Prometheus（普罗米修斯）监控架构简介
最近在了解一些云原生相关的内容，其中就涉及到Prometheus这一个监控框架，下面就简要介绍一下这一个监控框架。
1. 架构图
下面是官方给出的架构图：
可以看到，普罗米修斯是基于pull-push即拉取和推送模型，（其实这样的说法太抽象了，简而言之就是获取监控指标metrics和发出告警信息alert以及进行可视化）
2. 各个组件介绍
下面是对于里面主要的组件的介绍：
- 用于采集和存取时间序列数据的 Prometheus server
- 用于监测应用的客户端库 （client lib，在客户端这里，图中没有标出）
- 用于支持短期的作业（Short-lived jobs）的 push gateway（下面有Short-lived jobs和push gateway的定义）
- 诸如 HAProxy，StatsD，Graphite 等服务的专用 exporter （下面有他的定义）
- 用于处理告警的 alertmanager
- PromQL是Prometheus内置了一个强大的数据查询语言。
- Grafana是可视化的工具。
- docker镜像是有Prometheus的，所以Prometheus能够在K8s上迅速的部署
- Exporters/Jobs：Prometheus的数据采集组件，负责收集目标对象（host, container…）的性能数据，并通过HTTP接口提供给Prometheus Server。支持数据库、硬件、消息中间件、存储系统、http服务器、jmx等。
- Short-lived jobs：瞬时任务的场景，无法通过pull方式拉取，需要使用push方式，与PushGateway搭配使用
- PushGateway：应对部分push场景的组件可选组件，这部分监控数据先推送到Push Gateway上，然后再由Prometheus Server端拉取 。用于存在时间较短，可能在Prometheus来拉取之前就消失了的 jobs
由于Prometheus基于Golang编写，所以是原生支持go的。
此外还有以下特点：
- 定义了开放指标数据标准：支持pull和push两种方式的数据采集，以基于HTTP的Pull方式采集时序数据，只有实现了prometheus监控数据格式才可以被prometheus采集；以Push方式向中间网关（Gateway）推送时序数据，能更灵活地应对各种监控场景。
- 支持通过静态文件配置和动态发现机制发现监控对象，自动完成数据采集。prometheus目前已经支持Kubernetes、Consul等多种服务发现机制，可以减少运维人员的手动配置环节。
所以，如果你是在k8s（Kubernetes）上面部署Prometheus监控，**可以通过对外暴露服务（service的方式，利用Prometheus进行监控。**可以参考资料一最后一节的内容。
3. 官方给出的特点
下面是官方文档上说的Prometheus的特点：
- 具有由指标名称和键/值对标识的时间序列数据的多维数据模型
- PromQL，一种灵活的查询语言
- 不依赖分布式存储（指的是普罗米修斯监控应用本身，不是说它不支持对分布式场景进行监控）
- 时间序列收集通过HTTP上的拉取模型（就是前面的 pull）进行
- 通过中间网关（就是前面的gateway）支持推送时间序列（就是前面的 push）
- 通过服务发现或静态配置发现目标
- 多种图形和仪表板支持模式
也就是实际上Prometheus本身并不做直接监控，只是做了一个监控整合，把监控信息获取，数据分析，告警，前端界面等整合到一起了。
参考资料
- https://hulining.gitbook.io/prometheus/introduction/overview 这是一个对于Prometheus的入门的介绍，如果有时间，很推荐跟着教程完整的走一遍
- https://www.modb.pro/db/45956