[[346122]]

首發(fā)于公眾號@陳樹義，用最簡單的語言，分享我的技術(shù)見解。

 第一次接觸 Prometheus 是在去年，我工作了六年的時間點上。但現(xiàn)在看來，工作六年才知道 Prometheus 是有點晚了，因為 Prometheus 確實比較重要。個人感覺 Prometheus 在你 3-5 年之時就應(yīng)該了解，并且應(yīng)該掌握關(guān)于它的一整套知識，最終你應(yīng)該掌握：如何從零去搭建一套業(yè)務(wù)監(jiān)控系統(tǒng)!

說到 Prometheus，大多數(shù)人可能不太清楚它是做什么的。即使知道它是做監(jiān)控的，也不明白為什么要做監(jiān)控。這其中涉及到許多原因，我想主要有下面兩點原因。

第一，全局觀不足。 許多開發(fā)同學(xué)長期在一線開發(fā)，局限于自己開發(fā)的需求上，對整個系統(tǒng)不了解，對整個系統(tǒng)業(yè)務(wù)不了解。只有當(dāng)你做了 leader 之后，你才會更關(guān)注系統(tǒng)的整體情況。而如果你當(dāng)了 leader，你會發(fā)現(xiàn)業(yè)務(wù)監(jiān)控系統(tǒng)是多么重要!(畢竟，你也不想半夜被電話吵醒，睡眼惺忪地打開電腦解決問題～)

第二，工作經(jīng)驗欠缺。 剛剛工作一兩年的同學(xué)，對于 Java 整個知識體系還學(xué)得不夠全面。而 Prometheus 的監(jiān)控知識更多屬于進階的知識，自然會被排到更后面的位置。

除了前面說到的這兩個主要原因，其實也還有一些其他原因，例如：公司技術(shù)體系問題等等。

言歸正傳，那 Prometheus 到底是做什么的，為什么要學(xué)習(xí) Prometheus 呢?

什么是 Prometheus?

Prometheus(普羅米修斯)是古希臘的一個神明，名字的意思是「先見之明」。從它的名字可以看出，Prometheus 是做「先見之明」的監(jiān)控告警用途。維基百科簡單寫了它的作用：Prometheus is a free software application used for event monitoring and alerting(Prometheus 是用來監(jiān)控、報警的免費軟件)。

Prometheus 官網(wǎng)則是用「From metrics to insight」(用指標(biāo)洞察系統(tǒng)的意思)描述了 Prometheus 的用途。

看到這里我們大概知道 Prometheus 其實就是一個數(shù)據(jù)監(jiān)控解決方案，它能幫你簡單快速地搭建起一套可視化的監(jiān)控系統(tǒng)。 但這么說還是有點抽象，下面我舉幾個簡單的例子，幫助大家理解 Prometheus 究竟能做什么?

對于運維人員來說，他們需要監(jiān)控機器的 CPU、內(nèi)存、硬盤的使用情況，以此來保證運行在機器上的應(yīng)用的穩(wěn)定性。

對于研發(fā)人員來說，他們關(guān)注某個異常指標(biāo)的變化情況，從而來保證業(yè)務(wù)的穩(wěn)定運行。

對于產(chǎn)品或運營來說，他們更關(guān)心產(chǎn)品層面的事情，例如：某個活動參加人數(shù)的增長情況，活動積分的發(fā)放情況。

對于上面說到的這些功能，Prometheus 都能夠?qū)崿F(xiàn)。Prometheus 能根據(jù)這些收集的數(shù)據(jù)實現(xiàn)告警功能。

例如：運維希望在 CPU 達到 80% 的時候給值班的運維人員發(fā)送郵件，產(chǎn)品希望活動積分發(fā)放數(shù)量超過 10 萬的時候發(fā)送告警郵件。這些都可以通過 Prometheus 實現(xiàn)。

除了數(shù)據(jù)收集、告警功能之外，Prometheus 還有很多強大的功能，例如：強大的 ProQL 查詢、許多客戶端庫等。

因為 Prometheus 功能強大、構(gòu)建成本低，所以現(xiàn)在越來越多的公司都使用 Prometheus 作為其數(shù)據(jù)監(jiān)控的解決方案。

為什么要學(xué) Prometheus?

對于一直在一線開發(fā)的同學(xué)而言，你可能只需要把自己的需求做好、沒有 bug、順利上線，那么你的任務(wù)就完成了。但是如果你是一個 leader，那么你是對整個業(yè)務(wù)系統(tǒng)負(fù)責(zé)，這個業(yè)務(wù)系統(tǒng)出了什么問題，都是你的責(zé)任。這個時候，你需要時刻關(guān)注這個系統(tǒng)是否正常運行。

對于流量不是很大的系統(tǒng)來說，出現(xiàn)幾分鐘的故障可能造成不了多少損失。但是對于像淘寶、美團、字節(jié)跳動這樣的巨無霸來說，宕機 1 分鐘損失的金額可能就是幾百萬!

所以弄清楚此時此刻系統(tǒng)的運行是否正常?各項業(yè)務(wù)指標(biāo)是否超過閾值?這些問題是每個經(jīng)驗豐富的研發(fā)人員所需要關(guān)注的事情!

那么如何監(jiān)控你的系統(tǒng)?如何得知系統(tǒng)目前是正常還是異常?甚至如何預(yù)知未來一段時間系統(tǒng)可能出問題?Prometheus 正是這么一套數(shù)據(jù)監(jiān)控解決方案。它能讓你隨時掌控系統(tǒng)的運行狀態(tài)，快速定位出現(xiàn)問題的位置，快速排除故障。

只要按照 Prometheus 的方式來做，按部就班地學(xué)習(xí)和部署，我們就可以監(jiān)控機器的 CPU、內(nèi)存等資源的使用情況、Java 應(yīng)用的運行情況以及業(yè)務(wù)各項指標(biāo)的實時數(shù)據(jù)。

當(dāng)然有一些公司會自己使用 Kafaka 收集監(jiān)控數(shù)據(jù)，并且存儲在 Hive 中，最終通過頁面聚合數(shù)據(jù)，同樣能夠?qū)崿F(xiàn)數(shù)據(jù)監(jiān)控。但是這種解決方案需要開發(fā)人員掌握 Hive + Hadoop 等大數(shù)據(jù)框架，并且在前端展示上比較局限。

而通過 Prometheus 則可以直接部署使用，并且其與 Grafana 配套使用可以呈現(xiàn)出非常多樣化的圖表配置。對于中小規(guī)模的團隊來說，可以極大地減少成本，加快研發(fā)速度。

而對于個人來講，掌握 Prometheus 可以增加你當(dāng) leader 的競爭力。 畢竟如果一個研發(fā)對自己的系統(tǒng)運行狀況都不了解，那么他怎么做 leader，怎么帶領(lǐng)一個團隊往前沖呢?

總結(jié)

對于工作多年的研發(fā)人員，對自己負(fù)責(zé)的系統(tǒng)必須了然于胸。而要做到了然于胸，單靠一味的自信是不夠的，必須借助一套功能強大的業(yè)務(wù)監(jiān)控系統(tǒng)。Prometheus 作為這其中的翹楚，憑借其完善的功能、海量數(shù)據(jù)支持，可以讓我們較低成本地實現(xiàn)業(yè)務(wù)監(jiān)控。

參考資料

Prometheus - Monitoring system & time series database

普羅米修斯 - 維基百科，自由的百科全書

本文轉(zhuǎn)載自微信公眾號「陳樹義」，可以通過以下二維碼關(guān)注。轉(zhuǎn)載本文請聯(lián)系陳樹義公眾號。