其实接触Promethues时间也不长，开始觉得吧这个啥东西啊，PromQL语句简直逆天「有一定学习成本」，用着发现其实也蛮好的至少开拓了思路Zabbix在吵得火热的微服务概念下变的有点奇怪了「当然真的要用也是可以的，Discovery功能依然牛*」。既然有这个机会搞自然不能放过就开始了探索之路。
Prometheus是个啥
prometheus是一个最初在SoundCloud上构建的开源系统监控和警报工具包。从2012年开始，许多公司和组织开始使用Prometheus，该项目拥有非常活跃的开发人员和用户社区。目前它是一个独立的开源项目，并且不依赖与任何公司。为了强调这一点，并澄清项目的治理结构，Prometheus在2016年加入Cloud Native Computing Foundation，作为kubernetes之后的第二个托管项目。
组件
Server: 主要负责数据采集和存储，提供PromQL查询语言的支持
Push Gateway: 支持临时性Job主动推送指标的中间网关
DashBoard: 使用rails开发的dashboard，用于可视化指标数据
AlertManager: 实验性组件、用来进行报警「除了添加新配置之后要Reload下别的也没啥蛋疼的，这个东西是可以自动化下点功夫的」
Exporter:支持其他数据源的指标导入到Prometheus，支持数据库、硬件、消息中间件、存储系统、http服务器、jmx等「啥都有简直神器，如果没有也可以自行开发」
问题
官方架构存在一个最大的问题数据量一上去需要尽快拆分，例如在使用中发现Es的Export会拉取大量metrics直接导致单机Prom不堪重负「io巨高」当然指标太多也不是好事这个会在最后讨论下如果避免，所以需要拆分集群「此处不讨论官方的联邦策略，这个扩展性并没有那么好，依然需要拆分多套联邦集群」。
顺着正常思路我们一定是先拆分集群，我也没有逃出这个方法开始着手拆分，拆了历史数据还在老集群还要搬数据大量的Ops工作啊「哪怕写了自动化脚本，回车还是要人敲的吧」，拆完了看着不错哦，但是另外的问题来了，要通知Dev我们拆了地址变了，随之而来的是大量的通知「心很累」。metrics还是很多总不能没事就拆吧，而且历史保留时间我们是7天慢慢发现用户要查7天前的就再见了「无法支持」。
当然我们也有联邦集群，在联合部署中，全局Prometheus服务器可以在其他Prometheus服务器上聚合数据，这些服务区可能分布在多个数据中心。每台服务器只能看到一部分度量指标。为了处理每个数据中心的负载，可以在一个数据中心内运行多台Prometheus服务器，并进行水平分片。在分片设置中，从服务器获取数据的子集，并由主服务器对其进行聚合。在查询特定的服务器时，需要查询拼凑数据的特定从服务器。默认情况下，Prometheus存储15天的时间序列数据。为了无限期存储数据，Prometheus提供了一个远程端点，用于将数据写入另一个数据存储区。不过，在使用这种方法时，数据去重是个问题。其他解决方案（如Cortex）提供了一个远程写入端点和兼容的查询API，实现可伸缩的长期存储。
综上问题主要是：拆分之痛、全局查询、数据去重、历史数据查询、AlertManager无高可用。
业务发展快不是Ops推脱的理由，某天躺在床上刷刷微信发现神器尽然已经有了「虽然还只是一个测试版本」Thanos，果断开始调研发现可以啊基本解决了上面提及的多个痛点。「团队中也来两个了新的小伙伴 Go专职研发、监控系统小达人、感谢两位的帮助」心中无比激动，开始动手了。
Thanos是啥
Improbable团队开源了Thanos，一组通过跨集群联合、跨集群无限存储和全局查询为Prometheus增加高可用性的组件。Improbable部署了一个大型的Prometheus来监控他们的几十个Kubernetes集群。默认的Prometheus设置在查询历史数据、通过单个API调用进行跨分布式Prometheus服务器查询以及合并多个Prometheus数据方面存在困难。
Thanos通过使用后端的对象存储来解决数据保留问题。Prometheus在将数据写入磁盘时，边车的StoreAPI组件会检测到，并将数据上传到对象存储器中。Store组件还可以作为一个基于gossip协议的检索代理，让Querier组件与它进行通信以获取数据。
Thanos还提供了时间序列数据的压缩和降采样（downsample）存储。Prometheus提供了一个内置的压缩模型，现有较小的数据块被重写为较大的数据块，并进行结构重组以提高查询性能。Thanos在Compactor组件（作为批次作业运行）中使用了相同的机制，并压缩对象存储数据。Płotka说，Compactor也对数据进行降采样，“目前降采样时间间隔不可配置，不过我们选择了一些合理的时间间隔——5分钟和1小时”。压缩也是其他时间序列数据库（如InfluxDB和OpenTSDB）的常见功能。
Thanos通过一种简单的可无缝接入当前系统的方案解决这些问题。其主要功能点通过Sidecar、Querier、Store和Compactor来实现，这里做一个简单介绍。
Sidecar
Sidecar作为一个单独的进程和已有的Prometheus实例运行在一个server上，互不影响。Sidecar可以视为一个Proxy组件，所有对Prometheus的访问都通过Sidecar来代理进行。通过Sidecar还可以将采集到的数据直接备份到云端对象存储服务器。「会消耗原有实例所在集群的资源，上线前可以先把原有server机器升配下」
Querier
所有的Sidecar与Querier直连，同时Querier实现了一套Prometheus官方的HTTP API从而保证对外提供与Prometheus一致的数据源接口，Grafana可以通过同一个查询接口请求不同集群的数据，Querier负责找到对应的集群并通过Sidecar获取数据。Querier本身也是水平可扩展的，因而可以实现高可部署，而且Querier可以实现对高可部署的Prometheus的数据进行合并从而保证多次查询结果的一致性，从而解决全局视图和高可用的问题。「配合云的AutoScaling」
Store
Store实现了一套和Sidecar完全一致的API提供给Querier用于查询Sidecar备份到云端对象存储的数据。因为Sidecar在完成数据备份后，Prometheus会清理掉本地数据保证本地空间可用。所以当监控人员需要调取历史数据时只能去对象存储空间获取，而Store就提供了这样一个接口。Store Gateway只会缓存对象存储的基本信息，例如存储块的索引，从而保证实现快速查询的同时占用较少本地空间。
Comactor
Compactor主要用于对采集到的数据进行压缩，实现将数据存储至对象存储时节省空间。
Ruler
Ruler主要是管理多个AlertManager告警规则配置统一管理的问题「推荐使用集群版本的AlertManager，多个AlertManager之前放一个SLB即可」
优点
对比官方的解决方案，这个东西可以支持跨集群查询、数据去重、历史数据查询、告警规则统一管理，当然还有别的大家自己脑补。
问题
store开始只能查询8次还不记得多少次就不行了，还有查询实例时间长了也不行了，需要注意「让研发哥哥解决了，如何解决的回头再放出来，最近官方新发布，貌似修改的这个问题，需要测试下。」使用的是Ceph「其实s3和oss也是可以的，只要支持s3协议即可」，ceph也有坑「这个我不懂了，有专人盯着的这边不讨论」，sidecar组件如果启动在原有就很忙的Prometheus边上之前需要谨慎「把原有OOM过一次」，建议还是先拆了再搞。此组件已经引起官方关注，预祝早日合并到官方去。
容器外&非容器
大概率的很多同学肯定存在容器外面与容器内部两套环境、或者多容器环境。这边写下不成熟的小建议系统给到各位帮助，实现方法有两种「应该还有更多」，Thanos使用的是Gossip进行自动发现其实在容器内外发现上面还是有点麻烦的。
前提：Thanos在容器里面MacVlan模式，Pod分配固定IP，漂移时保持IP不变。「容器网络不懂的，大家自己Google下」
SLB大法
通过k8s api定时判断thanos所在pod情况，如果发生变化调用云的api进行slb更新。「笨办法」
Cousul大法
万物揭注册原则，全部注册到cousul上面去「其实还是要自己写一个小东西去完成注册」
指标过多
这个问题其实很纠结，Export吐那么多真的都能看的过来吗，目测不可能，需要在Pull那边做相应的控制，只看自己需要的其实对于Dev要求变高了。自己吐的么更是要精准，我是一个DBA吧很多时候面试都会问我你看那些指标啊，CPU、内存、IO、连接数还不够你看吗，指标不是越多越好谁没事都看一遍「闲得慌吗，存着不是浪费计算资源吗，DevOps的大环境下是不是Dev还是需要一些基本看监控能力呢，不要变成只会打字的研发，不淘汰你淘汰谁呢……」
规范
依然要老生常谈规范这个事情，不要一上来就喊着要秒级监控「真的没必要 谁看啊」，定义到各个指标的命名规范其实比这套东西更为重要 ，让研发去理解其实很难的，大家都被业务压的喘不过气来，还有谁会去接受Ops的东西。
运维平台竟可能融合这套东西中最麻烦的几项比如，添加监控、添加告警尽可能傻瓜式。定义到接口是Pull还是Push，规范最重要，生产线能流畅的运转不是代码写的有多好「当然这个也很重要」，是各个接口之间的规范、文档、代码中的注释、要不换了人撸你代码、搞你系统的时候咋弄。意识习惯才是重要的，技术好坏是个人意识，习惯才是个人修养。
感谢
Thanos：实现支持无限数据存储的可伸缩Prometheus
