Pormetheus - Pushgateway创建方法(实例:每10秒统计TCP_WAIT状态连接数)

本文主要是介绍Pormetheus - Pushgateway创建方法(实例:每10秒统计TCP_WAIT状态连接数),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Pormetheus - Pushgateway(

    • 介绍
      • 一、Pushgateway 安装
      • 二、prometheus 命令行格式
        • 1、命令行使用
        • 2、命令行过滤
        • 3、数值过滤
      • 三、自定义编写脚本的方法,pushgateway 采集数据
      • 四、结合crontab 反复执行

介绍

pushgateway 是一种采用被动推送的方式(而不是 exporter主动获取)获取监控数据的 prometheus 插件

一、Pushgateway 安装

官网地址:https://prometheus.io/download/#pushgateway

github地址:https://github.com/prometheus/pushgateway

daemonize 后台运行

daemonize -c /root/pushgateway-1.2.0.linux-amd64 /root/pushgateway-1.2.0.linux-amd64/pushgateway

配置文件: /usr/local/prometheus/prometheus.yml
在这里插入图片描述

放行数据端口:

firewall-cmd --add-port=9090/tcp
firewall-cmd --add-port=9100/tcp
firewall-cmd --add-port=9091/tcp
firewall-cmd --add-port=9092/tcp

访问 Pushgateway: 正常 Metrics 里面是没有数据的,下图是两个节点提交过 数据之后的显示结果

http://192.168.168.11:9091/
在这里插入图片描述


二、prometheus 命令行格式

1、命令行使用

选用一个 新的Key 来做讲解

count_netstat_wait_connections (TCP 等待连接数)

自行编写的脚本 + pushgateway的方法,推送到 prometheus server 采集。是一个 guage 类型的数据。

在这里插入图片描述

gauge 类型的数据只输入 key 键名,就会直接形成人性化监控图。

gauge 类型的数据,相对于counter类型的数据,使用起来相对容器的多。需要很多函数来进行修饰,如:rate()、increase() 进行计算之后,才能获取人性化监控图。


2、命令行过滤

在这里插入图片描述

如图所示,{ } 当中的部分属于: "标签"

  • 标签主要用于采集数据,可以自定义标签的键值对,也可以使用默认的 exporter 提供的标签项。
  • 上图标签中最重要的 exported_instance="log" 指定被监控主机名为 “log”。
  • 在命令行上如果想要在基础之上进行过滤,就可以使用{ } 做第一步的过滤。
    count_netstat_wait_connections{exported_instance="log"}

标签精确过滤 =

例:匹配 log 主机名 exported_instance='log'

标签模糊过滤 =~

例:匹配 web. 开头的主机名 exported_instance=~"web."

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-d1zebVQT-1594101780396)(C:\Users\86156\Pictures\prometheus\批注 2020-07-06 192424.png)]


3、数值过滤

想要找出 wait_connection 数量 大于400

count_netstat_wait_connections{exported_instance=~"web.*"} > 400
在这里插入图片描述


三、自定义编写脚本的方法,pushgateway 采集数据

pushgateway 本身是没有任何抓取监控数据的功能的,它只是被动的等待推送。

实例:抓取 TCP waiting_connection 等待连接数量

vim /usr/local/pushgateway/shell/waiting_connection.sh


#!/bin/bash
instance_name=`hostname -f` # instance_name 取出主机名if [ $instance_name == "localhost" ];   #要求主机名不能是 localhost,没法区分
then
echo "Mush FQDN hostname"
exit 1
fi#For waitting connectionslabel="count_netstat_wait_connections"  # 定义 prometheus 命令行标签count_netstat_wait_connections=`netstat -anpt | grep -i wait | wc -l`   #定义一个新的数值,统计 TCP_WAIT 的连接数echo "$label:$count_netstat_wait_connections" # 输出格式:key/value(标签:取出的数值)echo "$label  $count_netstat_wait_connections" | curl --data-binary @-  http://192.168.168.11:9091/metrics/job/pushgateway/instance/$instance_name#最后把 key/value 推送给 pushgateway
#curl --data-binary : 将 HTTP POST请求中的数据发送给 pushgateway 服务器,与用户提交HTML表单时浏览的行为完全一样。
#HTTP POST 请求中的数据为纯 二进制数据。


以上脚本中最重要的是:

1、count_netstat_wait_connections=`netstat -anpt | grep -i wait | wc -l`

提取通过 linux 命令行获取到的 监控 TCP_WAIT 的数据

2、curl --data-binary @- http://192.168.168.11:9091/metrics/job/pushgateway/instance/$instance_name

  • 用 POST 方式 把 key/value 推送给 pushgateway的URL地址
  • curl --data-binary:将 HTTP POST请求中的数据发送给 pushgateway 服务器
  • http://192.168.168.11:9091/metrics/job/pushgateway:pushgateway URL的主 location
  • job/pushgateway:第二部分第一个标签,推送到哪一个 prometheus.yml 定义的job里
  • instance/$instance_name:第二个标签,推送后显示的 机器名是什么


四、结合crontab 反复执行

重点:重启 prometheus 服务,能够在 prometheus:9090/targets 当中看到 pushgateway
在这里插入图片描述

测试提交数据,查看是否成功

[root@node1 ~]# sh waiting_connection.sh
count_netstat_wait_connections:2 只显示结果,不出现报错为 真

结合 Crontab -e ,每分钟执行一次检测,并将结果提交到 pushgateway。

crontab -e

* * * * * sh /usr/local/pushgateway/waiting_connection.sh #每分钟执行一次

#如果想要按照秒钟来执行,按照以下来写

* * * * * sh /usr/local/pushgateway/waiting_connection.sh
* * * * * sleep 10;sh /usr/local/pushgateway/waiting_connection.sh
* * * * * sleep 20;sh /usr/local/pushgateway/waiting_connection.sh
* * * * * sleep 30;sh /usr/local/pushgateway/waiting_connection.sh
* * * * * sleep 40;sh /usr/local/pushgateway/waiting_connection.sh
* * * * * sleep 50;sh /usr/local/pushgateway/waiting_connection.sh

在这里插入图片描述

在这里插入图片描述

这篇关于Pormetheus - Pushgateway创建方法(实例:每10秒统计TCP_WAIT状态连接数)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/468361

相关文章

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

hdu1496(用hash思想统计数目)

作为一个刚学hash的孩子,感觉这道题目很不错,灵活的运用的数组的下标。 解题步骤:如果用常规方法解,那么时间复杂度为O(n^4),肯定会超时,然后参考了网上的解题方法,将等式分成两个部分,a*x1^2+b*x2^2和c*x3^2+d*x4^2, 各自作为数组的下标,如果两部分相加为0,则满足等式; 代码如下: #include<iostream>#include<algorithm

hdu1565(状态压缩)

本人第一道ac的状态压缩dp,这题的数据非常水,很容易过 题意:在n*n的矩阵中选数字使得不存在任意两个数字相邻,求最大值 解题思路: 一、因为在1<<20中有很多状态是无效的,所以第一步是选择有效状态,存到cnt[]数组中 二、dp[i][j]表示到第i行的状态cnt[j]所能得到的最大值,状态转移方程dp[i][j] = max(dp[i][j],dp[i-1][k]) ,其中k满足c

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

浅谈主机加固,六种有效的主机加固方法

在数字化时代,数据的价值不言而喻,但随之而来的安全威胁也日益严峻。从勒索病毒到内部泄露,企业的数据安全面临着前所未有的挑战。为了应对这些挑战,一种全新的主机加固解决方案应运而生。 MCK主机加固解决方案,采用先进的安全容器中间件技术,构建起一套内核级的纵深立体防护体系。这一体系突破了传统安全防护的局限,即使在管理员权限被恶意利用的情况下,也能确保服务器的安全稳定运行。 普适主机加固措施:

webm怎么转换成mp4?这几种方法超多人在用!

webm怎么转换成mp4?WebM作为一种新兴的视频编码格式,近年来逐渐进入大众视野,其背后承载着诸多优势,但同时也伴随着不容忽视的局限性,首要挑战在于其兼容性边界,尽管WebM已广泛适应于众多网站与软件平台,但在特定应用环境或老旧设备上,其兼容难题依旧凸显,为用户体验带来不便,再者,WebM格式的非普适性也体现在编辑流程上,由于它并非行业内的通用标准,编辑过程中可能会遭遇格式不兼容的障碍,导致操

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

在cscode中通过maven创建java项目

在cscode中创建java项目 可以通过博客完成maven的导入 建立maven项目 使用快捷键 Ctrl + Shift + P 建立一个 Maven 项目 1 Ctrl + Shift + P 打开输入框2 输入 "> java create"3 选择 maven4 选择 No Archetype5 输入 域名6 输入项目名称7 建立一个文件目录存放项目,文件名一般为项目名8 确定

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验