news 2026/4/25 4:19:49

企业级资源监控方案落地:Prometheus+Grafana+Export

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
企业级资源监控方案落地:Prometheus+Grafana+Export

性能测试的结果分析是作为性能测试工程师的必修课,特别是监控服务器的资源使用情况,对于分析服务器的性能非常关键。我们有高很多的Linux的命令可以去监控各种资源,比如top,vmstat,iostat,pidstat等,但是命令使用有一定的门槛,结果看起来也没那么直观,所以现在很多公司都用Prometheus+grafana+export方案来进行资源监控。今天我们就给大家详细介绍一下这套方案的实施落地。

1、Grafana

grafana之前已经有文章介绍过了,需要的同学可以去获取:Jmeter+influxdb+grafana 性能测试结果监控

安装好了之后,通过web页面访问grafana服务并登录进去:http://机器ip:3000,打开grafana的监控大屏页面。

2、Prometheus

Prometheus 是由 SoundCloud 开源监控告警解决方案。它用时序数据的方式存储数据,有独立的 PromQL (Prometheus Query Language) 数据查询语言。

特点:

监控告警:可以监控到一些指标后,产生一下告警等事件的联动,比如cpu90% 内存 GC等 行为产生告警;

开源的,可以进行灵活的定制

是一种时序数据库,但是功能比influxdb更强大,可以跟更多的插件进行集成,数据都可以写到prometheus,相对来说更强大。

安装:

注意:不要安装在被测服务器,会影响被测试服务器的性能资源。

第一步:下载安装包传到服务器上进行解压:tar -xzvf prometheus-2.20.1.linux-amd64.tar.gz

第二步:启动这个 prometheus服务 , ./promethues &

第三步:验证是否启动成功:http://服务器IP地址:9090/graph 可以访问到页面。说明没有问题。

Prometheus的端口默认是9090。

3、Export

但是,我们需要注意的是Prometheus 本身不具有数据收集功能,只能存放数据 ,不能主动收集数据 。所以要从被测服务器上收集数据,需要通过其他的工具push数据进去,这个工具就是各种Export。

export是监控工具:主要用于收集服务器资源利用率情况,需要安装在被监听的服务器上。

可以监控数据,并定时的发送给prometheus存储在数据库里。

每个场景有不同的export,需要监听不同的数据 就需要使用不同的export。

如果你有多台被监控的服务器都需要收集数据,那么就需要多台服务器上都上传这个exporter。

下表是一些常用的Export类型以及其可以监控的数据:

比如,我们要监控服务器的硬件资源,比如CPU、内存,磁盘IO等,就需要用到node_export工具安装部署在被测服务器上。

node_export的安装:

第一步:上传安装包到被测服务器,并解压:tar -xzvf node_exporter-1.1.1.linux-amd64.tar.gz

下载的网址:https://github.com/prometheus

第二步:启动这个服务:./node_exporter &

第三步:验证这个node服务是否启动:http://192.168.61.137:9100/metrics ,可以看到metrics 这个路径,点击进去就是收集到的硬件监控的结果。

node_exporter 启动后,默认端口是 9100 ,注意端口需要开放,不然访问不到。

但是这个metric的数据查看起来非常不直观并且也不方便进行持久化存储,所以我们要把node_export的数据全部要传到prometheus数据库里去存储。

Prometheus存储export收集的数据:

思考问题:Node_export从被测服务器收集到数据,那么Prometheus如何知道这个node_exporter收集的数据呢?这个时候,我们需要修改prometheus的配置文件。步骤如下:

第一步:prometheus需要修改配置文件,把exporter数据收集回来放到prometheus的数据库里。

修改在prometheus的解压根目录下的 prometheus.yml 配置文件,新增内容如下:

在Scrape_configs节点下增加(注意写法) - job_name: 'server-data' static_configs: - targets: ['192.168.61.136:9100']

注意:

1、job_name :这个名字只要不重复,自己随便取,但是建议见名知意;server_data 或者node_export都可以

2、如果要加多个目标机器,逗号隔开就可以:- targets: [‘192.168.61.136:9100’,‘192.168.61.137:9100’];

第二步:重启prometheus服务:./promethues &

第三步:prometheus页面上查看一下 监控节点是否显示:选择status–> target:

http://192.168.61.130:9090/targets :会出现刚刚配置的节点,并状态是up的,点击可以跳转到node的web页面

4、Prometheus+ Grafana集成

因为prometheus自己的监控数据看起来不够直观,所以我们会使用grafana进行展示。

注意:确定安装Prometheus和Grafana的两个服务器之间的网络是通的,可以放在同一个机器上进行安装。

在grafana的访问页面上做如下配置:

第一步:添加数据源:prometheus

第二步:导入grafana的模板 :配置面板 12884

第三步:打开面板后,可以查看服务器的硬件的数据监控,如下图。

以上就完成了Prometheus+Grafana+Node_Export的部署和方案落地了。

如果要进行其他的数据监控,替换exporter文件就可以了。Prometheus里的配置文件也做对应的修改即可。

比如监控数据库:mysqld_exporter-0.12.1.linux-amd64.tar

监控Nginx:nginx-vts-exporter-0.10.3.linux-amd64.tar

监控redis数据库的:redis_exporter-v1.17.1.linux-amd64.tar

你想用 Prometheus监控平台,去监控其他的服务, 可以去找服务对应的 exporter,按照安装说明,进行配置。

方案的常见的问题以及其解决办法:

监控界面不显示数据:

很多同学配置完成后Prometheus的页面不会出现数据,排查步骤如下:

1、数据源的配置出现连接不上问题,报错连接失败:基本上是服务启动的问题或者prometheus的配置文件的问题,可以检查一下;

2、数据源的配置没有出现连接不上问题,所有的pannel都是 N/A None的空数据:

1)可能是时间跨度太小,近期没有数据:可以点击右上角时间范围可以选择更大的时间范围,观察数据;

2)数据库服务器、grafana机器、被监控机器,时间相差非常大:可以去各个服务器上同步时间。

最后作为一位过来人也是希望大家少走一些弯路,在这里我给大家分享一些软件测试的学习资料和我花了3个月整理的软件测试自学站,这些资料希望能给你前进的路上带来帮助。

视频文档获取方式:
这份文档和视频资料,对于想从事【软件测试】的朋友来说应该是最全面最完整的备战仓库,这个仓库也陪伴我走过了最艰难的路程,希望也能帮助到你!以上均可以分享,点下方小卡片即可自行领取。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/17 21:56:49

Person_reID中test.py特征提取详解

Person_reID中test.py特征提取深度解析 在行人重识别(Person Re-ID)的实际部署与评估流程中,test.py 扮演着承上启下的关键角色:它将训练好的模型转化为可量化的特征表示,并为后续的检索性能评估提供结构化数据。尽管代…

作者头像 李华
网站建设 2026/4/21 19:22:13

解决双击AnacondaNavigator没有反应

在终端输入下面的命令:anaconda-navigator输出报错信息:接着输入:conda list backports输出:可以看到backports包有多个重名,由于Build目录下显示py_1为pip安装,其读取优先级高,所以猜测是使用了…

作者头像 李华
网站建设 2026/4/19 14:30:49

十分钟安装TensorFlow-GPU 2.6.0完整指南

TensorFlow-GPU 2.6.0 十分钟极速安装实战指南 在深度学习项目中,环境配置往往是第一道“劝退”门槛。尤其是面对历史版本的框架依赖——比如仍被大量课程和论文代码库锁定的 TensorFlow-GPU 2.6.0,稍有不慎就会陷入 CUDA not found、ImportError: nump…

作者头像 李华
网站建设 2026/4/18 15:25:15

Let’s Encrypt 正式支持IP证书,你的宝塔面板有小绿锁了吗?

过去,用IP地址直接访问服务器,总是带着“不安全”的警告。 不是没加密,而是浏览器不信任自签名证书。 想用正规HTTPS?要么买昂贵商业证书,要么必须绑定域名。 现在,这一切变了。 Let’s Encrypt 正式支持 I…

作者头像 李华
网站建设 2026/4/18 16:32:32

为什么你的Open-AutoGLM模型切换总失败?深度剖析底层机制

第一章:为什么你的Open-AutoGLM模型切换总失败?深度剖析底层机制在多任务推理场景中,频繁切换 Open-AutoGLM 模型看似简单,实则涉及复杂的上下文管理与权重加载机制。许多开发者遇到模型切换失败的问题,往往归因于配置…

作者头像 李华
网站建设 2026/4/20 1:31:53

segmentation_models.pytorch基础使用指南

segmentation_models.pytorch 实战指南:从环境到部署的全流程解析 在深度学习项目中,图像语义分割是计算机视觉的核心任务之一,广泛应用于医疗影像、自动驾驶和遥感分析等领域。面对复杂的模型结构与繁琐的训练流程,如何快速搭建…

作者头像 李华