docker+prom+grafana+altermanager

docker基础

docker run -it --name centos -v $HOME:/tmp -p 8080:8080 centos

docker inspect container   #查看已启动容器启动命令

docker container prune    #删除退出的容器
docker ps -a --no-trunc    #查看容器启动参数

安装docker

1.卸载之前的旧版本

sudo apt-get remove docker docker-engine docker-ce docker.io

2.更新apt包

sudo apt-get update

3.安装以下包以使apt可以通过HTTPS使用存储库（repository）

sudo apt-get install -y apt-transport-https ca-certificates curl software-properties-common

4.添加Docker官方的GPG密钥：

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -

5.使用下面的命令来设置stable存储库：

sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"

6.再更新一下apt包索引：

sudo apt-get update

7.安装最新版本的Docker CE：

sudo apt-get install -y docker-ce

8.验证

可以使用docker -v来检查安装的版本

root@rz:/home/ubuntu# docker -v
Docker version 18.06.3-ce, build d7080c1

ln -sf /usr/share/zoneinfo/Asia/Shanghai /etc/localtime     更新时间

时间同步

按照提示进行选择时区，然后：

sudo cp /usr/share/zoneinfo/Asia/ShangHai /etc/localtime

上面的命令是防止系统重启后时区改变。

 网上同步时间

1.  安装ntpdate工具

# sudo apt-get install ntpdate

2.  设置系统时间与网络时间同步

# ntpdate cn.pool.ntp.org

3.  将系统时间写入硬件时间

# hwclock --systohc

反查dockerfile

方法一：
docker history --format {{.CreatedBy}} --no-trunc=true 0e0218889c33|sed "s?/bin/sh -c #(nop) ??g"|sed "s?/bin/sh -c?RUN?g" | tac


方法二：
apt-get install npm    #管理前端包工具
npm install npx
npx dockerfile-from-image node:8 > dockerfile   #解析dockerfile

修改容器镜像的启动命令 -- docker 修改启动命令

#使用宿主机网络，并将容器名称修改为prometheus，-d后台运行
docker run -d -p 9090:9090 --name prometheus --net=host prom/prometheus

#将容器里文件拷贝出来到root目录
docker cp prometheus:/etc/prometheus/prometheus.yml /root/

#修改后挂载加进去
docker run -d -v /opt/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml   
-p 9090:9090 --name prometheus --net=host prom/prometheus



docker logs contianid   #查看日志

docker search  java    #从docker hub中搜索java镜像，可以查看版本

容器端口

9100 node-export
9090 prometheus
3000 grafana

启动

• 启动node-exporter

docker run -d --name=node-exporter -p 9100:9100 prom/node-exporter

• 启动grafana

  密码：admin，admin；配置文件/etc/grafana
  docker run -d --name=grafana -p 3000:3000 grafana/grafana

• 启动prom

#将容器里文件拷贝出来到root目录
docker cp prometheus:/etc/prometheus/prometheus.yml /root/

#修改后挂载加进去
docker run -d -v /opt/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml   
-p 9090:9090 --name prometheus --net=host prom/prometheus

docker 镜像自启动

• 在运行docker容器时可以加如下参数来保证每次docker服务重启后容器也自动重启：

docker run --restart=always
如果已经启动了则可以使用如下命令：
docker update --restart=always <CONTAINER ID>

配置文件

prom配置

配置帮助

global:
  #默认情况下抓取目标的频率.
  [ scrape_interval: <duration> | default = 1m ]

  # 抓取超时时间.
  [ scrape_timeout: <duration> | default = 10s ]

  # 评估规则的频率.
  [ evaluation_interval: <duration> | default = 1m ]

  # 与外部系统通信时添加到任何时间序列或警报的标签
  #（联合，远程存储，Alertma# nager）.
  external_labels:
    [ <labelname>: <labelvalue> ... ]

# 规则文件指定了一个globs列表. 
# 从所有匹配的文件中读取规则和警报.
rule_files:
  [ - <filepath_glob> ... ]

# 抓取配置列表.
scrape_configs:
  [ - <scrape_config> ... ]

# 警报指定与Alertmanager相关的设置.
alerting:
  alert_relabel_configs:
    [ - <relabel_config> ... ]
  alertmanagers:
    [ - <alertmanager_config> ... ]

# 与远程写入功能相关的设置.
remote_write:
  [ - <remote_write> ... ]

# 与远程读取功能相关的设置.
remote_read:
  [ - <remote_read> ... ]

具体配置

root@ubuntu:~# cat prometheus.yml 
# 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.
    # metrics_path defaults to '/metrics'
    # scheme defaults to 'http'.

  - job_name: prometheus
    static_configs:
    - targets: ['192.168.191.128:9090']
      labels:
        instance: prometheus
  - job_name: 'consul' #prometheus与consul配置段
    consul_sd_configs:
      - server: '192.168.191.128:8500'
        services: [ ]
  - job_name: node-exporter
    static_configs:
    - targets: ['192.168.191.128:9100']
      labels:
        instance: node-exporter

动态配置file_sd_config：

• 修改/usr/local/prometheus/*.json增加删除，支持动态更新

在prometheus.yaml配置文件最后增加
  - job_name: 'node-discorvery'   #发现规则名称
    file_sd_configs:                       #选择适配器
      - files: 
        - /usr/local/prometheus/*.json   #匹配文件


在对应目录/usr/local/prometheus/*.json添加，容器启动时需要挂载进去
[
  {
    "targets": [ "10.10.2.99:9100"],
    "labels": {
      "job": "linux-bj",
      "idc": "bj-jiuxianqiao"
    }
  },
  {
    "targets": [ "10.10.2.62:9100","10.10.1.35:9100"],
    "labels": {
      "job": "linux-gx",
      "idc": "gz-daxuecheng"
    }
  }
]

rule_files:配置

• 配置告警规则，在prometheus.yml中指定规则文件目录
• prometheus根据这些规则信息，会推送报警信息到alertmanager中。

root@home:~/rules# cat node_monitor.yml 
groups:
- name: node-up #告警分组，一个组下的告警会整合在一个邮件中
  rules:
  - alert: node-up  #监控项名称
    expr: up{job="process-node"} == 0 #正则表达式,up{job:"linux"} 可以在prometheus查询，自己定义监控状态
    for: 15s    #for选项定义表达式持续时长，0的话代表一满足就触发
    labels:
      severity: critical  #定义了一个标签，因为上面我们是基于标签进行路由
    annotations: #邮件注释内存，可引用变量
      summary: "{{ $labels.instance }} 已停止运行超过 15s！"

alertmanager_config:配置

• 指定Prometheus服务器向其发送警报的Alertmanager实例
• 提供参数以配置如何与这些Alertmanagers进行通信。
• Alertmanagers支持静态指定或者动态发现指定
• relabel_configs允许从发现的实体中选择Alertmanagers，并对使用的API路径提供高级修改，该路径通过__alerts_path__标签公开

# Alertmanager configuration   #告警配置
alerting:
  alertmanagers:  
  - static_configs:  #告警规则，也可以基于动态的方式进行告警。
    - targets:     
      # - alertmanager:9093

remote_write

指定后端的存储的写入api地址。

remote_read

指定后端的存储的读取api地址。

relabel_config

• 重新标记是一种强大的工具，可以在抓取目标之前动态重写目标的标签集。 每个抓取配置可以配置多个重新标记步骤。 它们按照它们在配置文件中的出现顺序应用于每个目标的标签集。标签默认在prometheus web console可以看到相关的标签：
  

promtheus+grafana使用

promtheus使用

node_cpu_seconds_total{cpu="0"}

grafana使用

grafana的dashboard地址

prometheus exporter

Process-exporter 进程监控

docker search process-exporter   #查看排名最高的
docker pull opvizorpa/process-exporter   #下载
docker inspect 9ec6749205fc      #查看镜像启动配置信息:9256端口
apt-get install nginx         #安装nginx测试

docker run -d --rm -p 9256:9256 --privileged -v /proc:/host/proc -v `pwd`:/config ncabatoff/process-exporter --procfs /host/proc -config.path /config/filename.yml


# 本地安装
[root@host-10-10-2-62 ~]# wget https://github.com/ncabatoff/process-exporter/releases/download/v0.5.0/process-exporter-0.5.0.linux-amd64.tar.gz
[root@host-10-10-2-62 ~]# tar -xf process-exporter-0.5.0.linux-amd64.tar.gz -C /usr/local/

# 开机自启动
[root@host-10-10-2-62 process-exporter-0.5.0.linux-amd64]# cat /etc/systemd/system/process-exporter.service 
[Unit]
Description=node exporter
Documentation=node exporter

[Service]
ExecStart=/usr/local/process-exporter-0.5.0.linux-amd64/process-exporter -config.path /usr/local/process-exporter-0.5.0.linux-amd64/process-name.yaml 

[Install]
WantedBy=multi-user.target



# 配置文件根据变量名匹配到配置文件：  
{{.Comm}} 包含原始可执行文件的basename，/proc/stat 中的换句话说，2nd 字段  
{{.ExeBase}} 包含可执行文件的basename  
{{.ExeFull}} 包含可执行文件的完全限定路径  
{{.Matches}} 映射包含应用命令行tlb所产生的所有匹配项

# 增加监控nginx配置文件
root@ubuntu:~# cat process-name.yaml 
process_names:
  - name: "{{.Matches}}"
    cmdline:
    - 'nginx'


# 监控所有进程
[root@host-10-10-2-62 process-exporter-0.5.0.linux-amd64]# cat process-name.yaml 
process_names:
  - name: "{{.Comm}}"
    cmdline:
    - '.+'


# prometheus server添加监控
  - job_name: 'process'
    static_configs: 
      - targets: ['10.10.2.62:9256']

# 进程查询
统计有多少个进程数：sum(namedprocess_namegroup_states)


统计有多少个僵尸进程：sum(namedprocess_namegroup_states{state="Zombie"})

pushgateway

配置

pushgateway 9091

docker pull prom/pushgateway

docker run -d 
--name=pushgateway 
-p 9091:9091 
prom/pushgateway

访问ip+9091


prometheus配置文件中prometheus.yml添加target：
  - job_name: pushgateway
    static_configs:
      - targets: ['192.168.191.128:9091']
        labels:
          instance: pushgateway

URL:http://<ip>:9091/metrics/job/<JOBNAME>{/<LABEL_NAME>/<LABEL_VALUE>}，

测试推送数据

echo "some_metric 3.14" | curl --data-binary @- http://192.168.191.128:9091/metrics/job/some_job




# 一次性推送多条数据
cat <<EOF | curl --data-binary @http://192.168.2.14:9091/metrics/job/some_job/instance/some_instance
 # TYPE some_metric counter
 some_metric{label="val1"} 42
# TYPE another_metric gauge
# HELP another_metric Just an example.
another_metric 2398.283
EOF

• 可以发现 pushgateway 中的数据我们通常按照 job 和 instance 分组分类，所以这两个参数不可缺少。

统计当前tcp并发连接数，推送到pushgateway

[root@host-10-10-2-109 ~]# cat count_netstat_esat_connections.sh 
#!/bin/bash
instance_name=`hostname -f | cut -d'.' -f1`  #获取本机名，用于后面的的标签
label="count_netstat_established_connections"  #定义key名
count_netstat_established_connections=`netstat -an | grep -i ESTABLISHED | wc -l`  #获取数据的命令
echo "$label: $count_netstat_established_connections"
echo "$label  $count_netstat_established_connections" | curl --data-binary @- http://10.10.2.109:9091/metrics/job/pushgateway_test/instance/$instance_name

• 域名中label 表示标签名称，后面跟的是数值。Job 后面定义的是pushgateway_test(与prometheus定义的一致,域名)，instance_name 变量表示主机名。

• 眼尖的会发现这里头好像不太对劲，刚刚提交的指标所属 job 名称为 exported_job="pushgateway_test" ，而 job 显示为 job="pushgateway" ，这显然不太正确，那这是因为啥？其实是因为 Prometheus 配置中的一个参数 honor_labels （默认为 false）决定的。

  - job_name: pushgateway
    honor_labels: true
    static_configs:
      - targets: ['10.10.2.109:9091'] 
        labels:
          instance: pushgateway 

python 接口pushgateway 数据推送：

1、安装prometheus\_client模块：
apt install python-pip
pip install prometheus_client

2、简单示例文件：


[root@host-10-10-2-109 ~]# cat client.py 
from prometheus_client import CollectorRegistry, Gauge, push_to_gateway
registry = CollectorRegistry()
g = Gauge('job_last_success_unixtime', 'Last time a batch job successfully finished', registry=registry)
g.set_to_current_time()
push_to_gateway('localhost:9091', job='batchA', registry=registry)
#执行脚本
[root@host-10-10-2-109 ~]# python client.py 

3、查询结果：

4、稍微更改一下，获取的是ping 的数据:

[root@host-10-10-2-109 ~]# cat client_ping.py 
#!/usr/bin/python
from prometheus_client import CollectorRegistry, Gauge, push_to_gateway
registry = CollectorRegistry()
g = Gauge('ping', 'pingtime',['dst_ip','city'], registry=registry) #Guage(metric_name,HELP,labels_name,registry=registry)
g.labels('192.168.1.10','shenzhen').set(42.2)    #设置标签
g.labels('192.168.1.11','shenzhen').set(41.2)
g.labels('192.168.1.12','shenzhen').set(32.1)  
push_to_gateway('localhost:9091', job='ping_status', registry=registry)
[root@host-10-10-2-109 ~]# python client_ping.py 

promql

范围向量

• s - seconds
• m - minutes
• h - hours
• d - days
• w - weeks
• y - years
  prometheus_http_requests_total{handler="/api/v1/query"}[5m]
  时间位移操作：

prometheus_http_requests_total{} offset 5m #返回5分钟前的样本，瞬时位移
prometheus_http_requests_total{}[1d] offset 1d  #返回昨天一天的数据样本，区间位移

标量浮点值

标量浮点值可以直接写成形式[-](digits)[.(digits)]。

例如： 20
标量只有一个数字，没有时序。需要注意的是，当使用表达式count(http_requests_total)，返回的数据类型，依然是瞬时向量。用户可以通过内置函数scalar()将单个瞬时向量转换为标量。

字符串：string

"this is a string"
'these are unescaped: 
 \ 	'
`these are not unescaped: 
 ' " 	`

Promql操作符

使用PromQL除了能够方便的按照查询和过滤时间序列以外，PromQL还支持丰富的操作符，用户可以使用这些操作符对进一步的对事件序列进行二次加工。这些操作符包括：数学运算符，逻辑运算符，布尔运算符等等。

数学运算

PromQL支持的所有数学运算符如下所示：

 + (加法)
  - (减法)
  * (乘法)
  / (除法)
  % (求余)
  ^ (幂运算)

举例说明例如我们查询主机的内存大小，返回的是Bytes,如果我要把他转换成G可以使用一下表达式：

node_memory_MemTotal_bytes / 1024 /1024 /1024

返回的结果是一个瞬时向量。两个瞬时向量之间的数学计算例如：

node_disk_written_bytes_total + node_disk_read_bytes_total #返回的是多块磁盘之间的读写IO

那么我们会发现是根据表达式的标签进行数学运算，分别算出vda、vdb的磁盘io.

布尔运算

在PromQL通过标签匹配模式，用户可以根据时间序列的特征维度对其进行查询。而布尔运算则支持用户根据时间序列中样本的值，对时间序列进行过滤，常常用在我们的告警规则当中。

Prometheus支持以下布尔运算符如下：

 == (相等)
 != (不相等)
 > (大于)
 < (小于)
 >= (大于等于)
 <= (小于等于)

使用bool修饰符、返回匹配的查询结果：

例如：通过数学运算符我们可以很方便的计算出，当前所有主机节点的内存使用率：

(node_memory_bytes_total - node_memory_free_bytes_total) / node_memory_bytes_total

而在我们写告警规则的时候我们需要筛选出，内存使用率超过百分之95的主机、则可以使用布尔运算表达式：

(node_memory_bytes_total - node_memory_free_bytes_total) / node_memory_bytes_total > 0.95

集合运算符

使用瞬时向量表达式能够获取到一个包含多个时间序列的集合，我们称为瞬时向量。 通过集合运算，可以在两个瞬时向量与瞬时向量之间进行相应的集合操作。目前，Prometheus 支持以下集合运算符：

and (并且)
or (或者)
unless (排除)

vector1 and vector2 会产生一个由 vector1 的元素组成的新的向量。该向量包含 vector1 中完全匹配 vector2 中的元素组成。

vector1 or vector2 会产生一个新的向量，该向量包含 vector1 中所有的样本数据，以及 vector2 中没有与 vector1 匹配到的样本数据。

vector1 unless vector2 会产生一个新的向量，新向量中的元素由 vector1 中没有与 vector2 匹配的元素组成。

操作运算符优先级

在 Prometheus 系统中，二元运算符优先级从高到低的顺序为：

 ^
*, /, %
 +, -
 ==, !=, <=, <, >=, >
 and, unless
or

具有相同优先级的运算符是满足结合律的（左结合）。例如，2 3 % 2 等价于 (2 3) % 2。运算符 ^ 例外，^ 满足的是右结合，例如，2 ^ 3 ^ 2 等价于 2 ^ (3 ^ 2)。

聚合运算

Prometheus还提供了下列内置的聚合操作符，这些操作符作用于瞬时向量。可以将瞬时表达式返回的样本数据进行聚合，形成一个新的时间序列。

 sum (求和)
 min (最小值)
 max (最大值)
 avg (平均值)
 stddev (标准差)
 stdvar (标准差异)
 count (计数)
 count_values (对value进行计数)
 bottomk (后n条时序)
 topk (前n条时序)
 quantile (分布统计)

使用聚合操作的语法如下：

<aggr-op>([parameter,] <vector expression>) [without|by (<label list>)]

其中只有count_values, quantile, topk, bottomk支持参数(parameter)。

without用于从计算结果中移除列举的标签，而保留其它标签。by则正好相反，结果向量中只保留列出的标签，其余标签则移除。通过without和by可以按照样本的问题对数据进行聚合。

sum(http_requests_total) without (instance)
等于：
sum(http_requests_total) by (code,handler,job,method)

如果只需要计算整个应用的HTTP请求总量，可以直接使用表达式：

sum(http_requests_total)
查询数据的平均值：
avg(http_requests_total)
查询最靠前的3个值：
topk(3, http_requests_total)

常用函数

Prometheus为不同的数据类型提供了非常多的计算函数，有个小技巧就是遇到counter数据类型，在做任何操作之前，先套上一个rate()或者increase()函数。下面介绍一些比较常用的函数帮助理解：

increase()函数：

该函数配合counter数据类型使用，获取区间向量中的第一个和最后一个样本并返回其增长量。如果除以一定时间就可以获取该时间内的平均增长率：

increase(node_cpu_seconds_total[2m]) / 120 #主机节点最近两分钟内的平均CPU使用率

rate()函数：

该函数配合counter类型数据使用，取counter在这个时间段中的平均每秒增量。

rate(node_cpu_seconds_total[2m]) #直接计算区间向量在时间窗口内平均增长速率

sum()函数：

在实际工作中CPU大多是多核的，而node_cpu会将每个核的数据都单独显示出来，我们其实不会关注每个核的单独情况，而是关心总的CPU情况。使用sum()函数进行求和后可以得出一条总的数据，但sum()是将所有机器的数据都进行了求和，所以还要再使用by (instance)或者by (cluster_name)就可以取出单个服务器或者一组服务器的CPU数据。上面的公式可以进化为：

sum( increase(node_cpu_seconds_total[1m]) ) #先找出每一个，然后再合并

Topk():该函数可以从大量数据中取出排行前N的数值，N可以自定义。比如监控了100台服务器的320个CPU，用这个函数就可以查看当前负载较高的那几个，用于报警：

topk(3, http_requests_total) #统计最靠前的3个值。

predict_linear()函数：对曲线变化速率进行计算，起到一定的预测作用。比如当前这1个小时的磁盘可用率急剧下降，这种情况可能导致磁盘很快被写满，这时可以使用该函数，用当前1小时的数据去预测未来几个小时的状态，实现提前告警：

predict_linear( node_filesystem_free_bytes{mountpoint="/"}[1h],4*3600 ) < 0 #如果未来4小时后磁盘使用率为负数就会报警

cpu利用率表达式拆解

1、先把key找出来，比如是为了查看CPU的使用率，那么就应该使用node_cpu这个key

2、在node_cpu这个key的基础上把idle的CPU时间和全部CPU时间过滤出来，使用{}做过滤

node_cpu_seconds_total{ mode='idle' }  #找出空闲CPU的值
node_cpu_seconds_total  #不写其他参数代表ALL

3、使用increase()函数把1分钟的数据抓取出来，这个时候取出来的是每个CPU的数据

increase(node_cpu_seconds_totalmode='idle'}[1m])

4、使用sum()函数求和每个CPU的数据，得到单独一个数据：

sum( increase(node_cpu_seconds_total{mode='idle'}[1m]) )

5、sum()函数虽然把每个CPU的数据进行了求和，但是还把每台服务器也进行了求和，所有服务器的CPU数据都相同了，还需要进行一次处理。这里又引出了一个新函数 by (instance)。它会把sum求和到一起的数值按照指定方式进行拆分，instance代表的是机器名。如果不写by (instance)的话就需要在{}中写明需要哪个实例的数据。

sum( increase(node_cpu_seconds_total{mode='idle'}[1m]) ) by (instance) #空闲CPU一分钟增量

6、获取CPU空闲时间占比：

sum(increase(node_cpu_seconds_total{mode="idle"}[1m])) by(instance) /sum(increase(node_cpu_seconds_total[1m])) by(instance)

7、CPU的利用率：

1-(sum(increase(node_cpu_seconds_total{mode="idle"}[1m])) by(instance) /sum(increase(node_cpu_seconds_total[1m])) by(instance)) * 100

最终计算可能为负数，可能好多granafa模板都这样，当cpu处于多核、低负载的情况下，值的差异会被放大，从而导致出现负数的情况。

几个比较常用的表达式

1、计算cpu 的使用率：

100 - (avg(irate(node_cpu_seconds_total{mode="idle"}[5m])) by (instance) * 100)

2、内存的使用率：

(node_memory_MemFree_bytes+node_memory_Cached_bytes+node_memory_Buffers_bytes) / node_memory_MemTotal_bytes * 100

3、磁盘使用率

100 - (node_filesystem_free_bytes{mountpoint="/",fstype=~"ext4|xfs|rootfs"} / node_filesystem_size_bytes{mountpoint="/",fstype=~"ext4|xfs|rootfs"} * 100)

4、主机节点cpu iowait 占百分比：
avg(irate(node_cpu_seconds_total{mode="iowait"}[5m])) by (instance) * 100

5、系统1分钟时候的负载：
sum by (instance) (node_load1)

6、网卡流量：
avg(irate(node_network_receive_bytes_total{device=~"eth0|eth1|ens33|ens37"}[1m]))by (environment,instance,device)

alertmanager部署

alertmanager端口 9093

docker pull prom/alertmanager
docker run -d -p 9093:9093  --name alertmanager prom/alertmanager   
docker cp alertmanager:/etc/alertmanager/altermanager.yml /root
docker run -d -p 9093:9093 -v /root/altermanager.yml 
# docker版本不好用

# 安装本地版本
wget https://github.com/prometheus/alertmanager/releases/download/v0.20.0/alertmanager-0.20.0.linux-amd64.tar.gz

./alertmanager --web.external-url=http://192.168.152.137:9093/ #启动
# alertmanager服务，开启web页面跳转功能；

#修改配置文件
root@home:~/alertmanager# cat alertmanager.yml 
global:
  resolve_timeout: 5m
  smtp_smarthost: 'smtp.qq.com:465'  #使用QQ邮箱
  smtp_from: '731616191@qq.com'  #邮箱名称
  smtp_auth_username: '731616191@qq.com' #登录邮箱名称
  smtp_auth_password: 'ukbcktymsdzhbdai'  #授权码
  smtp_require_tls: false

route:
  group_by: ['instance','job']
  group_wait: 10s
  group_interval: 10s
  repeat_interval: 10h 
  #receiver: 'web.hook'
  receiver: 'leader'
  routes:
  - match:
      serverity: critical
    receiver: leader
  - match_re:
      serverity: ^(warning|critical)$
    receiver: ops

receivers:
#- name: 'web.hook'
#  webhook_configs:
#  - url: 'http://127.0.0.1:5001/'
- name: 'email'
  email_configs:
  - to: '731616191@qq.com'
- name: 'ops'
  email_configs:
  - to: '731616191@qq.com'
- name: 'leader'
  email_configs:
  - to: '731616191@qq.com'
    send_resolved: true    #恢复的时候发送恢复告警消息

inhibit_rules:
  - source_match:
      severity: 'critical'
    target_match:
      severity: 'warning'
    equal: ['alertname', 'dev', 'instance']

# 检查配置文件语法
root@home:~/alertmanager# ./amtool check-config alertmanager.yml

# 将alertmanager写成服务启动
root@home:~/alertmanager# cat /etc/systemd/system/alertmanager.service   
[Unit]
Description=alertmanager System
Documentation=alertmanager System

[Service]
ExecStart=/root/alertmanager/alertmanager 
  --config.file=/root/alertmanager/alertmanager.yml

[Install]
WantedBy=multi-user.target
root@home:~/alertmanager# systemctl start alertmanager 
root@home:~/alertmanager# systemctl status alertmanager 

配置 prometheus 规则与alert：

1、修改prometheus.yml的alerting部分，让alertmangers能与Prometheus通信：

#Alertmanager configuration
alerting:
  alertmanagers:
  - static_configs:
    - targets:
       - 192.168.191.10:9093

2、定义告警文件：
在prometheus.yml定义

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

3、告警规则定义，这里简单的从主机down机简单写起：

[root@host-10-10-2-99 rules]# cat node_monitor.yml 
groups:
- name: node-up #告警分组，一个组下的告警会整合在一个邮件中
  rules:
  - alert: node-up  #监控项名称
    expr: up{job="linux"} == 0 #正则表达式,up{job:"linux"} 可以在prometheus查询，自己定义监控状态
    for: 15s    #for选项定义表达式持续时长，0的话代表一满足就触发
    labels:
      severity: critical  #定义了一个标签，因为上面我们是基于标签进行路由
    annotations: #邮件注释内存，可引用变量
      summary: "{{ $labels.instance }} 已停止运行超过 15s！"

说明：

• 1、Prometheus支持使用变量来获取指定标签中的值。比如$labels.<labelname>变量可以访问当前告警实例中指定标签的值。$value可以获取当前PromQL表达式计算的样本值。

• 2、在创建规则文件时，建议为不同对象建立不同的文件，比如web.yml、mysql.yml，这里我们监控主机状态，我们使用node_monitor.yml

监控docker--cadvisor

拉取cadvisor
docker run 
--volume=/:/rootfs:ro 
--volume=/var/run:/var/run:rw 
--volume=/sys:/sys:ro 
--volume=/var/lib/docker/:/var/lib/docker:ro 
--volume=/dev/disk/:/dev/disk:ro 
--publish=8080:8080 
--detach=true 
--name=cadvisor 
docker.io/google/cadvisor:v0.24.1


#重启prome
docker ps|awk '/prome/{print "docker restart "$1""}'|bash


#远端存储主要包括
OpenTSDB、InfluxDB、Elasticsearch、M3DB等。
infulxdb有文档，在lnfluxdb创建一个prometheus数据库

#prometheus增加远端存储配置
remote_write:  - url: "http://10.10.2.16:8086/api/v1/prom/write?db=prometheus"
remote_read:   - url: "http://10.10.2.16:8086/api/v1/prom/read?db=prometheus"

grafana插件安装

#ubuntu版本对插件比较友好
docker run -d --name=grafana -p 3000:3000 grafana/grafana:7.3.6-ubuntu

#图表生成图像插件
- 进入容器执行，先下载插件，放在本地nginx目录安装
/var/lib/grafana/plugins $ grafana-cli --debug --pluginUrl    http://192.168.191.128/saved-images/plugin-linux-x64-glibc.zip    plugins install grafana-ima
ge-renderer

#alertmanager数据源插件
grafana-cli plugins install camptocamp-prometheus-alertmanager-datasource


#root用户进入容器
docker exec -it --user root <container id> /bin/bash

参考博客

- alinode 官方镜像分析并提取 Dockerfile | Web技术试炼地
- hub.docker.com针对docker中的grafana，提供的官方帮助文档
ncabatoff/process-exporter: Prometheus exporter
https://gitee.com/devopsluo/prometheus_devops/blob/master/13/alertmanager.yml
docker停止容器报错cannot stop container,aa-remove-unknown
prometheus小坑--no datapoints found - __director - 博客园

grafana-参考博客

Prometheus AlertManager plugin for Grafana | Grafana Labs
Image rendering | Grafana Labs
Grafana Image Renderer plugin for Grafana | Grafana Labs
Grafana CLI | Grafana Labs