大家好,我是蓝胖子，关于性能分析的视频和文章我也大大小小出了有一二十篇了，算是已经有了一个系列，之前的代码已经上传到 github.com/HobbyBear/performance-analyze ，接下来这段时间我将在之前内容的基础上，结合自己在公司生产上构建监控系统的经验，详细的展示如何对线上服务进行监控，内容涉及到的指标设计，软件配置，监控方案等等你都可以拿来直接复刻到你的项目里，这是一套非常适合中小企业的监控体系.

在上一节我们其实是建立起了对监控的概念，对监控什么，如何监控有了大致的印象。这一节我们就要正式开始动手实践了，这一节我会介绍下项目代码的结构以及着重介绍下其中docker-compose的配置文件.

完整代码我已经上传到了github 。

                        
                          github.com/HobbyBear/easymonitor

                        
                      

为了后面章节的介绍更加清晰，我在这一节还是介绍下整个项目各个目录以及含义 。

                        
                          (base) ➜  easymonitor git:(main) ✗ tree -L 1
.
├── ReadMe.md
├── build.sh // 对webhookserver 以及 webapp 项目进行编译 ，然后放到program文件夹里
├── docker-compose.yaml // 启动各个监控系统组件
├── filebeat.yml // filebeat日志采集的配置文件
├── go.mod
├── go.sum
├── grafanadashbord // 放置grafana的监控面板导出的json文件，可直接启动项目，然后导入json文件，即可构建监控面板
├── infra // 项目基础组件的代码，因为服务的监控有时会涉及到埋点和prometheus client暴露指标，将这部分逻辑都写在这个包下，后续新应用只要引入这个包就能拥有这些监控指标
├── logconf // 放置主机上的日志采集配置文件，filebeat.yml 中会引入这个文件夹下的配置规则做不同的采集策略
├── logs // 放置应用服务日志的目录，由于是docker-compose启动，需要将主机这个目录同时映射到filebeat和应用服务容器，filebeat会对这个目录下的日志进行采集
├── logstash.conf // logstash 配置文件
├── program // 放置webhookserver 以及 webapp 项目编译好的二进制文件
├── prometheus.yml // prometheus 配置文件
├── webapp // 应用服务代码
└── alerterserver // 模拟自研报警系统代码

                        
                      

由于机器有限，我准备用docker-compose来构建我们需要用到的监控组件以及应用服务。回顾下监控架构图.

我们需要的组件或者服务有，应用服务(在项目代码里是webapp)，filebeat，prometheus，logstash，elasticsearch，kibana, grafana，node exporter ， 自研的报警服务(在项目代码里是alerterserver) 。

可以看到，在实际的生产环境中，应用服务和filebeat，node exporter是在同一台主机上，共享了linux命名空间，直接用docker-compose 启动各个组件不好模拟这种情况，所以为了更加真实的模拟， 我对node exporter 启动容器的配置做了简单修改，让项目代码里的logs目录同时映射到filebeat容器和node exporter容器内部，并且让应用程序代码在node exporter容器里启动，这样filebeat从logs目录采集到的日志就是应用程序webapp打的日志了 .

为了让node exporter 容器镜像启动时也会运行webapp程序，我修改了其启动容器时的entrypoint配置，因为node exporter本来的entrypoint是要去运行node exporter进程的，现在修改为要运行一个脚本.

                        
                          version: "3.7"  
services:  
  mynode:  
    image: prom/node-exporter:latest  
    container_name: "node0"  
    hostname: "mynode"  
    ports:  
      - "9100:9100"  
      - "8080:8080"  
      - "8090:8090"  
    volumes:  
      - "./program:/program"  
      - "./logs:/logs"  
    restart: always  
    entrypoint: "sh /program/start_node_exporter.sh"  

                        
                      

脚本内则是将webapp和node exporter同时启动起来，脚本是放置在项目program 目录里，映射到了 容器内部。 webapp通过8090端口暴露prometheus 指标信息，通过8080端口监听http请求。9100端口是node exporter服务监听的端口。脚本内容如下

                        
                          #!/bin/bash  
nohup  /program/webapp &  
node_exporter  --collector.vmstat --collector.tcpstat --collector.processes

                        
                      

docker-compose 配置

完整的 docker-compose 配置文件如下

                        
                          version: "3.7"  
services:  
  mynode:  
    image: prom/node-exporter:latest  
    container_name: "node0"  
    hostname: "mynode"  
    ports:  
      - "9100:9100"  
      - "8080:8080"  
      - "8090:8090"  
    volumes:  
      - "./program:/program"  
      - "./logs:/logs"  
    restart: always  
    entrypoint: "sh /program/start_node_exporter.sh"  
  
  
  prometheus:  
    image: prom/prometheus:latest  
    container_name: "prometheus0"  
    restart: always  
    ports:  
      - "9090:9090"  
    volumes:  
      - "./prometheus.yml:/etc/prometheus/prometheus.yml"  
  grafana:  
    image: grafana/grafana  
    container_name: "grafana0"  
    ports:  
      - "3000:3000"  
    restart: always  
  elasticsearch:  
    image: docker.elastic.co/elasticsearch/elasticsearch:7.14.2  
    container_name: elasticsearch  
    environment:  
      - discovery.type=single-node  
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"  
    ports:  
      - "9200:9200"  
  kibana:  
    image: docker.elastic.co/kibana/kibana:7.14.2  
    container_name: kibana  
    ports:  
      - "5601:5601"  
    environment:  
      ELASTICSEARCH_URL: http://elasticsearch:9200  
  filebeat:  
    image: docker.elastic.co/beats/filebeat:7.14.2  
    container_name: filebeat  
    user: root  
    volumes:  
      - ./logs:/logs  
      - ./logconf:/logconf  
      - ./filebeat.yml:/usr/share/filebeat/filebeat.yml  
    command: filebeat -e -d "*"  
    depends_on:  
      - elasticsearch  
      - logstash  
  
  logstash:  
    image: docker.elastic.co/logstash/logstash:7.14.2  
    volumes:  
      - ./logstash.conf:/usr/share/logstash/pipeline/logstash.conf  
    ports:  
      - "5044:5044"  
    depends_on:  
      - elasticsearch  
    mem_reservation: 1000M  
    cpu_count: 1  
  ubuntu:  
    image: ubuntu  
    command: ./alerterserver 
    ports:  
      - "16060:16060"  
    volumes:  
      - "./program:/program"  
    working_dir: /program  
  mydb:  
    restart: always  
    image: amd64/mysql:latest  
    container_name: mydb  
    environment:  
      - "MYSQL_ROOT_PASSWORD=1234567"  
      - "MYSQL_DATABASE=test"  
    ports:  
      - "3306:3306"

                        
                      

需要注意的是其中 卷映射 的配置，我们挨个来看下映射了哪些配置文件.

首先是prometheus 将项目代码里的prometheus.yml 映射到prometheus容器内部，prometheus.yml 里面配置要采集的对象，如下所示，我们需要对主机以及应用服务进行指标采集.

                        
                          ## prometheus.yml
global:  
  scrape_interval:     15s # 默认抓取周期  
scrape_configs:  
  - job_name: 'normal'  ## 对node exporter 进行采集
    scrape_interval: 5s  
    metrics_path: /metrics  
    static_configs:  
      - targets: ['mynode:9100']  
  
  - job_name: 'webapp'  ## 对应用服务指标进行采集
    scrape_interval: 5s  
    metrics_path: /metrics  
    static_configs:  
      - targets: [ 'mynode:8090' ]  
    relabel_configs:  
      - source_labels: [ __address__ ]  
        target_label: instance  
        regex: (.*):\d+  
        replacement: $1

                        
                      

然后是filebeat，映射了3个卷，分别是项目代码里的logs目录，这个目录是filebeat的采集日志目录，filebeat配置的采集规则将从这个目录采集日志。配置的规则放到了logconf目录下，以下是配置规则文件示例

                        
                          ##  logconf/api.yml
- type: log  
  tail_files: true   // 该配置为true，为了让filebeat启动的时候对新增的日志才进行采集，对历史日志不进行采集
  paths:  
    - /logs/**.log  
  fields:  
    log_type: project1

                        
                      

除此以外，filebeat还将项目代码里的filebeat.yml 配置文件映射到了filebeat容器内.

接着是logstash 容器配置，它映射了项目代码里的logstash 配置文件，这个文件主要是定义了一些日志清洗规则，已经定义日志的输入来源和输出来源，在这个系统里，输入来源就是filebeat，输出来源就是elasticsearch.

然后是ubuntu这个容器，映射了项目代码里的program 目录，program这个目录下放置了alerterserver报警服务的二进制程序，ubuntu容器就是前台启动这个程序，16060端口就是报警服务监听的端口.

启动监控系统

通过下面两个命令，我们就可以启动整个监控系统 。

                        
                          (base) ➜  easymonitor git:(main) ✗ sh build.sh
(base) ➜  easymonitor git:(main) ✗ docker-compose up

                        
                      

配置数据源

接着，服务启动之后，在浏览器输入 localhost:3000就可以 访问grafana的界面了，默认账号和密码都是admin，点击左边菜单栏选择Data sources .

注意prometheus的的ip地址要换成你本地机器局域的ip，因为docker-compose启动的每个容器拥有各自的网络命名空间，要访问其他容器的进程，就得用容器的ip+端口，不过我们本地机器映射了相同端口且容器和本地机器是互通的，所以ip地址填成本地机器局域网ip即可.

你也可以用prometheus关键字替换ip地址，变成http://prometheus:9090 ，因为docker-compose启动的进程默认可以用配置文件中的容器名代替ip地址进行访问.

配置好数据源以后，就可以正式对系统进行监控了，正如前一节 【升职加薪秘籍】我在服务监控方面的实践(1)-监控蓝图 所说，监控是分级的，所以我们建立监控系统指标时，也是这样，在下一节，我会首先介绍如何在操作系统，服务器层面建立起系统的监控，并定制一个自己的dash board.

在万千人海中，相遇就是缘分，为了这份缘分，给作者点个赞👍🏻不过分吧.

最后此篇关于【升职加薪秘籍】我在服务监控方面的实践(2)-监控组件配置的文章就讲到这里了,如果你想了解更多关于【升职加薪秘籍】我在服务监控方面的实践(2)-监控组件配置的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。