雖然 prometheus 已有大量可直接使用的 exporter 可供使用，以滿足收集不同的監(jiān)控指標的需要。例如，node exporter 可以收集機器 cpu，內存等指標，cadvisor 可以收集容器指標。然而，如果需要收集一些定制化的指標，還是需要我們編寫自定義的指標。

本文講述如何使用 prometheus python 客戶端庫和 flask 編寫 prometheus 自定義指標。

安裝依賴庫

我們的程序依賴于flask 和prometheus client 兩個庫，其 requirements.txt 內容如下：

flask==1.1.2
prometheus-client==0.8.0

運行 flask

我們先使用 flask web 框架將 /metrics 接口運行起來，再往里面添加指標的實現邏輯。

#!/usr/bin/env python
# -*- coding:utf-8 -*-
from flask import Flask
app = Flask(__name__)

@app.route('/metrics')
def hello():
 return 'metrics'

if __name__ == '__main__':
 app.run(host='0.0.0.0', port=5000)

打開瀏覽器，輸入 http://127.0.0.1:5000/metrics，按下回車后瀏覽器顯示 metrics 字符。

編寫指標

Prometheus 提供四種指標類型，分別為 Counter，Gauge，Histogram 和 Summary。

Counter

Counter 指標只增不減，可以用來代表處理的請求數量，處理的任務數量，等。

可以使用 Counter 定義一個 counter 指標：

counter = Counter('my_counter', 'an example showed how to use counter')

其中，my_counter 是 counter 的名稱，an example showed how to use counter 是對該 counter 的描述。

使用 counter 完整的代碼如下：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
from flask import Flask, Response
from prometheus_client import Counter, generate_latest
app = Flask(__name__)
counter = Counter('my_counter', 'an example showed how to use counter')

@app.route('/metrics')
def hello():
 counter.inc(1)
 return Response(generate_latest(counter), mimetype='text/plain')

if __name__ == '__main__':
 app.run(host='0.0.0.0', port=5000)

訪問 http://127.0.0.1:5000/metrics，瀏覽器輸出：

# HELP my_counter_total an example showed how to use counter
# TYPE my_counter_total counter
my_counter_total 6.0
# HELP my_counter_created an example showed how to use counter
# TYPE my_counter_created gauge
my_counter_created 1.5932468510424378e+09

在定義 counter 指標時，可以定義其 label 標簽：

counter = Counter('my_counter', 'an example showed how to use counter', ['machine_ip'])

在使用時指定標簽的值：

counter.labels('127.0.0.1').inc(1)

這時瀏覽器會將標簽輸出：

my_counter_total{machine_ip="127.0.0.1"} 1.0

Gauge

Gauge 指標可增可減，例如，并發(fā)請求數量，cpu 占用率，等。

可以使用 Gauge 定義一個 gauge 指標：

registry = CollectorRegistry()
gauge = Gauge('my_gauge', 'an example showed how to use gauge', ['machine_ip'], registry=registry)

為使得 /metrics 接口返回多個指標，我們引入了 CollectorRegistry ，并設置 gauge 的 registry 屬性。

使用 set 方法設置 gauge 指標的值：

gauge.labels('127.0.0.1').set(2)

訪問 http://127.0.0.1:5000/metrics，瀏覽器增加輸出：

# HELP my_gauge an example showed how to use gauge
# TYPE my_gauge gauge
my_gauge{machine_ip="127.0.0.1"} 2.0

Histogram

Histogram 用于統(tǒng)計樣本數值落在不同的桶（buckets）里面的數量。例如，統(tǒng)計應用程序的響應時間，可以使用 histogram 指標類型。

使用 Histogram 定義一個 historgram 指標：

buckets = (100, 200, 300, 500, 1000, 3000, 10000, float('inf'))
histogram = Histogram('my_histogram', 'an example showed how to use histogram', ['machine_ip'], registry=registry, buckets=buckets)

如果我們不使用默認的 buckets，可以指定一個自定義的 buckets，如上面的代碼所示。

使用 observe() 方法設置 histogram 的值：

histogram.labels('127.0.0.1').observe(1001)

訪問 /metrics 接口，輸出：

# HELP my_histogram an example showed how to use histogram
# TYPE my_histogram histogram
my_histogram_bucket{le="100.0",machine_ip="127.0.0.1"} 0.0
my_histogram_bucket{le="200.0",machine_ip="127.0.0.1"} 0.0
my_histogram_bucket{le="300.0",machine_ip="127.0.0.1"} 0.0
my_histogram_bucket{le="500.0",machine_ip="127.0.0.1"} 0.0
my_histogram_bucket{le="1000.0",machine_ip="127.0.0.1"} 0.0
my_histogram_bucket{le="3000.0",machine_ip="127.0.0.1"} 1.0
my_histogram_bucket{le="10000.0",machine_ip="127.0.0.1"} 1.0
my_histogram_bucket{le="+Inf",machine_ip="127.0.0.1"} 1.0
my_histogram_count{machine_ip="127.0.0.1"} 1.0
my_histogram_sum{machine_ip="127.0.0.1"} 1001.0
# HELP my_histogram_created an example showed how to use histogram
# TYPE my_histogram_created gauge
my_histogram_created{machine_ip="127.0.0.1"} 1.593260699767071e+09

由于我們設置了 histogram 的樣本值為 1001，可以看到，從 3000 開始，xxx_bucket 的值為 1。由于只設置一個樣本值，故 my_histogram_count 為 1 ，且樣本總數 my_histogram_sum 為 1001。
讀者可以自行試驗幾次，慢慢體會 histogram 指標的使用，遠比看網上的文章理解得快。

Summary

Summary 和 histogram 類型類似，可用于統(tǒng)計數據的分布情況。

定義 summary 指標：

summary = Summary('my_summary', 'an example showed how to use summary', ['machine_ip'], registry=registry)

設置 summary 指標的值：

summary.labels('127.0.0.1').observe(randint(1, 10))

訪問 /metrics 接口，輸出：

# HELP my_summary an example showed how to use summary
# TYPE my_summary summary
my_summary_count{machine_ip="127.0.0.1"} 4.0
my_summary_sum{machine_ip="127.0.0.1"} 16.0
# HELP my_summary_created an example showed how to use summary
# TYPE my_summary_created gauge
my_summary_created{machine_ip="127.0.0.1"} 1.593263241728389e+09

附：完整源代碼

#!/usr/bin/env python
# -*- coding:utf-8 -*-
from random import randint
from flask import Flask, Response
from prometheus_client import Counter, Gauge, Histogram, Summary, \
 generate_latest, CollectorRegistry
app = Flask(__name__)
registry = CollectorRegistry()
counter = Counter('my_counter', 'an example showed how to use counter', ['machine_ip'], registry=registry)
gauge = Gauge('my_gauge', 'an example showed how to use gauge', ['machine_ip'], registry=registry)
buckets = (100, 200, 300, 500, 1000, 3000, 10000, float('inf'))
histogram = Histogram('my_histogram', 'an example showed how to use histogram',
  ['machine_ip'], registry=registry, buckets=buckets)
summary = Summary('my_summary', 'an example showed how to use summary', ['machine_ip'], registry=registry)

@app.route('/metrics')
def hello():
 counter.labels('127.0.0.1').inc(1)
 gauge.labels('127.0.0.1').set(2)
 histogram.labels('127.0.0.1').observe(1001)
 summary.labels('127.0.0.1').observe(randint(1, 10))
 return Response(generate_latest(registry), mimetype='text/plain')

if __name__ == '__main__':
 app.run(host='0.0.0.0', port=5000)

參考資料

https://github.com/prometheus/client_python
https://prometheus.io/docs/concepts/metric_types/
https://prometheus.io/docs/instrumenting/writing_clientlibs/
https://prometheus.io/docs/instrumenting/exporters/
https://pypi.org/project/prometheus-client/
https://prometheus.io/docs/concepts/metric_types/
http://www.coderdocument.com/docs/prometheus/v2.14/best_practices/histogram_and_summary.html
https://prometheus.io/docs/practices/histograms/

總結

到此這篇關于使用 prometheus python 庫編寫自定義指標的文章就介紹到這了,更多相關prometheus python 庫編寫自定義指標內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論