2021-08-31发表2022-05-09更新服务治理 / 监控9 分钟读完 (大约1312个字)

Golang 微服务监控浅谈

监控作为度量可视化工具在服务治理中一直是承担比较重要的角色。一个良好的架构设计，监控一定是完善且使用便捷的。这篇文章我将会介绍Go微服务的度量与监控方案，参照我的使用经验，在Consul、Kubernetes不同部署环境下的使用。

方案选择上我们采用流行的Prometheus+Grafana方案，相对Graphite、InfluxDB Prometheus采用的主动拉取的方案的，大大降低了接入难度。

一、监控样例
二、什么是度量
- 1. 度量类型
- 2. 我们该怎么设计度量
三、度量应该怎么记录
- 1.数据记录
- 2.GRPC下的使用方案
四、度量采集
- 数据采集

一、监控样例

二、什么是度量

度量（Metrics), 简单来说就是个数字，它可以是当前服务内存使用率，可以是基于时间的访问次数，度量是我们用来评价系统状态的一个确定值，是评价是否达到某个指标的计算来源。

1. 度量类型

根据使用场景的不同，我们常用的有Gauge、Counter、Histogram、Summary等几种数据类型。

其中Gauge是要用来存储一些诸如CPU 内存之类的瞬时值；Counter用来存储诸如访问次数之类的累积值；Histogram要比较复杂些，它常用来计算服务响应时间。

2. 我们该怎么设计度量

度量方案设计与度量值确定需要我们对服务架构有一定了解，比如GRPC微服务我们关心的就是QPS、延迟、成功率（错误率）等数据； API Gateway 我们除了关心上述几个度量值，我们还关心并发请求数量，当前带宽等数据；无论哪种类型的服务与业务我们都关心运行环境的CPU/内存使用率等数据，以确定当前资源水位是否安全，是否有扩缩容的必要。

余下内容我们重点介绍业务服务度量，服务器与中间件监控请参照 Prometheus文档选择开源exporters。

三、度量应该怎么记录

1.数据记录

上文提到服务数据度量大部分采用侵入式方案，不同于服务网格Sidecar的采集方式，侵入式打点能获取到更多的状态数据。下面的样例就是 prometheus 官方提供的SDK使用样例，非常简单。同时Prometheus还提供Java、Python、Rudy等官方SDK。

package main

import (
	"log"
	"net/http"

	"github.com/prometheus/client_golang/prometheus"
	"github.com/prometheus/client_golang/prometheus/promhttp"
)

var (
	cpuTemp = prometheus.NewGauge(prometheus.GaugeOpts{
		Name: "cpu_temperature_celsius",
		Help: "Current temperature of the CPU.",
	})
	hdFailures = prometheus.NewCounterVec(
		prometheus.CounterOpts{
			Name: "hd_errors_total",
			Help: "Number of hard-disk errors.",
		},
		[]string{"device"},
	)
)

func init() {
	// Metrics have to be registered to be exposed:
	prometheus.MustRegister(cpuTemp)
	prometheus.MustRegister(hdFailures)
}

func main() {
	cpuTemp.Set(65.3)
	hdFailures.With(prometheus.Labels{"device":"/dev/sda"}).Inc()

	// The Handler function provides a default handler to expose metrics
	// via an HTTP server. "/metrics" is the usual endpoint for that.
	http.Handle("/metrics", promhttp.Handler())
	log.Fatal(http.ListenAndServe(":8080", nil))
}

2.GRPC下的使用方案

对于GRPC服务，我推荐使用三方包来简化接入流程，尽可能少的对业务代码产生影响。

go-grpc-prometheus grpc ecosystem提供的一个封装方案，采用拦截器方案。优点：支持grpc v1.26.x 以下版本，代码基本无侵入；缺点：纯面向 GRPC的度量，扩展不便。
QGRPC 优点：代码侵入较小，提供更多grpc封装；缺点：使用不灵活。
Qkits 优点：能方便扩充度量；缺点：侵入项目略多，文档支持不够（当然代码也没几行），GRPC需要1.26以上。

四、度量采集

对于一个配置好度量的服务，应该能通过 http://localhost/metrics 访问到类似如下数据


# HELP go_gc_duration_seconds A summary of the pause duration of garbage collection cycles.
# TYPE go_gc_duration_seconds summary
go_gc_duration_seconds{quantile="0"} 7.7299e-05
go_gc_duration_seconds{quantile="0.25"} 9.7869e-05
go_gc_duration_seconds{quantile="0.5"} 0.000115081
go_gc_duration_seconds{quantile="0.75"} 0.000141982
go_gc_duration_seconds{quantile="1"} 0.088763487
go_gc_duration_seconds_sum 54.35006894
go_gc_duration_seconds_count 93984
# HELP go_goroutines Number of goroutines that currently exist.
# TYPE go_goroutines gauge

....

qietv_grpc_server_request_total{method="WinnerList",service="rpc.gRPCLottery"} 11

数据采集

1. VM 与Docker 部署方案。

参考配置

scrape_configs:
  # The job name is added as a label `job=<job_name>` to any timeseries scraped from this config.
  - job_name: qietv_go
    consul_sd_configs:
      - server: 172.17.3.79:8500
        datacenter: tx
        tags:
          - metrics
    relabel_configs:
      - source_labels:  ["__meta_consul_service_id"]
        target_label: "service_id"
      - source_labels:  ["__meta_consul_service"]
        target_label: "service"
  - job_name: 'mongo'
    static_configs:
    - targets: ['172.17.1.130:9216']
  - job_name: etcd
    scheme: https
    tls_config:
      cert_file: /opt/etcd/cert/79/client.crt
      key_file: /opt/etcd/cert/79/client.key
      insecure_skip_verify: true
    static_configs:
    - targets: ['172.17.3.79:2379','172.17.3.80:2379','172.17.3.81:2379']

2. 基于Consul服务发现的微服务集群

参考

scrape_configs:
  # The job name is added as a label `job=<job_name>` to any timeseries scraped from this config.
  - job_name: qietv_go
    consul_sd_configs:
      - server: 172.17.3.79:8500
        datacenter: tx
        tags:
          - metrics
    relabel_configs:
      - source_labels:  ["__meta_consul_service_id"]
        target_label: "service_id"
      - source_labels:  ["__meta_consul_service"]
        target_label: "service"

3. Kubernetes 环境

集群安装prometheus-operator

新增ServiceMonitor资源

kubectl apply -n monitoring -f <<
apiVersion: monitoring.coreos.com/v1
kind: ServiceMonitor
spec:
  endpoints:
  - interval: 10s
    port: http
  namespaceSelector:
    matchNames:
    - appnamespace
  selector:
    matchLabels:
      metrics: prometheus
  targetLabels:
  - app
  - service
  - project
  - metrics

 EOF

Kubernetes Workload 添加Selecter

apiVersion: apps/v1
kind: Deployment
metadata:
  labels:
    app: nginx
    metrics: promethues

#prometheus grafana