在Kubernetes已經(jīng)成了事實上的容器編排標(biāo)準(zhǔn)之下，微服務(wù)的部署變得非常容易。但隨著微服務(wù)規(guī)模的擴大，服務(wù)治理帶來的挑戰(zhàn)也會越來越大。在這樣的背景下出現(xiàn)了服務(wù)可觀測性（observability）的概念。在分布式系統(tǒng)里，系統(tǒng)的故障可能出現(xiàn)在任何節(jié)點，怎么能在出了故障的時候快速定位問題和解決問題，甚至是在故障出現(xiàn)之前就能感知到服務(wù)系統(tǒng)的異常，把故障扼殺在搖籃里。這就是可觀測性的意義所在。

可觀測性

可觀測性是由Logging，Metrics，Tracing構(gòu)建的，簡稱為可觀測性三支柱。

• Lgging，展現(xiàn)的是應(yīng)用運行而產(chǎn)生的事件或者程序在執(zhí)行的過程中間產(chǎn)生的一些日志，可以詳細解釋系統(tǒng)的運行狀態(tài)，但是存儲和查詢需要消耗大量的資源。所以往往使用過濾器減少數(shù)據(jù)量。

  
  

• Metrics，是一種聚合數(shù)值，存儲空間很小，可以觀察系統(tǒng)的狀態(tài)和趨勢，但對于問題定位缺乏細節(jié)展示。這個時候使用等高線指標(biāo)等多維數(shù)據(jù)結(jié)構(gòu)來增強對于細節(jié)的表現(xiàn)力。例如統(tǒng)計一個服務(wù)的 TBS 的正確率、成功率、流量等，這是常見的針對單個指標(biāo)或者某一個數(shù)據(jù)庫的。

  
  

• Tracing，面向的是請求，可以輕松分析出請求中異常點，但與Logging有相同的問題就是資源消耗較大。通常也需要通過采樣的方式減少數(shù)據(jù)量。比如一次請求的范圍，也就是從瀏覽器或者手機端發(fā)起的任何一次調(diào)用，一個流程化的東西，我們需要軌跡去追蹤。

  
  

我們在這篇文章討論的主題就是可觀測性中的Metrics。在 Kubernetes作為基礎(chǔ)設(shè)施的背景下，我們知道Kubernetes本身是個復(fù)雜的容器編排系統(tǒng)，它本身的穩(wěn)定運行至關(guān)重要。與之相伴的指標(biāo)監(jiān)控系統(tǒng) Promethues也已經(jīng)成為了云原生服務(wù)下監(jiān)控體系的事實標(biāo)準(zhǔn)。相信大家對資源層面比如CPU，Memory，Network；應(yīng)用層面比如Http請求數(shù)，請求耗時等指標(biāo)的監(jiān)控都有所了解。那么業(yè)務(wù)層面的指標(biāo)又怎么利用Prometheus去監(jiān)控和告警呢？這就是這篇文章的核心內(nèi)容。
以我們一個業(yè)務(wù)場景為例，在系統(tǒng)中有多種類型的task在運行，并且task的運行時間各異，task本身有各種狀態(tài)包括待執(zhí)行、執(zhí)行中、執(zhí)行成功、執(zhí)行失敗等。如果想確保系統(tǒng)的穩(wěn)定運行，我們必須對各個類型的 task 的運行狀況了如指掌。比如當(dāng)前是否有任務(wù)擠壓，失敗任務(wù)是否過多，并且當(dāng)超過閾值是否告警。
為了解決上述的監(jiān)控告警問題，我們先得了解一下Prometheus的指標(biāo)類型。

指標(biāo)

指標(biāo)定義
在形式上，所有的指標(biāo)（Metric）都通過如下格式標(biāo)示：{=, ...}

指標(biāo)的名稱（metric name）可以反映被監(jiān)控樣本的含義（比如，http_request_total - 表示當(dāng)前系統(tǒng)接收到的HTTP請求總量）。指標(biāo)名稱只能由ASCII字符、數(shù)字、下劃線以及冒號組成并必須符合正則表達式[a-zA-Z_:][a-zA-Z0-9_:]*。
標(biāo)簽（label）反映了當(dāng)前樣本的特征維度，通過這些維度Prometheus可以對樣本數(shù)據(jù)進行過濾，聚合等。標(biāo)簽的名稱只能由ASCII字符、數(shù)字以及下劃線組成并滿足正則表達式[a-zA-Z_][a-zA-Z0-9_]*。
指標(biāo)類型
Prometheus定義了4種不同的指標(biāo)類型（metric type）：Counter（計數(shù)器）、Gauge（儀表盤）、Histogram（直方圖）、Summary（摘要）
Counter
Counter類型的指標(biāo)其工作方式和計數(shù)器一樣，只增不減（除非系統(tǒng)發(fā)生重置）。常見的監(jiān)控指標(biāo)，如http_requests_total，node_cpu都是Counter類型的監(jiān)控指標(biāo)。一般在定義Counter類型指標(biāo)的名稱時推薦使用_total作為后綴。通過counter指標(biāo)我們可以和容易的了解某個事件產(chǎn)生的速率變化。例如，通過rate()函數(shù)獲取HTTP請求量的增長率：rate(http_requests_total[5m])

Gauge
Gauge類型的指標(biāo)側(cè)重于反應(yīng)系統(tǒng)的當(dāng)前狀態(tài)。因此這類指標(biāo)的樣本數(shù)據(jù)可增可減。常見指標(biāo)如：node_memory_MemFree（主機當(dāng)前空閑的內(nèi)容大小）、node_memory_MemAvailable（可用內(nèi)存大小）都是Gauge類型的監(jiān)控指標(biāo)。通過Gauge指標(biāo)，我們可以直接查看系統(tǒng)的當(dāng)前狀態(tài)。node_memory_MemFree

Summary
Summary主用用于統(tǒng)計和分析樣本的分布情況。比如某Http請求的響應(yīng)時間大多數(shù)都在100 ms內(nèi)，而個別請求的響應(yīng)時間需要5s，那么這中情況下統(tǒng)計指標(biāo)的平均值就不能反映出真實情況。而如果通過Summary指標(biāo)我們能立馬看響應(yīng)時間的9分位數(shù)，這樣的指標(biāo)才是有意義的。
例如：# HELP go_gc_duration_seconds A summary of the pause duration of garbage collection cycles.
# TYPE go_gc_duration_seconds summary
go_gc_duration_seconds{quantile="0"} 3.98e-05
go_gc_duration_seconds{quantile="0.25"} 5.31e-05
go_gc_duration_seconds{quantile="0.5"} 6.77e-05
go_gc_duration_seconds{quantile="0.75"} 0.0001428
go_gc_duration_seconds{quantile="1"} 0.0008099
go_gc_duration_seconds_sum 0.0114183
go_gc_duration_seconds_count 85

Histogram
Histogram類型的指標(biāo)同樣用于統(tǒng)計和樣本分析。與Summary類型的指標(biāo)相似之處在于Histogram類型的樣本同樣會反應(yīng)當(dāng)前指標(biāo)的記錄的總數(shù)（以_count作為后綴）以及其值的總量（以_sum作為后綴）。不同在于Histogram指標(biāo)直接反應(yīng)了在不同區(qū)間內(nèi)樣本的個數(shù)，區(qū)間通過標(biāo)簽len進行定義。同時對于Histogram的指標(biāo)，可以通過histogram_quantile()函數(shù)計算出其值的分位數(shù)。
例如：# HELP prometheus_http_response_size_bytes Histogram of response size for HTTP requests.
# TYPE prometheus_http_response_size_bytes histogram
prometheus_http_response_size_bytes_bucket{handler="/",le="100"} 1
prometheus_http_response_size_bytes_bucket{handler="/",le="1000"} 1
prometheus_http_response_size_bytes_bucket{handler="/",le="10000"} 1
prometheus_http_response_size_bytes_bucket{handler="/",le="100000"} 1
prometheus_http_response_size_bytes_bucket{handler="/",le="1e 06"} 1
prometheus_http_response_size_bytes_bucket{handler="/",le=" Inf"} 1
prometheus_http_response_size_bytes_sum{handler="/"} 29
prometheus_http_response_size_bytes_count{handler="/"} 1

應(yīng)用指標(biāo)監(jiān)控

暴露指標(biāo)
Prometheus最常用的方式是通過pull去抓取Metrics。所以我們首先在服務(wù)通過/metrics接口暴露指標(biāo)，這樣Promethues server就能通過http請求抓取到我們的業(yè)務(wù)指標(biāo)。
接口示例：server := gin.New()
server.Use(middlewares.AccessLogger(), middlewares.Metric(), gin.Recovery())

server.GET("/health", func(c *gin.Context) {
c.JSON(http.StatusOK, gin.H{
"message": "ok",
})
})

server.GET("/metrics", Monitor)

func Monitor(c *gin.Context) {
h := promhttp.Handler()
h.ServeHTTP(c.Writer, c.Request)
}

定義指標(biāo)
為了方便理解，這里選取了三種類型和兩種業(yè)務(wù)場景的指標(biāo)。
示例：var (
//HTTPReqDuration metric:http_request_duration_seconds
HTTPReqDuration *prometheus.HistogramVec
//HTTPReqTotal metric:http_request_total
HTTPReqTotal *prometheus.CounterVec
// TaskRunning metric:task_running
TaskRunning *prometheus.GaugeVec
)

func init() {
// 監(jiān)控接口請求耗時
// 指標(biāo)類型是Histogram
HTTPReqDuration = prometheus.NewHistogramVec(prometheus.HistogramOpts{
Name: "http_request_duration_seconds",
Help: "http request latencies in seconds",
Buckets: nil,
}, []string{"method", "path"})
// "method"、"path" 是 label

// 監(jiān)控接口請求次數(shù)
// 指標(biāo)類型是 Counter
HTTPReqTotal = prometheus.NewCounterVec(prometheus.CounterOpts{
Name: "http_requests_total",
Help: "total number of http requests",
}, []string{"method", "path", "status"})
// "method"、"path"、"status" 是 label

// 監(jiān)控當(dāng)前在執(zhí)行的task數(shù)量
// 監(jiān)控類型是Gauge
TaskRunning = prometheus.NewGaugeVec(prometheus.GaugeOpts{
Name: "task_running",
Help: "current count  of running task",
}, []string{"type", "state"})
// "type"、"state" 是 label

prometheus.MustRegister(
HTTPReqDuration,
HTTPReqTotal,
TaskRunning,
)
}

通過上述的代碼我們就定義并且注冊了我們的想要監(jiān)控的指標(biāo)。
生成指標(biāo)
示例：start := time.Now()
c.Next()

duration := float64(time.Since(start)) / float64(time.Second)

path := c.Request.URL.Path

// 請求數(shù)加1
controllers.HTTPReqTotal.With(prometheus.Labels{
"method": c.Request.Method,
"path":   path,
"status": strconv.Itoa(c.Writer.Status()),
}).Inc()

//  記錄本次請求處理時間
controllers.HTTPReqDuration.With(prometheus.Labels{
"method": c.Request.Method,
"path":   path,
}).Observe(duration)

// 模擬新建任務(wù)
controllers.TaskRunning.With(prometheus.Labels{
"type":  shuffle([]string{"video", "audio"}),
"state": shuffle([]string{"process", "queue"}),
}).Inc()

// 模擬任務(wù)完成
controllers.TaskRunning.With(prometheus.Labels{
"type":  shuffle([]string{"video", "audio"}),
"state": shuffle([]string{"process", "queue"}),
}).Dec()

抓取指標(biāo)
Promethues抓取target配置：# 抓取間隔
scrape_interval: 5s

# 目標(biāo)
scrape_configs:
- job_name: 'prometheus'
static_configs:
- targets: ['prometheus:9090']
- job_name: 'local-service'
metrics_path: /metrics
static_configs:
- targets: ['host.docker.internal:8000']

在實際應(yīng)用中靜態(tài)配置target地址不太適用，在Kubernetes下Promethues通過與Kubernetes API集成目前主要支持5種服務(wù)發(fā)現(xiàn)模式，分別是：Node、Service、Pod、Endpoints、Ingress。
指標(biāo)展示如下圖：