Prometheus 配置文件和标签 Pmsql

1.Prometheus配置文件

Prometheus可以通过命令行或者配置文件的方式对服务进行配置。

  • 命令行方式一般用于不可变的系统参数配置，例如存储位置、要保留在磁盘和内存中的数据量等；配置文件用于定义与数据动态获取相关的配置选项和文件等内容。
  • 命令行方式的配置属性可以通过 prometheus -h 的方式来获取，这些配置属性主要在服务启动时候设置；
  • 配置文件方式，需要在prometheus.yml 文件中修改配置属性，该配置文件的内容是以YAML格式编写的。

1.1 配置文件的组成

]# egrep -v '^#| #|^$' prometheus.yml 
global:
scrape_interval:   15s 
evaluation_interval: 15s
alerting:
alertmanagers:- static_configs:- targets:
rule_files:
scrape_configs:- job_name: 'prometheus'static_configs:- targets: ['localhost:9090']

#核心配置：
global #全局配置内容
alerting #触发告警相关的配置，主要是与Alertmanager相关的设置。
rule_files #各种各样的外置规则文件配置，包含了各种告警表达式、数据查询表达式等
scrape_configs #监控项的配置列表，这是最核心的配置
#除了默认的四项配置之外，prometheus还有另外可选的其它配置如下
#扩展配置(8项)
tls_config、static_config、relabel_config、metric_relabel_configs、
alert_relabel_configs、alertmanager_config、remote_write、remote_read
#平台集成配置(12项)
azure_sd_config、consul_sd_config、dns_sd_config、ec2_sd_config、
openstack_sd_config、file_sd_config、gce_sd_config、kubernetes_sd_config、
marathon_sd_config、nerve_sd_config、serverset_sd_config、triton_sd_config

1.2 scrape_configs 管理

scrape_configs 是操作最多的一个配置段，它指定了一组监控目标及其细节配置参数，这些目标和参数描述了如何获取指定主机上的时序数据。配置样例如下

scrape_configs:- job_name: '<job_name>'static_configs:- targets: [ '<host_ip:host_port>', ... ]labels: { <labelname>: <labelvalue> ... }
#配置解析：
#在一般情况下，一个scrape_configs配置需要指定一个或者多个job，根据我们之前对基本概念的了解，
每一个job都是一系列的instance集合，借助job我们可以将目标主机进行分组管理。
#对于job内部的每一个instance的配置，都需要借助于static_configs参数获取目标列表，只要在该列表
位置的目标，都可以被Prometheus动态服务自动发现。
#static_configs可以借助于 targets 以ip+port 方式发现目标，也可以使用labels以标签方式发现
目标

1.3 语法检查

对配置的prometheus进行语法检查

/etc/prometheus $ promtool check config prometheus.yml 
Checking prometheus.ymlSUCCESS: prometheus.yml is valid prometheus config file syntax

2. 标签简介

image.png
标签功能: 用于对数据分组和分类,利用标签可以将数据进行过滤筛选
标签的常见场景:

  • 删除不必要的指标
  • 从指标中删除敏感或不需要的标签
  • 添加、编辑或修改指标的标签值或标签格式

标签分类：

  • 默认标签: Prometheus 自身内置

形式: keyname

  • 应用标签: 应用本身内置

形式: keyname

  • 自定义标签: 用户定义

形式: keyname

2.1 添加主机标签

global:scrape_interval:     15s external_labels:monitor: 'codelab-monitor'
scrape_configs:- job_name: 'node-exporter' scrape_interval: 5smetrics_path: /metrics  static_configs:- targets: ['192.168.1.10:9100','192.168.1.11:9100'] - job_name: 'test-1'static_configs:- targets: ['192.168.1.12:9100']labels: {app: 'k8s-node2', type: 'dev'}

image.png
我们发现增加了app这个便签

2.2 标签管理

Prometheus对数据的处理流程是：
先从各目标节点上获取数据，然后对数据进行本地化处理，然后进行各种数据分析。这个流程中最核心的就是监控数据的本地化处理
在prometheus的配置选项中，有两个与监控指标密切相关的配置，relabel_config，metric_relabel_configs，他们的作用就是监控目标上面的监控项进行标签管理和设置，便于在
prometheus上设置更灵活的时序数据。

2.2.1 标签主要有两种表现形式：

私有标签

私有标签以"__*"样式存在，用于获取监控目标的默认元数据属性，比如__address__用于获取目标的
地址，__scheme__用户获取目标的请求协议方法，__metrics_path__获取请求的url地址等

普通标签

对个监控主机节点上的监控指标进行各种灵活的管理操作，常见的操作有，删除不必要|敏感指标，添
加、编辑或者修改指标的标签值或者标签格式

2.2.2 全局标签

global:
...# 与外部系统通信时添加到任何时间序列或警报的标签
external_labels:[ <labelname>: <labelvalue> ... ]

relabel_config、metric_relabel_configs 的使用格式基本上一致，虽然他们有很多配置，但是我们使用的最多的也就那么三四个。

#配置示例如下：
scrape_configs:- job_name: 'prometheus'metric_relabel_configs:- source_labels: [<labelname> [, ...]]regex: '<regex> | default = (.*)'replacement: '<string> | default = $1'target_label: '<labelname>'action: '<relabel_action> | default = replace'
#属性解析：
source_labels #指定正则表达式匹配成功的Label进行标签管理
regex #source_labels对应Label的匹配正则表达式的指定值
target_label #在进行标签替换的时候，可以将原来的source_labels替换为指定修改后的
label
replacement #替换标签时,指定label对应的值进行修改后的值
action #对标签进行管理，常见的动作有replace|keep|drop|labelmap|labeldrop
等
#动作解析：
labeldrop  #删除regex匹配的标签label
labelkeep  #删除regex不匹配的标签label
labelmap  #将regex对所有的标签名进行匹配，而后将匹配到的标签的值赋给replacement字段指定的
标签名的值；通常用于取出匹配的标签名的一部分生成新标签,旧的标签仍会存在
replace   #此为默认值，通过regex匹配source_label的值，使用replacement来进行替换
keep    #从获取的监控数据中删除与regex不匹配的目标 source_labels
drop    #从获取的监控数据中删除与regex匹配的目标 source_labels

2.3 默认标签修改为定制新标签

修改前的：
image.png
image.png

global:scrape_interval:     15s external_labels:monitor: 'codelab-monitor'
scrape_configs:- job_name: 'node-exporter' 
#    scrape_interval: 5s
#    metrics_path: /metrics  static_configs:- targets: ['192.168.1.10:9100','192.168.1.11:9100'] relabel_configs:- source_labels:- __scheme__- __address__- __metrics_path__regex: "(http|https)(.*)"separator: ""target_label: "endpoint"replacement: "${1}://${2}"action: replace- job_name: 'test-1'static_configs:- targets: ['192.168.1.12:9100']labels: {app: 'k8s-node2', type: 'dev'}

2.4 基于已存在的标签进行删除

2.4.1 匹配内容重写标签名称

static_configs:- targets: ['192.168.1.10:9100','192.168.1.11:9100'] relabel_configs:- source_labels:- __scheme__- __address__- __metrics_path__regex: "(http|https)(.*)"separator: ""target_label: "endpoint"replacement: "${1}://${2}"action: replace- regex: "(job|app)"   #所有名为job或app的标签修改标签名称,但旧的标签还会存在replacement: ${1}_nameaction: labelmap

image.png

2.4.2 删除旧标签的名称

scrape_configs:- job_name: 'node-exporter' 
#    scrape_interval: 5s
#    metrics_path: /metrics  static_configs:- targets: ['192.168.1.10:9100','192.168.1.11:9100'] relabel_configs:- source_labels:- __scheme__- __address__- __metrics_path__regex: "(http|https)(.*)"separator: ""target_label: "endpoint"replacement: "${1}://${2}"action: replace- regex: "(job|app)"   #所有名为job或app的标签修改标签名称,但旧的标签还会存在replacement: ${1}_nameaction: labelmap- regex: "(job|app)"  #加下面两行,则删除旧的标签,注意上面修改和此删除的前后顺序action: labeldrop

image.png

3.Promsql

3.1 数据选择器

所谓的数据选择器，其实指的是获取实时数据或者历史数据的一种方法

metrics_name{筛选label=值,...}[<时间范围>] offset <偏移>

3.1.1 实时选择器

获取及时的一组时间序列和单个样本值，根据数据的精确度，可以有以下几种使用方法

3.1.1.1 根据监控项名称获取最新值
node_filefd_allocated
prometheus_http_requests_total
3.1.1.2 通过{key=value,}样式获取符合条件的数据值
prometheus_http_requests_total{instance="localhost:9090", job="prometheus"}
prometheus_http_requests_total{handler=~".*meta.*"}
#属性解析：
多个条件间可以使用逗号","隔开，每个条件内部可以通过多种符号，表示不同含义
=(精确匹配)、!=(不匹配)、=~(正则匹配)、!~(正则不匹配)
如果条件中存在多值，可以使用"|"表示或的意思，env=~"staging|testing|development"
条件中必须包含一个与空标签值不匹配的选择器，不能写成{job=~".*"}
node_memory_MemFree_bytes{instance=~"10.0.0.(101|102):9100"}
#注意：指标 prometheus_http_requests_total 默认情况下，针对的是 localhost:9090 的
target，其他无效
3.1.1.3 通过 name 匹配多个监控项的名称
{__name__="prometheus_http_requests_total"}
{__name__=~"^prometheus.*"}

3.1.2 范围选择器

工作方式与瞬时向量选择器一样，区别在于时间范围长一些，主要是在瞬时选择器多了一个[]格式的时间范围后缀，在[]内部可以采用多个单位表示不同的时间范围，比如s(秒)、m(分)、h(时)、d(日)、w(周)、y(年)

prometheus_http_requests_total{job="prometheus"}[5m]
#属性解析：这表示过去5分钟内的监控数据值，这些数据一般以表格方式展示，而不是列表方式展示
3.1.2.1 偏移修饰符

范围选择器可以获取最近时间段的数据，而对于某个历史时间段中的数据，就需要通过offset时间偏移的方式来进行获取了。

prometheus_http_requests_total offset 5m
prometheus_http_requests_total{code="200"} offset 5m
prometheus_http_requests_total{handler="/metrics"}[5m] offset 3m
#注意：offset与数据选择器是一个整体，不能分割，offset 偏移的是时间点
如果既有偏移又有范围,先偏移后再取范围,如[5m] offset 3m 表示取当前时间的3分钟前的5m范围的值

3.2 查询语法格式

3.2.1 二元运算符

对于二元运算符来说，它主要包含三类：算术、比较、逻辑，作用效果与我们平常使用的效果一致

#算术运算符：+、-、*、/、%、^
#比较运算符：==、!=、=~、!~&gt;、&lt;、&gt;=、&lt;=
#逻辑运算符：and、or、unless 目前该运算符仅允许在两个即时向量之间进行操作，不支持标量(标量只有
一个数字，没有时序)参与运算
#运算符优先级：
1 ^
2 *, /, %
3 +, -
4 ==, !=, <=, <, >=, >
5 and, unless
6 or#注意：二元运算符是prometheus进行数据可视化或者数据分析操作的时候，应用非常多的一种功能。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/256612.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

arm 交叉编译器版本下载

arm 交叉编译器版本下载

网址&#xff1a;https://releases.linaro.org/components/toolchain/binaries/ 根据板子架构选择正确的编译器 根据你主机架构选择对应的版本&#xff08;就是你的开发电脑架构&#xff09;
阅读更多...
3.PyTorch——常用神经网络层

3.PyTorch——常用神经网络层

import numpy as np import pandas as pd import torch as t from PIL import Image from torchvision.transforms import ToTensor, ToPILImaget.__version__2.1.13.1 图像相关层 图像相关层主要包括卷积层&#xff08;Conv&#xff09;、池化层&#xff08;Pool&#xff09;…
阅读更多...
自然语言处理基础知识 学习

自然语言处理基础知识 学习

参考&#xff1a;OpenBMB - 让大模型飞入千家万户 【清华NLP】刘知远团队大模型公开课全网首发&#xff5c;带你从入门到实战_哔哩哔哩_bilibili 图灵测试&#xff1a;imitation Game 模仿游戏 Part of speech tagging 词性标注 Named entity recognition &#xff1a; 命名…
阅读更多...
第54天：django学习（三）

第54天：django学习（三）

页面上的增删改查 创建一个django项目&#xff08;使用django3版本&#xff09;day54——dj&#xff0c;并创建应用app01 在models.py文件中创建表 class UserInfo(models.Model):username models.CharField(max_length32)password models.CharField(max_length32)gender m…
阅读更多...
Ribbon组件的负载均衡原理

Ribbon组件的负载均衡原理

原因背景 spring cloud的底层负载均衡是采用Ribbon组件&#xff0c;我们将user-service服务注册到eureka-server中&#xff0c;那么当我们在另一个服务的代码层面请求远程调用API接口http://user-service/users/5时&#xff0c;程序代码如何解析远程调用的user-service服务名转…
阅读更多...
快速排序的非递归实现

快速排序的非递归实现

上期我们实现了快速排序的递归实现&#xff0c;但是我们知道如果递归深度太深&#xff0c;栈就会溢出&#xff0c;所以我们本期将为大家讲述快速排序的非递归实现&#xff0c;我们需要用到栈的数据结构&#xff0c;我们知道栈中的数据全是在堆区开辟的空间&#xff0c;堆的空间…
阅读更多...
VS2015编译GDAL3.2.0+opencl+C#

VS2015编译GDAL3.2.0+opencl+C#

参考借鉴https://www.cnblogs.com/litou/p/15004877.html 参考借鉴https://www.cnblogs.com/xiaowangba/p/6313903.html 参考借鉴gdal、proj、geos、sqlite等在VS2015下编译和配置_vs2015编译sqlite3-CSDN博客 参考借鉴Windows下GDAL3.1.2编译 (VS2015)_gdal windows编译-CS…
阅读更多...
【动手学深度学习】(十)PyTorch 神经网络基础+GPU

【动手学深度学习】(十)PyTorch 神经网络基础+GPU

文章目录 一、层和块1.自定义块2.顺序块3.在前向传播函数中执行代码 二、参数管理1.参数访问2.参数初始化3.参数绑定 三、自定义层1.不带参数的层2.带参数的层 四、读写文件1.加载和保存张量2.加载和保存模型参数五、使用GPU [相关总结]state_dict() 一、层和块 为了实现复杂神…
阅读更多...
机器学习---线性回归案例

机器学习---线性回归案例

1、梯度下降法调节参数 2、模拟过拟合 训练模型都会将数据集分为两部分&#xff0c;一般会将0.8比例的数据集作为训练集&#xff0c;将0.2比例的数据集作为测试集&#xff0c;来训练模型。模型过拟合就是训练出来的模型在训练集上表现很好&#xff0c;但是在测试集上表现较差的…
阅读更多...
架构师进阶，微服务设计与治理的 16 条常用原则

架构师进阶，微服务设计与治理的 16 条常用原则

今天将从存储的上一层「服务维度」学习架构师的第二项常用能力 —— 微服务设计与治理。 如何设计合理的微服务架构&#xff1f; 如何保持微服务健康运行&#xff1f; 这是我们对微服务进行架构设计过程中非常关注的两个问题。 本文对微服务的生命周期定义了七个阶段&#x…
阅读更多...
状态机的练习：按键控制led灯

状态机的练习：按键控制led灯

设计思路&#xff1a; 三个按键控制led输出。 三个按键经过滤波(消抖)&#xff0c;产生三个按键标志信号。 三个led数据的产生模块&#xff08;流水&#xff0c;跑马&#xff0c;闪烁模块&#xff09;&#xff0c;分别产生led信号。 这六路信号&#xff08;三路按键信号&am…
阅读更多...
Spring Boot 3.0 : 集成flyway数据库版本控制工具

Spring Boot 3.0 : 集成flyway数据库版本控制工具

目录 Spring Boot 3.0 : 集成flyway数据库版本控制工具flyway是什么为什么使用flyway主要特性支持的数据库&#xff1a; flyway如何使用spring boot 集成实现引入依赖配置sql版本控制约定3种版本类型 运行SpringFlyway 8.2.1及以后版本不再支持MySQL&#xff1f; 个人主页: 【⭐…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023