背景：
由于项目上使用spring cloud，需要对一些服务指标就需要进行监控，以便于时刻了解各服务的运行状态。经过搜索材料，发现大多方案直接推荐用微服务最佳实践者——Netflix开源的方案（Atlas+Grafana），试着跟着搜索到的一些资料，并进行了尝试，结果表明成功案例都是在SpringBoot1.x上的；在SpringBoot2.x上，尚无资料表示成功使用上Atlas这方案。
另外，在研究的过程中，发现SpringBoot2.x上已引入第三方实现的metrics Facade（micrometer.io，可以同日志的Facade框架Sl4j等同理解，并已覆盖Atlas、Datadog、Ganglia、Graphite、Influx、JMX、NewRelic、Prometheus、SignalFx、StatsD、Wavefront等业内主流的tsdb实现）。再者，项目最终需要应用kubernetes来进行容器编排，其官方推荐的容器监控服务，就是用Prometheus配上Grafana作为监 控展现；为了统一,就转身到Prometheus+Grafana这方案上来。
0. 环境说明：
Ubuntu 16.04
Spring Boot 2.0.0.RELEASE
初识Prometheus：
Prometheus 是由 SoundCloud 开源监控告警解决方案，从 2012 年开始编写代码，再到 2015 年 github 上开源以来，已经吸引了 9k+ 关注，以及很多大公司的使用；2016 年 Prometheus 成为继 k8s 后，第二名 CNCF(Cloud Native Computing Foundation) 成员。
作为新一代开源解决方案，很多理念与 Google SRE 运维之道不谋而合。
主要功能
- 多维 数据模型（时序由 metric 名字和 k/v 的 labels 构成）。
- 灵活的查询语句（PromQL）。
- 无依赖存储，支持 local 和 remote 不同模型。
- 采用 http 协议，使用 pull 模式，拉取数据，简单易懂。
- 监控目标，可以采用服务发现或静态配置的方式。
- 支持多种统计数据模型，图形化友好。
核心组件
基础架构
![]()
从这个架构图，也可以看出 Prometheus 的主要模块包含， Server, Exporters, Pushgateway, PromQL, Alertmanager, WebUI 等。
大致使用逻辑是这样：
- Prometheus server 定期从静态配置的 targets 或者服务发现的 targets 拉取数据。
- 当新拉取的数据大于配置内存缓存区的时候，Prometheus 会将数据持久化到磁盘（如果使用 remote storage 将持久化到云端）。
- Prometheus 可以配置 rules，然后定时查询数据，当条件触发的时候，会将 alert 推送到配置的 Alertmanager。
- Alertmanager 收到警告的时候，可以根据配置，聚合，去重，降噪，最后发送警告。
- 可以使用 API， Prometheus Console 或者 Grafana 查询和聚合数据。
注意
- Prometheus 的数据是基于时序的 float64 的值，如果你的数据值有更多类型，无法满足。
- Prometheus 不适合做审计计费，因为它的数据是按一定时间采集的，关注的更多是系统的运行瞬时状态以及趋势，即使有少量数据没有采集也能容忍，但是审计计费需要记录每个请求，并且数据长期存储，这个 Prometheus 无法满足，可能需要采用专门的审计系统。
了解更多知识，可以到这里了解：Prometheus实战
Spring cloud应用的配置改动：
<dependency> <groupId>io.micrometer</groupId> <artifactId>micrometer-core</artifactId> <version>1.0.5</version> </dependency> <dependency> <groupId>io.micrometer</groupId> <artifactId>micrometer-registry-prometheus</artifactId> <version>1.0.5</version> <exclusions> <exclusion> <!-- 由于 micrometer-registry-prometheus 默认的core包是 1.0.1版本的，与当前的组件版本不适应，需要排除 --> <groupId>io.micrometer</groupId> <artifactId>micrometer-core</artifactId> </exclusion> </exclusions> </dependency>
#服务治理配置
management: security: # 仅限于 开发环境可对security进行关闭。 enabled: false metrics: export: prometheus: enabled: true step: 1m
descriptions: true web: server: auto-time-requests: true endpoints: web: exposure: include: health,info,env,prometheus,metrics,httptrace,threaddump,heapdump
这里为了方便部署监控测试，把服务治理端的相关安全认证选项禁用掉。更多关于metrics的配置说明，请参考官方指引。
关于endpoints，"prometheus"在本例中，是必须声明的项目，否则在后续配置prometheus的job时没有对应的uri可以提供。
由于prometheus是采用主动爬取的方式，所以在SpringCloud的应用里面，无需配置prometheus的服务地址和端口。这点（个人理解），是与Atlas、Ganglia、Graphite、Influx、JMX、StatsD、Wavefront等不同的。
接着启动你的应用，打开浏览器输入http://localhost:PORT/actuator/prometheus，正常情况下你就可以在页面上看到很多键值对(直接返回的是text)：
Prometheus配置:
- 安装:
去官网下载，根据你自己的操作系统选择版本，本例下载的是prometheus-2.3.1.linux-amd64.tar.gz。下载完，解压，找到prometheus.yml改配置：
# 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']
# The job name is added as a label `job=<job_name>` to any timeseries scraped from this config.
- job_name: 'admin-service' # metrics_path defaults to '/metrics' # metrics_path: /actuator/metrics
metrics_path: /actuator/prometheus
# scheme defaults to 'http'.
static_configs:
- targets: ['localhost:8762']
说明：下载下来的配置文件，metrics_path是被注释的。在本例使用的是SpringBoot 2.0.0.RELEASE，默认监控类指标输出，都是在/actuator下。
所以，需要修改为”metrics_path: /actuator/prometheus“，且非注释。
要看有哪些指标可以现成使用的，可以在Graph菜单下，那个下拉列表中查找：
你可以选中一个指标，然后execute,就可以看到一个简陋的图表，显示指标的数据：
增强配置：
考虑到后续需要对同一个服务增加不用业务类型的监控，或者直接对同一个job应用到不同的host上时，采用static_configs的方式，是需要重启Prometheus服务的。
因此，通过研究，可以通过 file_sd_configs来替代static_configs：
（1）. 注释 修改prometheus.yml文件：
#static_configs: #- targets: ['localhost:8762'] file_sd_configs:
- files:
- /YOUR_HOME/softs/prometheus/configs/admin/*.json
(2). 在/YOUR_HOME/softs/prometheus/configs/admin/目录里，创建一个任意名字的json文件。本例是创建base.json文件。内容如下：
[
{
"targets": ["localhost:8762"]
}
]
更多配置说明，请参考官方说明：file_sd_config
更好的监控UI——Grafana:
2. 启动服务： $ sudo systemctl start grafana-server
3. 访问http://localhost:3000你就会看到登录界面，默认的账户和密码都是admin。
接着我们新加入一个Dashboards:
新增一个Graph:
接着选择edit：
然后在metric中编辑数据源和指标，比如我们新增一个threads(线程数)的指标，完成后就可以看到美丽的图表了
本文转自掘金-Prometheus+Grafana实现SpringCloud服务监控
