欧美成人精品三级在线观看,国产在线中文字幕精品,国产资源精品中文字幕

2、Grafana-Prometheus學習筆記

一、時序數據庫：

時序數據庫（Time Series Database, TSDB）是專門為處理和存儲時序數據而設計的數據庫。時序數據是帶有時間戳的數據，通常用于表示隨時間變化的測量值。時序數據庫在許多應用領域中具有關鍵作用，包括物聯網（IoT）、應用性能監控（APM）、金融市場分析、環境監測、工業自動化等。

當前主流的時序數據庫：https://db-engines.com

二、InfluxDB、Prometheus與Graphite：

	InfluxDB	Prometheus	Graphite
官方文檔	InfluxDB官方文檔	Prometheus官方文檔	Graphite官方文檔
簡介	一個開源的時序數據庫，專門用于存儲和查詢時序數據（metrics）。	一個開源的系統監控和報警工具，專注于時序數據收集、存儲和查詢。	一個開源的監控系統和圖表展示工具，專注于時序數據存儲和可視化。
主要特點	- 高效存儲時序數據 - 支持復雜的查詢和聚合 - 提供內置的存儲引擎（TSI, TSI2） - 支持標簽查詢和數據索引 - 內置圖形化儀表盤工具（Chronograf）	- 自動發現和抓取目標 - 支持多維度數據模型（標簽） - 高效的拉取式數據收集模型 - 提供豐富的報警機制 - 強大的查詢語言PromQL	- 采用推送模式來收集數據 - 數據存儲使用時間序列數據庫 - 基于Cassandra或其他數據庫存儲 - 主要使用 Graphite-web 展示數據
性能特點	高寫入吞吐量、低延遲查詢，支持高效的數據壓縮	高效的時間序列數據存儲，適合高頻率數據收集	存儲性能較為有限，適合小規模和低頻率的數據存儲
查詢語言	InfluxQL（類似SQL）或Flux	PromQL(Prometheus Query Language)	使用簡單的查詢語言（通過Graphite-web展示）
數據存儲	時序數據專用存儲引擎，支持壓縮和高效查詢	存儲為 TSDB 格式，支持自定義存儲后端	使用基于 Whisper 的文件系統存儲（或者 Cassandra）
數據收集方式	推送或拉取，支持客戶端庫以及HTTP API	主要為拉取方式，支持自定義的抓取方式	推送模式，使用Carbon收集數據
數據模型	時序數據（時間戳、測量、標簽、字段、值）	時序數據（時間戳、指標、標簽）	時序數據（時間戳、指標、值）
擴展性	支持集群擴展（Enterprise版本），單實例有一定限制	支持水平擴展和分布式架構，適合大規模數據存儲和查詢	擴展性有限，基于單一節點或分布式的配置方式
報警與告警	內置告警機制（Kapacitor），支持定義復雜的告警規則	強大的告警功能，支持多種告警接收方式	通過第三方工具（如 Nagios、Alertmanager）實現告警功能
社區與支持	活躍的開源社區，有付費版本的支持	強大的開源社區，有豐富的文檔和支持	較為成熟的社區，使用歷史較長，但社區活躍度相對較低
應用場景	- IoT 數據監控 - 企業級時序數據分析 - 日志分析與度量收集	- 容器和微服務監控 - 集群和系統資源監控 - 高頻數據收集和報警	- 基礎設施監控 - 網絡性能監控 - 存儲和服務器狀態監控
優點	- 高效存儲與查詢 - 豐富的查詢語言（InfluxQL 和 Flux） - 內置的可視化和報警支持	- 強大的自動發現與抓取機制 - 強大的查詢語言 PromQL - 與 Grafana 深度集成	- 簡單易用，安裝配置容易 - 適用于較小規模的監控項目
缺點	- 大規模集群和高可用性配置相對復雜 - 依賴企業版本的某些高級功能	- 存儲層無內建高可用特性，主要依賴于外部存儲 - 缺少內建的可視化工具,Prometheus Web UI，僅適用基礎的查詢和展示	- 可擴展性差，不適合大規模部署 - 存儲性能不足，不能處理非常高頻的數據

1、InfluxDB 是一個高效的時序數據庫，適合于存儲大規模時序數據，提供了強大的查詢語言和內置的可視化工具。

2、Prometheus 適合于動態環境和微服務架構，提供強大的數據抓取和報警能力，常與 Grafana 配合使用來進行可視化展示。

3、Graphite 是一個較為成熟的監控工具，適合小規模的時序數據存儲和展示，通常與 Grafana 配合使用來進行數據可視化。

三、Prometheus相關架構：

Prometheus 通過 Pushgateway 或 Job/exporters 的方式，定期從被監控的服務中拉取指標數據。這些服務通常通過 HTTP 暴露一個 /metrics 端點，Prometheus 通過該端點收集指標數據并存儲在本地磁盤中。用戶可以通過 PromQL 查詢存儲在 Prometheus 中的時序數據。Prometheus 還可以根據設定的告警規則，自動檢查采集的數據，生成告警并觸發相應操作。如果某個指標超出閾值或不符合特定條件，Prometheus 會發送告警到 Alertmanager，進行處理和轉發。

1、Prometheus Server：

Prometheus Server 是 Prometheus 的核心組件，負責從被監控的目標（targets）收集（scrape）數據、存儲數據、并提供查詢和告警功能。

2、Pushgateway：

Pushgateway 是 Prometheus 的一個組件，用于接收從臨時任務（如批處理任務）推送過來的指標數據。與 Prometheus 通常的拉取模式不同，Pushgateway 采用推送（push）方式將數據發送給 Prometheus。

由于Prometheus的拉取（pull）模式要求目標服務必須始終在線并持續暴露指標接口。然而，一些服務可能只存在一段很短的時間（例如批處理作業、定時任務或一次性任務），在它們執行完后，服務就會終止并且不再提供 HTTP 服務。這時候，Prometheus就無法拉取到數據。因此，當網絡情況無法直接滿足時，可以使用 pushgateway 來進行中轉，將此類數據主動push到pushgateway里面去，而 prometheus 采用pull方式拉取 pushgateway 中數據。

3、Job/Exporters：

Job，即標簽，通常是用來定義一組被監控目標的名稱和配置。Job是 Prometheus配置文件（prometheus.yml）中的一個重要概念，每個 Job對應一個或多個監控目標（Exporter），這些目標會定期暴露其性能指標，Prometheus通過拉取這些指標來進行監控。

Exporter是一個暴露 Prometheus可抓取的指標數據的程序或服務。Exporter 通常負責從應用程序或系統收集性能指標，并將這些數據以HTTP服務的形式暴露給 Prometheus。

Exporter	備注
Node_Exporter	用于暴露系統級別的指標數據（如 CPU、內存、磁盤使用情況）
MySQL_Exporter	用于暴露數據庫指標

4、Metrics：

Metrics，即指標，是 Prometheus 用來描述和衡量系統狀態或性能的數字數據載體，通常以時間序列的形式存儲。每個指標表示系統的某個度量值，比如請求數、內存使用量、響應時間等。

Metrics類型	定義
Counter	計數器類型的指標，值只能遞增，用于記錄事件發生的次數
Gauge	可以增加也可以減少的指標，通常用來記錄當前值（如內存使用、溫度等）
Histogram	記錄觀察值的分布情況，通過將觀察值劃分為不同的桶進行計數
Summary	與 Histogram 類似，但可以預計算一些分位數，如 50%、95% 等
Untyped	沒有明確類型的指標，適用于用戶自定義的特殊指標

5、PromQL：

PromQL 是 Prometheus 的查詢語言，用于從 Prometheus 中存儲的時序數據中查詢、分析和操作數據。通過PromQL可以根據需求對 Metrics數據進行過濾、聚合、轉換等操作。

6、Alertmanager：

Alertmanager 是 Prometheus 的組件之一，負責管理、分發告警。它接收 Prometheus 生成的告警信息，并根據配置將告警通知發送到用戶指定的通知渠道（如郵件、Slack、Webhook 等）。

四、Docker-Prometheus安裝：

1、Node Exporter：

用于從主機收集硬件和系統級別的指標

# 拉取Node_Exporter鏡像：

docker pull prom/node-exporter

# 啟動容器：

docker run -d --name node-exporter \

-p 9100:9100 \

-v /proc:/host/proc:ro \

-v /sys:/host/sys:ro \

-v /:/rootfs:ro \

prom/node-exporter

# 備注：

1、-p 9100:9100

將宿主機的 9100 端口映射到容器的 9100(node-exporter 默認)端口。node-exporter默認會在該端口上暴露監控指標。

2、-v /proc:/host/proc:ro

掛載宿主機的 /proc 目錄到容器中的 /host/proc。/proc 目錄包含了操作系統內核和進程的信息，node-exporter 需要訪問這些信息來收集系統級別的性能指標。掛載時使用了 ro（只讀）權限，確保容器無法修改宿主機的文件。

3、-v /sys:/host/sys:ro

類似地，掛載宿主機的 /sys 目錄到容器中的 /host/sys。/sys 目錄包含了與系統硬件相關的信息，node-exporter 也需要這些信息來收集指標。

4、-v /:/rootfs:ro

掛載宿主機的根文件系統到容器中的 /rootfs。node-exporter 需要訪問宿主機的文件系統以收集一些額外的指標（如磁盤、文件系統的相關信息）。同樣使用了只讀權限。

# Metrics數據訪問：

http://localhost:9100/metrics

2、Pushgateway：

允許短期任務將其指標推送到 Prometheus

# 拉取Pushgateway鏡像：

docker pull prom/pushgateway

# 自定義數據存儲文件夾：

/opt/install/data/pushgateway-data

# 修改文件夾權限：

chmod 777 -R /opt/install/data/pushgateway-data

# 啟動容器：

docker run -d --name=pushgateway \

-p 9091:9091 \

-v /opt/install/data/pushgateway-data:/pushgateway_data \

prom/pushgateway

# Pushgateway管理訪問：

http://localhost:9091/

# PUSH推送自定義測試Metric指標數據（不指定，默認untyped 類型）：

echo "# TYPE <指標> <Metric類型>\n<指標{標簽}> <值>" | curl --data-binary @- http://<ip:port>/metrics/job/<Job名>

# 案例一

echo "example_metric 1" | curl --data-binary @- http://localhost:9091/metrics/job/test_job

# 案例二

echo "example_metric{status=\"success\"} 1" | curl --data-binary @- http://localhost:9091/metrics/job/test2_job

# 案例三

echo -e "# TYPE test_metric counter\ntest_metric 2" | curl --data-binary @- http://localhost:9091/metrics/job/test3_job

# 清理指定Job數據：

curl -X DELETE http://ip:port/metrics/job/<Job名>

curl -X DELETE http://localhost:9091/metrics/job/test_job

3、Alertmanager：

處理并路由 Prometheus 發出的告警通知

# 拉取Alertmanager鏡像：

docker pull prom/alertmanager

# 自定義數據存儲文件夾：

/opt/install/data/alertmanager-data/config

/opt/install/data/alertmanager-data/template

# 修改文件夾權限：

chmod 777 -R /opt/install/data/alertmanager-data/config

chmod 777 -R /opt/install/data/alertmanager-data/template

# 編輯告警配置文件alertmanager.yml：

cat > /opt/install/data/alertmanager-data/config/alertmanager.yml << \EOF

# 全局配置

global:

# 設置報警解決超時時間，單位：分鐘

resolve_timeout: 5m

# 發件人郵箱配置

smtp_from: 'xx@xx.com'

# 郵箱服務器的主機配置，smtp.qq.com，端口為 465 或 587

smtp_smarthost: 'smtp.qq.com:465'

# 郵箱賬戶名

smtp_auth_username: 'xx'

# 郵箱授權碼（不是密碼）

smtp_auth_password: '授權碼'

# 是否啟用 TLS（此處不啟用）

smtp_require_tls: false

# SMTP 主機的 HELO 域名

smtp_hello: 'qq.com'

# 告警模板配置

templates:

- '/opt/install/data/alertmanager-data/template/email.tmpl'

# 抑制規則配置

# 當存在 severity 為 critical 的告警時，抑制 severity 為 warning 的告警

# 源告警和目標告警必須在 alertname、dev 和 instance 標簽上相等

inhibit_rules:

- source_match:

severity: 'critical'

target_match:

severity: 'warning'

equal: ['alertname', 'dev', 'instance']

# 路由配置

route:

# 根據告警名稱分組

group_by: ['alertname']

# 等待時間，用于等待同一組內的其他告警

group_wait: 5s

# 分組后發送告警的時間間隔

group_interval: 5m

# 發送告警間隔時間 s/m/h，如果指定時間內沒有修復，則重新發送告警

repeat_interval: 1h

# 默認接收器，自定義接收器名default-receiver，用于處理沒有匹配到其他路由規則的告警

receiver: 'default-receiver'

routes:

# 使用正則表達式匹配 alarmClassify 標簽為 critical 的告警

- match_re:

alarmClassify: '^critical$'

# 自定義critical-alerts 接收器名，接收 critical 的告警

receiver: 'critical-alerts'

# 使用正則表達式匹配 alarmClassify 標簽為 warning 的告警

- match_re:

alarmClassify: '^warning$'

# 自定義warning-alerts 接收器名，接收 warning 的告警

receiver: 'warning-alerts'

# 接收器配置

receivers:

# 默認接收器

- name: 'default-receiver'

email_configs:

# 默認接收器的收件人，多個人就以 ',' 做分割

- to: 'default-receiver@example.com'

# 發送已解決的告警通知

send_resolved: true

# 接收郵件的標題

headers: {Subject: "alertmanager默認告警郵件"}

# 嚴重告警接收器

- name: 'critical-alerts'

email_configs:

- to: 'critical-alerts@example.com'

send_resolved: true

# 接收郵件的標題

headers: {Subject: "alertmanager嚴重告警郵件"}

# 警告告警接收器

- name: 'warning-alerts'

email_configs:

- to: 'warning-alerts@example.com'

send_resolved: true

# 接收郵件的標題

headers: {Subject: "alertmanager警告告警郵件"}

EOF

# 編輯告警模板配置文件email.tmpl：

cat > /opt/install/data/alertmanager-data/template/email.tmpl << \EOF

<tr>

</tr>

<tr>

<td>{{ index $alert.Labels "alertname" }}</td>

<td>{{ index $alert.Labels "instance" }}</td>

<td>{{ index $alert.Annotations "value" }}</td>

<td>{{ $alert.StartsAt }}</td>

<td>{{ index $alert.Annotations "description" }}</td>

</tr>

</table>

EOF

# 啟動容器：

docker run -d --name=alertmanager \

-p 9093:9093 \

-v /etc/localtime:/etc/localtime:ro \

-v /opt/install/data/alertmanager-data/config/alertmanager.yml:/etc/alertmanager/alertmanager.yml \

-v /opt/install/data/alertmanager-data/template:/etc/alertmanager/template \

prom/alertmanager

# Alertmanager管理訪問：

http://localhost:9093/

4、Prometheus Server：

核心組件，負責采集、存儲指標數據，并生成告警

# 拉取Prometheus鏡像：

docker pull prom/prometheus

# 自定義數據存儲文件夾：

/opt/install/data/prometheus-data

# 修改文件夾權限：

chmod 777 -R /opt/install/data/prometheus-data

# 編輯prometheus.yml配置信息：

cat > /opt/install/data/prometheus-data/prometheus.yml << \EOF

# prometheus.yml

global:

# 設置抓取目標間隔為 60 秒

scrape_interval: 60s

# 設置評估規則（如報警規則等）間隔為 60 秒

evaluation_interval: 60s

# job_name: 自定義抓取目標的名稱

scrape_configs:

# 配置 Prometheus 作為數據源

- job_name: 'prometheus'

static_configs:

# Prometheus 本身

- targets: ['localhost:9090']

# 配置 Node Exporter

- job_name: 'node_exporter'

static_configs:

# 指定 Node Exporter 的目標（可以是多個節點），修改localhost

- targets: ['localhost:9100']

# 配置 Pushgateway

- job_name: 'pushgateway'

static_configs:

# Pushgateway 的目標，修改localhost

- targets: ['localhost:9091']

# 配置 Alertmanager

- job_name: 'alertmanager'

static_configs:

# Alertmanager 的目標，修改localhost

- targets: ['localhost:9093']

EOF

# 啟動容器：

docker run -d --name prometheus \

-p 9090:9090 \

-v /opt/install/data/prometheus-data/prometheus.yml:/etc/prometheus/prometheus.yml \

prom/prometheus

# Prometheus管理訪問：

http://localhost:9090/

查看啟動信息：

查詢監控指標數據：

Metric指標{標簽}

五、Grafana-Prometheus可視化配置：

1、Prometheus數據源導入：

2、添加新的儀表板：

六、PromQL數據查詢：

Prometheus 通過指標名稱（metrics name）以及對應的一組標簽（labelset）唯一定義一條時間序列。指標名稱反映了監控樣本的基本標識，而 label 則在這個基本特征上為采集到的數據提供了多種特征維度。用戶可以基于這些特征維度過濾，聚合，統計從而產生新的計算后的一條時間序列。

PromQL是 Prometheus內置的數據查詢語言，用于從Prometheus中存儲的時序數據中查詢、分析和操作數據。通過PromQL可以根據需求對 Metrics指標數據進行過濾、聚合、轉換等操作。

1、匹配方式：

功能	示例	說明
完全匹配模式	label=value	根據標簽匹配滿足表達式的時間序列
完全匹配模式	label!=value	根據標簽匹配排除時間序列
正則匹配模式	label=~value1\|value2	根據標簽匹配滿足value1或value2的時間序列
正則匹配模式	label!~value1\|value2	根據標簽匹配排除滿足value1或value2的時間序列

2、基礎查詢：

功能	示例	說明
查詢單個指標	up	表示實例是否在正常運行（1表示正常，0表示異常）
查詢指定實例的指標值	up{instance="localhost:9090"}	表示指定實例是否在正常運行（1表示正常，0表示異常）
獲取時間序列	指標名	獲取指定指標的所有時間序列數據
使用標簽篩選	指標{標簽=”值”}	獲取帶有指定標簽值的時間序列數據

3、聚合操作：

功能	示例	說明
求和	sum(指標)	對指定指標進行求和
計算平均值	avg(指標)	對指定指標計算平均值
計算最大值	max(指標)	獲取指定指標的最大值
計算最小值	min(指標)	獲取指定指標的最小值
計數	count(指標)	計算指定指標的時間序列數目
按標簽聚合	sum(指標) by (標簽code)	按照指定code標簽進行聚合，計算每個job 的總請求數。
排除某些標簽	sum(指標) without (標簽code)	對指標按標簽聚合，但排除指定code標簽。

4、時間范圍操作：

功能	示例	說明
最近值	指標[5m]	獲取過去 5 分鐘內的時間序列數據
過去平均值	avg_over_time(指標[1h])	計算過去 1 小時的平均值
過去最大值	max_over_time(指標[1d])	計算過去 1 天的最大值
過去最小值	min_over_time(指標[1d])	計算過去 1 天的最小值

5、數學和函數操作：

功能	示例	說明
加法	指標 + 10	對指定指標加上一個常數
乘法	指標 * 2	對指定指標乘以一個常數
取對數	log2(指標)	對指定指標取對數

6、變化率計算：

功能	示例	說明
增量計算	rate(指標[5m])	計算過去 5 分鐘內指標的增量
速率計算	irate(指標[5m])	計算每秒的增量速率
變化率	increase(指標[1h])	計算過去 1 小時內的指標總變化量

7、條件判斷：

功能	示例	說明
判斷條件	指標 > 100	過濾出指標值大于 100 的時間序列數據
和條件結合	指標{標簽="值"} > 100	過濾出指定指標且值大于 100 的時間序列數據

8、排序與限制：

功能	示例	說明
排序	topk(5, 指標)	獲取值前 5 名的時間序列
排序	bottomk(5, 指標)	獲取值后 5 名的時間序列

七、SpringBoot-Prometheus監控埋點：

Micrometer 是 Spring Boot 的度量系統，它用于收集應用程序運行時的各種指標數據，并將這些數據發送到外部監控系統（例如 Prometheus、Graphite、Datadog 等）。它為Spring應用提供了統一的API來定義、收集和發送這些指標。

Spring Boot 中的 spring-boot-starter-actuator 依賴已經集成了對 Micrometer 的支持，通過暴露 Prometheus 監控端點（如 /actuator/prometheus），使得Spring Boot應用作為 Prometheus 的客戶端，允許 Prometheus（作為服務端）定期抓取該端點提供的 Micrometer 指標數據，并將其存儲在時間序列數據庫中，最終通過 Grafana 從 Prometheus 獲取數據并進行可視化展示。

1、添加依賴：

<!--SpringBoot監控系統-->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-actuator</artifactId>
</dependency>
<!--用于導出prometheus系統類型的指標數據-->
<dependency>
    <groupId>io.micrometer</groupId>
    <artifactId>micrometer-registry-prometheus</artifactId>
</dependency>

2、YML配置：

# actuator服務監控端點配置
management:
  endpoints.web.exposure.include: "*"   # actuator 服務監控 應包含的端點ID或所有的“*”, 默認只開放了info、health
  endpoint:
    health.show-details: ALWAYS         # 健康信息顯示詳情.
    shutdown.enabled: false             # 允許應用以優雅的方式關閉（默認情況下不啟用）
  # Actuator端點將通過 http://localhost:18081/actuator/prometheus 訪問Metrics信息
  server:
    port: 18081

3、指標配置管理：

import io.prometheus.client.CollectorRegistry;
import io.prometheus.client.Counter;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.context.annotation.Bean;
import org.springframework.stereotype.Component;

/**
 * @description: 普羅米修斯監控配置
 */
@Component
public class PromConfig {

    /**
     * CollectorRegistry容器：負責收集和管理所有注冊到其中的指標
     */
    @Autowired
    private CollectorRegistry collectorRegistry;

    /**
     * Metrics類型: Counter
     * 設置指標名稱: http_requests_total
     * 設置添加兩個標簽：functionName、status
     * 設置指標描述性幫助信息：Counter測試監控
     * @return
     */
    @Bean(name = "prometheusMetricsCounter")
    public Counter prometheusMetricsCounter(){
        return Counter.build()
                .name("http_requests_total")
                .labelNames("functionName","status")
                .help("Counter測試監控")
                .register(collectorRegistry);
    }

}

4、監控埋點：

    @Resource(name = "prometheusMetricsCounter")
    private Counter prometheusMetricsCounter;

    @PostMapping(value = "/demo")
    public String monitorPointTest() {
        String status = "success";
        if("success".equals(status)) {
            //監控埋點：inc()方法增加 Counter 指標的值
            prometheusMetricsCounter.labels("monitorPointTest", status).inc();
        }
        return status;
    }

5、Prometheus-Grafana管理：

（1）、查看Actuator端點的Metrics信息：

http://localhost:18081/actuator/prometheus

（2）、配置Prometheus抓取Spring Boot應用的指標：

Prometheus.yml配置文件聲明：

scrape_configs:

  # 配置 SpringBoot監控埋點

  - job_name: 'springboot_actuator_to_prometheus_demo'

    metrics_path: '/actuator/prometheus'

    static_configs:

      # springboot監控的目標

      - targets: ['localhost:18081']

（3）、Prometheus查看http_requests_total指標信息：

（4）、Grafana可視化管理：

posted on 2025-01-14 23:08 愛文(Iven) 閱讀(697) 評論(0) 收藏舉報

刷新頁面返回頂部

2、Grafana-Prometheus學習筆記

一、時序數據庫：

二、InfluxDB、Prometheus與Graphite：

三、Prometheus相關架構：

1、Prometheus Server：

2、Pushgateway：

3、Job/Exporters：

4、Metrics：

5、PromQL：

6、Alertmanager：

四、Docker-Prometheus安裝：

1、Node Exporter：

2、Pushgateway：

3、Alertmanager：

4、Prometheus Server：

五、Grafana-Prometheus可視化配置：

1、Prometheus數據源導入：

2、添加新的儀表板：

六、PromQL數據查詢：

1、匹配方式：

2、基礎查詢：

3、聚合操作：

4、時間范圍操作：

5、數學和函數操作：

6、變化率計算：

7、條件判斷：

8、排序與限制：

七、SpringBoot-Prometheus監控埋點：

1、添加依賴：

2、YML配置：

3、指標配置管理：

4、監控埋點：

5、Prometheus-Grafana管理：

導航

公告

2、Grafana-Prometheus學習筆記

一、時序數據庫：

二、InfluxDB、Prometheus與Graphite：

三、Prometheus相關架構：

1、Prometheus Server：

2、Pushgateway：

3、Job/Exporters：

4、Metrics：

5、PromQL：

6、Alertmanager：

四、Docker-Prometheus安裝：

1、Node Exporter：

2、Pushgateway：

3、Alertmanager：

4、Prometheus Server：

五、Grafana-Prometheus可視化配置：

1、Prometheus數據源導入：

2、添加新的儀表板：

六、PromQL數據查詢：

1、匹配方式：

2、基礎查詢：

3、聚合操作：

4、時間范圍操作：

5、數學和函數操作：

6、變化率計算：

7、條件判斷：

8、排序與限制：

七、SpringBoot-Prometheus監控埋點：

1、添加依賴：

2、YML配置：

3、指標配置管理：

4、監控埋點：

5、Prometheus-Grafana管理：

導航

公告

2、Grafana-Prometheus學習筆記

一、時序數據庫：

二、InfluxDB、Prometheus與Graphite：

3、Job/Exporters：

4、Metrics：

1、Node Exporter：

3、Alertmanager：

4、Prometheus Server：

五、Grafana-Prometheus可視化配置：

1、Prometheus數據源導入：

六、PromQL數據查詢：

1、匹配方式：

2、基礎查詢：

3、聚合操作：

4、時間范圍操作：

5、數學和函數操作：

1、添加依賴：

2、YML配置：

4、監控埋點：

5、Prometheus-Grafana管理：