关于python:开源项目-promeshard-consulwatch动态分片实现Prometheus采集端高可用

开源我的项目地址: 我的项目地址: https://github.com/ning1875/prome_shard

我的项目阐明

prometheus 采集端单点问题

采集类型

• 采集机器级别的指标
• 采集 k8s 根底监控指标
• 采集部署在 lb 前面的 vm 业务指标
• 采集部署在 pod 里的业务指标
• 采集各种中间件的指标 如 kafka zk clickhouse 等

面对如此简单的采集类型，个别会应用一批采集 Prometheus 各司其职

sd 发现问题

面对不同的采集起源，有对应的服务发现类型，如 k8s_sd，咱们批改 Prometheus 代码适配不同的服务发现类型，

• 比方有一些指标挂在 lb 的前面，须要通过 lb 的服务发现来感知后端 server 的变动
• 然而问题是每个采集器都是单点的，而且批改适配不同的发现源
• 当然也可能够无脑启动多个雷同的采集器采集同一组 jobs，配合 remote_write 等补足单点问题，但带来额定的老本开销

各自适配不同发现源毛病总结

• prometheus 版本无奈对立
• 配置文件形形色色
• 须要定义各种采集源或者 sd 办法

本我的项目介绍

应用一组采集器注册 server 到 consul 中，通过 python 反射运行定时工作，通过服务树等内部接口拿到 targets 池，一致性哈希分发给后端，对立通过 file_sd 失效，consul 会对各组采集器实例做探活，当节点变动 (宕机或扩容) 会触发 targets rebalance 达到 HA 目标

架构阐明

• 解析配置文件
• 同步注册服务到 consul 中
• 开启监听 watch 后果变动的消费者
• 异步 watch 各服务
• 触发 /get_service 生成哈希环
• 定时获取指标列依据哈希环生成各个节点的专属文件
• 通过 ansible 下发 sd_result 文件并 reload prometheus

现有形式

• 配置文件定义方法名称和对应的实例列表，在 get_targets 中反射定义对应的办法
• sd 实质阐明: 均能转换成 file_sd，只须要给出对应的 target 构造体就能够

consul watch 问题

• golang 中

在 golang 中能够轻松做到，代码地址 [开源我的项目 : dynamic-sharding：解决 pushgateway HA 问题(https://segmentfault.com/a/11…

• 本我的项目 python 中略微简单，须要改为 blocking query

 def block_get_health(self, service_name, service_hash_map, dq):
 index = None while True: try: index, d = self.consul.health.service(service_name, passing=True, index=index)
 if d: data = d new_nodes = [] for x in data: address = x.get("Service").get("Address") if address: new_nodes.append(address)
 old_nodes = service_hash_map[service_name].nodes
 if set(old_nodes) != set(new_nodes): logging.info("[new_num:{} old_num:{}][new_nodes:{} old_nodes:{}]".format(len(new_nodes), len(old_nodes), ",".join(new_nodes), ",".join(old_nodes),
 )) new_ring = ConsistentHashRing(100, new_nodes) service_hash_map[service_name] = new_ring dq.appendleft(str(service_name)) # dq.put(str(service_name)) M_SERVICE_CHANGES.labels(service_name=service_name, old_nodes=len(old_nodes),
 new_nodes=len(new_nodes)).set(len(new_nodes))
 except Exception as e: logging.error("[watch_error,service:{},error:{}]".format(service_name, e)) time.sleep(5) continue

采集器单点 / 固定分片问题

• 无论是单点还是固定分片，都不是 ha 的，只有某一个分片的采集器挂了，那么损失对应的数据
• 采纳 consul_watch_service 形式，依据返回的衰弱实例生成一致性哈希环
• 将 target 做分片调配给衰弱的节点采集即可

应用办法

git clone https://github.com/ning1875/prome_shard

增加配置

填写 config.yaml 中的 consul 地址等

填写 job 须要跟 get_targets.py 同步

• get_targets.py 是 prome_shard 发现采集 targets pool 的办法
• 应用时须要实现 GetTarget 的办法，办法名须要和 config.yaml 中雷同
• 比方 在 config.yaml 中 有个 job 名为 scrape_prome_ecs_inf
• 那么须要在 GetTarget 中定义方法

 @classmethod
    def scrape_prome_ecs_inf(cls):

• 这个办法返回值是发现到的 target 列表，形如

[{"labels": { "group": "SGT", "env": "prod", "service": "scrape_prome", "region": "ap-southeast-3", "scrape_type": "vm",}, "targets": ["1.1.1.1:9090"]}]

• prome_shard 依据返回的 targets 池做一致性哈希调配给配置中定义好的 nodes