mincloud1501/Monitoring

오픈 소스 기반의 모니터링 시스템인 Prometheus에 대한 기본 개념과 실습 (using Katacoda)

Monitoring

오픈 소스 기반의 모니터링 시스템인 Prometheus에 대한 기본 개념과 실습 (using Katacoda)

• 오픈 소스 기반의 monitoring 시스템
• 관리 대상 시스템으로 부터 각종 monitoring 지표를 수집하여 저장하고 검색할 수 있는 시스템
• 구조가 간단해서 운영이 쉽고, 강력한 query 기능을 가지고 있으며, Grafana를 통한 시각화를 지원한다.
• 넓은 오픈 소스 생태계를 기반으로 많은 시스템을 monitoring할 수 있는 다양한 plugin을 가지고 있다.
• 특히 k8s의 main monitoring system으로 많이 사용되면서 요즘 특히 더 주목을 받고 있다.

■ Basic Architecture

√ Metric Collect

• MySQL이나, Tomcat 또는 VM 과 같은 monitoring 대상에서 metric을 prometheus에 전송하기 위해 Exporter를 사용한다.

√ Pulling

• prometheus가 주기적으로 Exporter로 부터 metric 읽어와서 수집하는 방식
• Auto-scaling에 의한 추가된 VM들의 IP를 알 수 없는 경우를 위해 service discovery 방식을 사용한다.

√ Service Discovery

• prometheus도 service discovery system과 통합을 하도록 되어 있다. DNS나, service discovery 전용 솔루션인 Hashicorp사의 Consul 또는 k8s를 통해서, target service의 list을 가지고 올 수 있다.

√ Exporter

• Monitoring Agent로 target system에서 metric을 읽어 prometheus가 pulling할 수 있도록 한다.
• HTTP GET으로 해당 metric을 text형태로 return한다.

√ Retrieval

• service discovery system으로 부터 monitoring 대상 목록을 받아오고, Exporter로 부터 주기적으로 그 대상으로 부터 metric을 수집하는 module

√ Storage

• 수집된 정보는 prometheus내의 memory와 local disk에 저장, 스케일링이 불가한 단점이 있음
• 확장이 불가능하고, 저장 용량이 부족하면 디스크 용량을 늘리는 것 밖에 방안이 없다.
• 구조상 HA를 위한 이중화나 clustering이 불가하다.

√ Serving

• 저장된 metric은 PromQL을 이용하여 조회하고, 이를 외부 API나 prometheus Web Console을 이용하여 serving이 가능

---

■ Run (using )

Step 1 - Configure Prometheus (prometheus.yml)

global:
  scrape_interval:     15s // target system으로 부터 metric을 읽어오는 주기
  evaluation_interval: 15s // alert을 보낼지 말지 metric을 보고 판단하는 주기

scrape_configs:	// 데이타 수집 대상과 방법을 정의
  - job_name: 'prometheus' // 대상 그룹에서 metric을 수집해오는 내용을 정의

    static_configs:
      - targets: ['127.0.0.1:9090', '127.0.0.1:9100'] // 두 개의 target에서 metric을 수집하도록 하나의 job을 정의 (9090: Prometheus itself, 9100: Node Exporter Prometheus process)
        labels:
          group: 'prometheus'

Step 2 - Start Prometheus Server & Node Exporter

• docker image를 이용한 prometheus server 기동

$ docker run -d --net=host \
    -v /root/prometheus.yml:/etc/prometheus/prometheus.yml \
    --name prometheus-server \
    prom/prometheus

• docker image를 이용한 node exporter 기동 (image : quay.io/prometheus/node-exporter)

$ docker run -d \
  -v "/proc:/host/proc" \
  -v "/sys:/host/sys" \
  -v "/:/rootfs" \
  --net="host" \
  --name=prometheus \
  quay.io/prometheus/node-exporter:v0.13.0 \
    -collector.procfs /host/proc \
    -collector.sysfs /host/sys \
    -collector.filesystem.ignored-mount-points "^/(sys|proc|dev|host|etc)($|/)"

• node exporter 작동 확인

$ curl localhost:9100/metrics

Step 3 - View Metrics

• http://{Prometheus Server ip}:9090 에 접속하면, dashboard가 나오는데, 검색 query 부분에 보고 싶은 metric에 대한 query를 넣으면, table이나 graph 형태로 볼 수 있다.

Step 4 - Enable Metrics

• metric 기능을 활성화하고 localhost:9323에서 수신할 metric 주소를 정의하는 새로운 experimental flag를 활성화한다.

$ echo '{ "metrics-addr" : "127.0.0.1:9323", "experimental" : true }' > /etc/docker/daemon.json
$ systemctl restart docker

• docker가 시작되면 metric endpoint에 access할 수 있다.

$ curl localhost:9323/metrics

• prometheus.yml에 target을 추가한다.

targets: ['127.0.0.1:9090', '127.0.0.1:9100', '127.0.0.1:9323'] // 9323 is the Docker Metrics port

Step 5 - Generate Metrics

$ docker run -d katacoda/docker-http-server:latest

• http://{Prometheus Server ip}:9323 에 접속

---

Step 6 - Start Grafana & Login (admin/admin)

$ cd ~ && curl -L -o ~/grafana-4.5.1.linux-x64.tar.gz https://s3-us-west-2.amazonaws.com/grafana-releases/release/grafana-4.5.1.linux-x64.tar.gz && tar -zxvf ~/grafana-4.5.1.linux-x64.tar.gz

$ cd ~/grafana-4.5.1/bin/ && ./grafana-server

Step 7 - Import Dashboard

• URL을 이용하여 Prometheus server에 Data Source를 추가하여 Prometheus server와 grafana를 연결한다.

• Create your first dash board > Panel Title > Edit > Metric > cpu_node 입력

• Prometheus node_exporter에 의해서 제공되는 metric을 monitoring할 수 있는 dashboard를 import하여 사용 가능하다.
• dashboard 설정을 json 파일로 upload할 수 있지만, grafana dashboard website 에 있는 경우에는 아래 처럼 URL이나 dashboard id (ex: 22)를 넣어 사용할 수 있다.

---

■ Thanos

• Prometheus는 Clustering 구조를 지원하지 않기 때문에, 확장성과 가용성 문제를 가지고 있다.
• Thanos를 사용하면 Prometheus API를 직접 query하여 효율적으로 압축하고, 데이터 중복 제거를 통해 Prometheus Data들을 집계할 수 있다.
• Thanos Architecture는 각 Prometheus Server 옆에 나란히 위치하는 Sidecar 구성 요소와 PromQL Query에 응답한 중앙 쿼리 구성 요소를 통해 모든 서버에 걸쳐 중앙 쿼리 계층을 갖는다.

Architecture

• Sidecar : Prometheus에 연결하여 data를 읽고 query하거나 Cloud Storage에 upload한다.
• StoreGateway : Cloud Storage Bucket 내부의 metric을 제공한다.
• Compactor : Cloud Storage Bucket에 저장된 데이터에 대한 압축, downsampling 및 보존 기능을 적용한다.
• Receiver : Prometheus의 remote-write WAL로부터 데이터를 수신하고, 데이터를 노출하거나 Cloud Storage에 upload한다.
• Ruler/Rule : Exposition 및/또는 upload를 위해 Thanos의 데이터에 대한 기록 및 alerting rules을 평가한다.
• Querier/Query : Prometheus의 v1 API를 구현하여 기본 구성 요소에서 데이터를 집계한다.