当前位置： 首页 > news >正文

从零搭建 Prometheus + Grafana 监控平台全攻略

news 2026/5/26 6:23:47

从零搭建 Prometheus + Grafana 监控平台全攻略

从零搭建 Prometheus+Grafana 监控平台：从部署到告警全攻略

在云原生和容器化普及的当下，一套高效的监控体系是保障系统稳定运行的核心。Prometheus 作为开源的时序数据监控工具，凭借其灵活的查询能力、轻量化架构和丰富的生态，成为 K8s 生态下监控的首选；而 Grafana 则能将 Prometheus 采集的数据可视化，二者结合可搭建起从数据采集、存储到可视化、告警的完整监控闭环。本文将从 Prometheus 基础入手，一步步讲解如何部署监控平台、接入被监控对象、实现数据可视化，并配置邮件告警，适合零基础入门学习。

一、Prometheus 核心认知

1. 什么是 Prometheus？

Prometheus 由 Go 语言开发，是集监控、告警、时序数据库于一体的开源工具，因 Kubernetes 的普及而快速发展，可监控主机、服务、容器等多种对象，支持多类 Exporter 采集数据，也可通过 Pushgateway 实现数据上报，性能足以支撑上万台规模的集群。

2. 核心优势

  • 高性能存储：采用 metrics:key=value 的存储方式 + 高效压缩算法，单条采样数据仅占 3.5 字节左右，百万级时序数据每 30 秒采集一次、保留 60 天仅需约 200G 空间；

  • 多维度模型：支持多维度数据建模与查询，适配复杂业务场景；

  • 灵活的查询能力：内置 PromQL 查询语言，提供 HTTP 查询接口，可快速对接可视化工具；

  • 推拉结合：默认以 Pull（拉）模式采集数据，降低被监控端与监控端的耦合，也可通过网关支持 Push（推）模式；

  • 易扩展：支持服务发现、静态配置，可按需组合配置模块。

3. 监控原理

Prometheus Server 定时从目标对象（主机 / 服务）的 HTTP 接口抓取 metrics（指标）数据 —— 每个被监控对象需暴露一个 HTTP 服务接口，供 Prometheus 定时拉取。Pull 模式的核心优势是降低耦合，避免推送模式下监控端压力过大导致的系统瘫痪问题，数据采集完全由监控端控制。

4. 核心配置段

Prometheus 配置文件包含六大核心配置段，可按需组合实现不同功能：

配置段核心用途
scrape_configs采集配置，定义监控目标与规则
rule_files告警、预聚合规则文件路径
remote_read远程查询远端存储数据
remote_write将采集数据写入远端存储
alerting配置 Alertmanager 地址

二、Prometheus 部署实战

1. 环境说明

本次部署基于 Linux 物理机，核心组件包括：Prometheus Server（监控端）、node_exporter（主机监控插件）、mysqld_exporter（MySQL 监控插件）、Alertmanager（告警组件）。

2. 部署 Prometheus Server

（1）下载安装包
wgethttps://github.com/prometheus/prometheus/releases/tag/v3.0.0/prometheus-3.0.0.linux-amd64.tar.gztarxf prometheus-3.0.0.linux-amd64.tar.gz-C/home/cd/home/prometheus-3.0.0.linux-amd64/
（2）启动服务
nohup./prometheus--config.file=prometheus.yml&# 验证启动netstat-anptu|grepprometheus

启动成功后，访问http://IP:9090可进入 Prometheus Web 界面，默认监控自身；访问http://IP:9090/metrics可查看原始监控指标。

3. 监控远端主机（node_exporter）

（1）被监控端部署 node_exporter
# 下载插件wgethttps://github.com/prometheus/node_exporter/releases/tag/v1.8.2/node_exporter-1.8.2.linux-amd64.tar.gztarxf node_exporter-1.8.2.linux-amd64.tar.gz-C/home/cd/home/node_exporter-1.8.2.linux-amd64/# 启动插件nohup./node_exporter&# 验证端口（默认9100）netstat-anptu|grep9100

访问http://被监控机IP:9100/metrics，能看到主机监控指标即部署成功。

（2）监控端配置被监控主机

编辑 Prometheus 配置文件prometheus\.yml，添加采集规则：

scrape_configs:-job_name:'prometheus'static_configs:-targets:['localhost:9090']# 新增远端主机监控-job_name:'remote-server'static_configs:-targets:['被监控机IP:9100']

重启 Prometheus 生效：

pkillprometheusnohup./prometheus--config.file=prometheus.yml&

在 Prometheus Web 界面的Status\-Targets中，可看到新增的监控目标状态。

4. 监控 MySQL 服务（mysqld_exporter）

（1）部署 MySQL 并创建监控用户
# 安装MySQL（以dnf为例）dnf-yinstallmysql-server systemctlenable--nowmysqld# 创建监控用户并授权mysql-uroot-pcreate user'prometheus'@'localhost'identified by'123456';grant select,replication client,process on *.* to'prometheus'@'localhost';flush privileges;
（2）部署 mysqld_exporter
# 下载插件wgethttps://github.com/prometheus/mysqld_exporter/releases/tag/v0.16.0/mysqld_exporter-0.16.0.linux-amd64.tar.gztarxf mysqld_exporter-0.16.0.linux-amd64.tar.gz-C/home/# 配置数据库连接vim/home/mysqld_exporter-0.16.0.linux-amd64/.my.cnf[client]user=prometheuspassword=123456# 启动插件nohup./mysqld_exporter --config.my-cnf=/home/mysqld_exporter-0.16.0.linux-amd64/.my.cnf&# 验证端口（默认9104）netstat-anptu|grep9104
（3）监控端配置 MySQL 采集规则

编辑prometheus\.yml，新增 MySQL 监控 job：

scrape_configs:# 原有配置...-job_name:'mysql'static_configs:-targets:['MySQL服务器IP:9104']

重启 Prometheus 后，即可在 Web 界面查看 MySQL 监控指标。

三、Grafana：让监控数据可视化

Prometheus 自带的可视化能力较弱，Grafana 可通过丰富的图表、仪表盘将时序数据直观展示，还支持多数据源、自定义告警规则。

1. 部署 Grafana

# YUM安装（物理机）sudoyuminstall-yhttps://dl.grafana.com/enterprise/release/grafana-enterprise-11.3.1-1.x86_64.rpm# 启动服务systemctlenable--nowgrafana-server# 验证端口（默认3000）lsof-i:3000

访问http://Grafana服务器IP:3000，默认账号密码为admin/admin，首次登录可修改密码。

2. 配置 Prometheus 数据源

  1. 登录 Grafana 后，点击左侧「Configuration」→「Data Sources」→「Add data source」；

  2. 选择「Prometheus」，填写 Prometheus 服务器地址（如http://PrometheusIP:9090）；

  3. 点击「Save & Test」，提示连接成功即配置完成。

3. 制作监控仪表盘

（1）自定义仪表盘

  1. 点击左侧「+」→「Dashboard」→「Add visualization」；

  2. 选择 Prometheus 数据源，在查询框输入 PromQL 语句（如 CPU 使用率：100 \- \(avg by \(instance\) \(irate\(node\_cpu\_seconds\_total\{mode=\&\#34;idle\&\#34;\}\[5m\]\)\) \* 100\)）；

  3. 自定义图表样式（折线图、柱状图等），保存到仪表盘。

（2）导入模板（以 MySQL 为例）

  1. 下载 Percona 提供的 MySQL 监控模板：https://github\.com/percona/grafana\-dashboards；

  2. 解压后，在 Grafana 界面点击「+」→「Import」→「Upload JSON file」，选择模板文件；

  3. 选择 Prometheus 数据源，点击「Import」，即可快速生成 MySQL 监控仪表盘。

四、告警配置：Alertmanager+Grafana 邮件告警

1. 部署 Alertmanager

# 下载安装包wgethttps://github.com/prometheus/alertmanager/releases/tag/v0.27.0/alertmanager-0.27.0.linux-amd64.tar.gztarxf alertmanager-0.27.0.linux-amd64.tar.gz-C/usr/localcd/usr/local/alertmanager-0.27.0.linux-amd64/

2. 配置 Alertmanager 邮件告警

编辑alertmanager\.yml（以 163 邮箱为例）：

global:smtp_smarthost:'smtp.163.com:25'smtp_from:'你的163邮箱@163.com'smtp_auth_username:'你的163邮箱@163.com'smtp_auth_password:'你的163邮箱授权码'smtp_require_tls:falseroute:group_by:['alertname']group_wait:30sgroup_interval:5mrepeat_interval:1hreceiver:'default'receivers:-name:'default'email_configs:-to:'接收告警的邮箱@qq.com'send_resolved:true# 发送告警恢复通知inhibit_rules:-source_match:severity:'critical'target_match:severity:'warning'equal:['alertname','dev','instance']

启动 Alertmanager：

nohup./alertmanager --web.listen-address=:9093--config.file=alertmanager.yml&# 验证端口netstat-anptu|grep9093

3. Prometheus 关联 Alertmanager

编辑 Prometheus 配置文件prometheus\.yml，添加 Alertmanager 地址和告警规则路径：

alerting:alertmanagers:-static_configs:-targets:['Alertmanager服务器IP:9093']rule_files:-"/etc/prometheus/rules/*.yml"

4. 定义 Prometheus 告警规则

创建告警规则目录并编写规则文件（以 CPU 使用率过高为例）：

mkdir-p/etc/prometheus/rulesvim/etc/prometheus/rules/cpu-alert.yml

写入规则：

groups:-name:cpu-alertsrules:-alert:HighCPUUsageexpr:100-(avg by (instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)>5for:2mlabels:severity:warningannotations:summary:"高CPU使用率告警 ({{ $labels.instance }})"description:"实例 {{ $labels.instance }} 过去2分钟CPU使用率持续超过5%。"

重启 Prometheus 生效，当 CPU 使用率满足条件时，Alertmanager 会自动发送告警邮件到指定邮箱。

五、总结

本文从 Prometheus 基础概念出发，完成了监控端部署、远端主机 / MySQL 服务监控接入、Grafana 可视化配置，以及 Alertmanager 邮件告警的全流程搭建。这套组合不仅能满足中小规模集群的监控需求，还可通过扩展 Exporter（如 HAProxy、Nginx）适配更多业务场景，通过远程读写对接第三方时序数据库实现海量数据存储。掌握这些基础操作后，可进一步探索 PromQL 高级查询、Grafana 告警优化、K8s 下的 Prometheus 动态发现等进阶内容，打造更贴合业务的监控体系。

（注：文档部分内容可能由 AI 生成）

http://www.jsqmd.com/news/888428/

相关文章：

  • Unity Sentis兼容YOLOv8的NMS层问题与C#后处理方案
  • 哨声响，数据动：耐高总决赛背后的AI力量
  • DeepSeek LeetCode 2659.将数组清空 Java实现
  • LLM API防护：超越传统限流的立体防御体系构建
  • C#调用Windows API获取窗口文本的底层原理与工程实践
  • Python海象运算符:=详解：赋值表达式原理与工程实践
  • 联发科设备深度解锁：从零开始掌握mtkclient-gui的实用指南
  • 金融企业如何搭建处理复杂合规流程的AI Agent？基于TARS大模型与实在Agent的生产力实践
  • AI辅助开发工作流：从GitHub Issue到PR合并的系统化实践
  • C++11 跨平台文件模糊搜索工具 — 设计与实现详解
  • 别再只用plot了！Matlab plotyy双Y轴绘图保姆级教程（含刻度、图例、线型全设置）
  • Claude Code权限配置实战：基于模式信任与安全边界的AI助手自动化
  • 国内专业商贸一体化软件排行：5款主流产品实测对比
  • Burp插件实战：AES+RSA混合加解密流量处理指南
  • 构建自动化文献处理流水线：从PDF解析到结构化数据提取
  • Excel排名函数RANK.EQ、RANK.AVG与RANK深度解析
  • LLM成本优化实战：从提示词到缓存，97%成本削减策略详解
  • ESP8266接入点灯平台避坑指南：从代码上传到APP配网的全流程解析
  • UNION vs UNION ALL：去重机制与执行计划性能差异详解
  • hyper-v中的windows 10虚拟机无法开启增强会话模式的罕见情况及原因分析
  • 构建能成交的AI销售代理：从对话管理到RAG落地的实战指南
  • 如何恢复已删除的 iCloud 备份 ？
  • 50行Python实现Anthropic Claude Advisor工具调用：AI规划与本地执行的工程实践
  • Qt自定义控件-抽屉盒子
  • 八年测试外包实战复盘：从人力输出到质量伙伴的转型之路
  • Unity Animator深度解析：状态机原理与性能优化实战
  • Excel簇状柱形图实战指南：多维离散数据对比可视化
  • 软件测试外包实战指南：独立团队、人员稳定与AI辅助的真相
  • PostgreSQL CASE语句深度解析：从类型推导到执行计划优化
  • Arm A64 SIMD浮点指令FMAXNMV与FMINNMP详解