docker swarm集群的监控方案很多，cAdvisor+InfluxDB+Grafana方案功能强大灵活。最重要的是这个方案开源、免费、易用，是不花钱版监控方案。参考文档：https://botleg.com/stories/monitoring-docker-swarm-with-cadvisor-influxdb-and-grafana/
组件说明
cAdvisor：数据收集模块，需要部署在集群中的每一个节点上，当然前提条件是节点接受task。在本次实验中，共有三个节点，因为其中一个节点做过drain，不接受任何task调度，所以最后结果是部署在两个节点上。
InfluxDB：数据存储模块。
Grafana：数据展示模块
环境准备
docker版本：18.04.0 CE。
参考https://blog.csdn.net/dkfajsldfsdfsd/article/details/79923218 创建包含三个节点的docker swarm集群。
创建docker compose文件
在manager结点上创建文件，并输入如下内容：
version: '3'
services:
influx:
image: influxdb
volumes:
- influx:/var/lib/influxdb
deploy:
replicas: 1
placement:
constraints:
- node.role == manager
grafana:
image: grafana/grafana
ports:
- 0.0.0.0:3000:3000
volumes:
- grafana:/var/lib/grafana
depends_on:
- influx
deploy:
replicas: 1
placement:
constraints:
- node.role == manager
cadvisor:
image: google/cadvisor
hostname: '{{.Node.Hostname}}'
command: -logtostderr -docker_only -storage_driver=influxdb -storage_driver_db=cadvisor -storage_driver_host=influx:8086
volumes:
- /:/rootfs:ro
- /var/run:/var/run:rw
- /sys:/sys:ro
- /var/lib/docker/:/var/lib/docker:ro
- /sys/fs/cgroup/cpu,cpuacct:/sys/fs/cgroup/cpuacct,cpu:rw
- /dev/disk/:/dev/disk:ro
depends_on:
- influx
deploy:
mode: global
volumes:
influx:
driver: local
grafana:
driver: local
部署容器栈
在manager节点上执行如下命令：
docker stack deploy -c docker-stack.yml monitor
命令返回以后并不代表task已经完成部署，需要花一些时间，运行如下命令监控容器栈的部署状态：
docker stack services monitor
如下图所示：
当红框中的数字前后匹配时，代表容器栈完成部署，再执行后序步骤。
创建名称为cadvisor数据库存储数据
执行如下命令，确认monitor_cadvisor服务运行的node:
docker service ps monitor_influx
结果如下图红框所示：
登录worker2结点，执行事下指令创建数据库：
docker exec `docker ps | grep -i influx | awk '{print $1}'` influx
-execute 'CREATE DATABASE cadvisor'
设置Grafana
因为Grafana被部署在了worker1节点上，在浏览器中访问http://192.168.30.40:3000，使用默认的用户名密码：adminadmin，如下图：
点击"Add data source"添加数据源。如下图所示，按图中红框填写，其它项忽略：
点击"Save &Test"，如果出现"Data source is working"表示数据源添加成功。
增加Dashboard配置。首先从
1. https://github.com/botleg/swarm-monitoring/blob/master/dashboard.json
2. https://grafana.com/dashboards/1367
下载示例配置文件，如下图所示，按提示上传
配置文件：
至此，docker swarm集群监控系统部署完成，可以实现对宿主机及其上运行的容器的监控。在此基础上可实验其它一些功能，如自义Dashboard、自定义告警规则等。由本示例可以看出，这个方案的关键点是Dashboard配置，配置的好的话显示效果就好，非常灵活。
主机监控dashboard:
https://grafana.com/dashboards/159
redis-export:
https://github.com/oliver006/redis_exporter/releases
#下载grafana的redis的prometheus-redis_rev1.json模板
wget https://grafana.com/api/dashboards/763/revisions/1/download
// 在grafana中导入json模板
rabbitmq-export:
2、export部署
// 下载：
https://github.com/kbudde/rabbitmq_exporter/releases
tar -xvf rabbitmq_exporter-0.20.0.linux-amd64.tar.gz
cd rabbitmq_exporter-0.20.0.linux-amd64
RABBIT_USER=guest RABBIT_PASSWORD=guest OUTPUT_FORMAT=JSON PUBLISH_PORT=9099 RABBIT_URL=http://localhost:15672 nohup ./rabbitmq_exporter &
// rabbitmq-dashboard:
https://grafana.com/dashboards/1165/revisions
mysql-export
wget https://github.com/prometheus/mysqld_exporter/releases/download/v0.9.0/mysqld_exporter-0.9.0.linux-amd64.tar.gz
mysqld_exporter需要连接到Mysql，所以需要Mysql的权限，我们先为它创建用户并赋予所需的权限：
mysql> GRANT REPLICATION CLIENT, PROCESS ON *.* TO 'prom'@'localhost' identified by 'amnt@#*IK<1qaz';
mysql> GRANT SELECT ON performance_schema.* TO 'prom'@'localhost';
mysql> flush privileges;
创建.my.cnf文件并运行mysqld_exporter：
$ cd /usr/local/services/prometheus_exporters
$ cat << EOF > .my.cnf
[client]
user=prom
password=abc123
host=192.168.30.49
EOF
$ nohup /opt/prometheus_exporters/mysqld_exporter -config.my-cnf=".my.cnf" &
$ docker pull prom/mysqld-exporter
mysqld_exporter需要连接到mysql，需要mysql的权限，需要先为他创建用户并赋予所需的权限：
CREATE USER 'mysqlexporter'@'localhost' IDENTIFIED BY 'msyqlexporter';
GRANT PROCESS, REPLICATION CLIENT, SELECT ON *.* TO 'exporter'@'localhost'
WITH MAX_USER_CONNECTIONS 3;
然后在docker中运行exporter，其中DATA_SOURCE_NAME是环境变量，用于连接数据库。
$ docker run -d
-p 9104:9104
-e DATA_SOURCE_NAME="mysqlexporter:mysqlexporter@(localhost:3306)/data_store" prom/mysqld-exporter
此时再刷下localhost:9090/targets，就可以看到mysql的state转为UP，即已经成功的监测了mysql。
zookeeper
wget https://github.com/carlpett/zookeeper_exporter/releases/download/v1.0.2/zookeeper_exporter