的 HTTP 接口就可以接入监控。不需要任何 SDK 或者其他的集成过程，输出被监控服务信息的 HTTP 接口被叫做 exporter 。目前互联网公司常用的服务大部分都有 exporter 可以直接使用，比如 Varnish、Haproxy、Nginx、MySQL、Linux 系统信息(包括磁盘、内存、CPU、网络等等)。Promethus 有以下特点：

支持多维数据模型(由度量名和键值对组成的时间序列数据)
支持 PromQL 查询语言，可以完成非常复杂的查询和分析，对图表展示和告警非常有意义
不依赖分布式存储，单点服务器也可以使用
支持 HTTP 协议主动拉取方式采集时间序列数据
支持 PushGateway 推送时间序列数据
支持服务发现和静态配置两种方式获取监控目标
支持接入 Grafana

8.2 `go-zero` 使用 `Prometheus` 监控服务

go-zero 框架中集成了基于 Prometheus 的服务指标监控，go-zero 目前在 http 的中间件和 rpc 的拦截器中添加了对请求指标的监控。

主要从 请求耗时 和 请求错误 两个维度，请求耗时采用了 Histogram 指标类型定义了多个 Buckets 方便进行分位统计，请求错误采用了 Counter 类型，并在 http metric 中添加了 path 标签，rpc metric 中添加了 method 标签以便进行细分监控。

接下来我们分别为前面几章实现的服务添加 Prometheus 监控，首先我们先回顾下 第二章服务拆分，为了模拟服务的分布式部署，我们是在一个容器里启动了所有的服务，并为其分配了不同的端口号。下面我们再为这些服务分配一个 Prometheus 采集指标数据的端口号。

服务	`api` 服务端口号	`rpc` 服务端口号	`api` 指标采集端口号	`rpc` 指标采集端口号
`user`	8000	9000	9080	9090
`product`	8001	9001	9081	9091
`order`	8002	9002	9082	9092
`pay`	8003	9003	9083	9093

8.2.1 添加 `user api` 服务 `Prometheus` 配置

$ vim mall/service/user/api/etc/user.yaml

Name: User
Host: 0.0.0.0
Port: 8000

...

Prometheus:
  Host: 0.0.0.0
  Port: 9080
  Path: /metrics

8.2.2 添加 `user rpc` 服务 `Prometheus` 配置

$ vim mall/service/user/rpc/etc/user.yaml

Name: user.rpc
ListenOn: 0.0.0.0:9000

...

Prometheus:
  Host: 0.0.0.0
  Port: 9090
  Path: /metrics

8.2.3 添加 `product api` 服务 `Prometheus` 配置

$ vim mall/service/product/api/etc/product.yaml

Name: Product
Host: 0.0.0.0
Port: 8001

...

Prometheus:
  Host: 0.0.0.0
  Port: 9081
  Path: /metrics

8.2.4 添加 `product rpc` 服务 `Prometheus` 配置

$ vim mall/service/product/rpc/etc/product.yaml

Name: product.rpc
ListenOn: 0.0.0.0:9001

...

Prometheus:
  Host: 0.0.0.0
  Port: 9091
  Path: /metrics

8.2.5 添加 `order api` 服务 `Prometheus` 配置

$ vim mall/service/order/api/etc/order.yaml

Name: Order
Host: 0.0.0.0
Port: 8002

...

Prometheus:
  Host: 0.0.0.0
  Port: 9082
  Path: /metrics

8.2.6 添加 `order rpc` 服务 `Prometheus` 配置

$ vim mall/service/order/rpc/etc/order.yaml

Name: order.rpc
ListenOn: 0.0.0.0:9002

...

Prometheus:
  Host: 0.0.0.0
  Port: 9092
  Path: /metrics

8.2.7 添加 `pay api` 服务 `Prometheus` 配置

$ vim mall/service/pay/api/etc/pay.yaml

Name: Pay
Host: 0.0.0.0
Port: 8003

...

Prometheus:
  Host: 0.0.0.0
  Port: 9083
  Path: /metrics

8.2.8 添加 `pay rpc` 服务 `Prometheus` 配置

$ vim mall/service/pay/rpc/etc/pay.yaml

Name: pay.rpc
ListenOn: 0.0.0.0:9003

...

Prometheus:
  Host: 0.0.0.0
  Port: 9093
  Path: /metrics

提示：配置修改后，需要重启服务才会生效。

8.2.9 修改 `Prometheus` 配置

在 第一章环境搭建 中我们集成了 Prometheus 服务，在prometheus 目录下有个 prometheus.yml 的配置文件，我们现在需要修改这个配置文件。

# my global config
global:
  scrape_interval: 15s # Set the scrape interval to every 15 seconds. Default is every 1 minute. 
  evaluation_interval: 15s # Evaluate rules every 15 seconds. The default is every 1 minute.     
  # scrape_timeout is set to the global default (10s).

# Alertmanager configuration
alerting:
  alertmanagers:
    - static_configs:
        - targets:
          # - alertmanager:9093

# Load rules once and periodically evaluate them according to the global 'evaluation_interval'.  
rule_files:
  # - "first_rules.yml"
  # - "second_rules.yml"

# A scrape configuration containing exactly one endpoint to scrape:
# Here it's Prometheus itself.
scrape_configs:
  # The job name is added as a label `job=<job_name>` to any timeseries scraped from this config.
  - job_name: "prometheus"

    # metrics_path defaults to '/metrics'
    # scheme defaults to 'http'.

    static_configs:
      - targets: ["localhost:9090"]

  # 我们自己的商城项目配置
  - job_name: 'mall'
    static_configs:
      # 目标的采集地址
      - targets: ['golang:9080']
        labels:
          # 自定义标签
          app: 'user-api'
          env: 'test'

      - targets: ['golang:9090']
        labels:
          app: 'user-rpc'
          env: 'test'

      - targets: ['golang:9081']
        labels:
          app: 'product-api'
          env: 'test'

      - targets: ['golang:9091']
        labels:
          app: 'product-rpc'
          env: 'test'

      - targets: ['golang:9082']
        labels:
          app: 'order-api'
          env: 'test'

      - targets: ['golang:9092']
        labels:
          app: 'order-rpc'
          env: 'test'

      - targets: ['golang:9083']
        labels:
          app: 'pay-api'
          env: 'test'

      - targets: ['golang:9093']
        labels:
          app: 'pay-rpc'
          env: 'test'

提示：配置文件修改好后，需要重启 Prometheus 服务容器才能生效。

8.2.10 访问 `Prometheus` 可视化界面

在 第一章环境搭建 中我们集成了 Prometheus 服务，并为其端口号9090 做了宿主机端口 3000 的映射关系，所以在浏览器中输入 http://127.0.0.1:3000/ 访问 Prometheus 界面。

选择 Status -> Targets 菜单，即可看到我们配置的采集目标的状态和自定义的标签。

我们多次访问 api 服务的接口后，选择 Graph 菜单，在查询输入框中输入 {path="api接口地址"} 或者 {method="rpc接口方法"} 指令，即可查看监控指标。

8.3 使用 `Grafana` 可视化 `Prometheus` 指标数据

8.3.1 添加 `Prometheus` 数据源

在 第一章环境搭建 中我们集成了 Grafana 服务，并为其端口号3000 做了宿主机端口 4000 的映射关系，所以在浏览器中输入 http://127.0.0.1:4000/ 访问 Grafana 界面。点击左侧边栏 Configuration -> Data Source -> Add data source 进行数据源添加。

然后选择 Prometheus 数据源

填写 HTTP 配置中 URL 地址（我这里的 IP地址 是 Prometheus 所在容器的 IP地址），然后点击 Save & test 按，上方会提示 Data source is working，说明我们数据源添加成功且正常工作。

8.3.2 添加 `Variables` 用于服务筛选

点击左侧边栏 Dashboard 选择右上角 Dashboard settings 按钮，在 Settings 页面选择 Variables -> Add variable 添加变量，方便针对不同的标签进行过滤筛选。

分别添加 api_app API服务名称，rpc_app RPC服务名称变量，用于不同服务的筛选。变量数据源选择 Prometheus 数据源，使用正则表达式提取出对应的 app 标签。

8.3.3 添加 `api` 接口 `qps` 仪表盘

回到 Dashboard 页面选择右上角 Add panel 按钮，然后再选择 Add an empty panel 添加一个空的面板。

面板编辑页，修改面板标题为 API接口QPS，在 Metrics 中输入 sum(rate(http_server_requests_duration_ms_count{app="$api_app"}[5m])) by (path) 以 path 维度统计 api 接口的 qps

8.3.4 添加 `rpc` 接口 `qps` 仪表盘

再新建一个面板，修改面板标题为 RPC接口QPS，在 Metrics 中输入 sum(rate(rpc_server_requests_duration_ms_count{app="$rpc_app"}[5m])) by (method) 以 method 维度统计 rpc 接口的 qps

8.3.5 添加 `api` 接口状态码仪表盘

再新建一个面板，修改面板标题为 API接口状态码，在 Metrics 中输入 sum(rate(http_server_requests_code_total{app="$api_app"}[5m])) by (code) 以 code 维度统计 api 接口的状态码

8.3.6 添加 `rpc` 接口状态码仪表盘

再新建一个面板，修改面板标题为 RPC接口状态码，在 Metrics 中输入 sum(rate(rpc_server_requests_code_total{app="$rpc_app"}[5m])) by (code) 以 code 维度统计 rpc 接口的状态码

8.3.7 保存仪表盘

调整下面板位置，选择右上角 Save dashboard 按钮保存仪表盘。

项目地址

https://github.com/zeromicro/go-zero

https://gitee.com/kevwan/go-zero

欢迎使用 go-zero 并 star 支持我们！

微信交流群

关注『微服务实践』公众号并点击 交流群 获取社区群二维码。 </job_name>

微信关注我们

原文链接：https://my.oschina.net/kevwan/blog/5415461

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

从服务端生成Excel电子表格（Node.js+SpreadJS）

Node.js是一个基于Chrome V8引擎的JavaScript运行环境，通常用于创建网络应用程序。它可以同时处理多个连接，并且不像其他大多数模型那样依赖线程。对于 Web 开发者来说，从数据库或Web服务器获取数据，然后输出到Excel文件以进行进一步分析的场景时有发生。我们的技术团队在跟国内外各行各业用户交流的过程中，就曾发现有很多的用户尝试在Node.js的环境下运行SpreadJS 纯前端表格控件，借助该控件，可以在服务器不预装任何Excel依赖项的情况下，收集用户输入的信息，并将其自动导出到Excel文件中。为了满足广大技术爱好者的需要，同时减少大家在未来技术选型方面所走的弯路，本文将就SpreadJS 与 Node.js之间的技术性方案进行探讨！一、安装 SpreadJS 和 Node .js 首先，我们需要安装Node.js以及Mock-Browser，BufferJS和FileReader，大家可以前往以下链接进行下载，同步操作： Installing Node.js viaPackage Manager Mock-Browser BufferJS FileR...

2022-01-26

546

【百度云原生导读】2020年联通集团确定了以 Kubernetes（以下简称K8s）为资源调度平台的架构演进路线，与之相对的应用微服务架构也需基于 K8s。中国联合网络通信有限公司软件研究院（以下简称联通软研院）在微服务技术进行了长期的技术研究开发与应用实践。期间，收获了微服务为联通生产建设带来的红利，也因需要支撑多种微服务架构带来很多困扰，经过业内的调研及评估，最终确定了以服务网格（Service Mesh）为微服务的演进方向，组建微服务研发团队，并完成中国联通服务网格 CSM（Chinaunicom Service Mesh）产品研发。 2021年联通软研院持续迭代服务网格 CSM 产品，为进一步提升网格能力及微服务治理能力，与百度联合研发 Mesh 服务治理能力并将其融合进 CSM 产品，并借鉴百度服务网格在百度 APP、百度地图等优秀实践经验，推进 CSM 在联通试点推广及规模化应用生产落地，在实现了双方的共赢的同时，完成了服务网格在各自业务场景下落地的经验积累。通过服务网格技术将微服务能力下沉到『基础设施层』，实现了微服务技术栈统一、技术架构云原生化、多语言场景下微服...

2022-01-26

527

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。