老王的个人博客

# 第 1 章　Prometheus 入门：从监控到可观测性 本章导读 如果你已经学过 Zabbix，第一个问题大概率是："既然有 Zabbix 了，为什么还要再学一套 Prometheus？" 本章就从这个疑问出发，先把" 监控 " 这件事放回到更大的框架 —— 可观测性里去看，再落到 Prometheus 本身：它是什么、由哪些组件拼成、数据怎么流转、模型长什么样。 本章是整门课的地基。地基打不牢，后面装 Exporter、写 PromQL、配告警、接 Grafana 都会变成 "照着敲命令"，一旦报错就无从下手。 学习目标

# 第 3 章　PromQL：把指标变成答案 本章导读 第 2 章结束时，你已经能在 Grafana 上看到四台主机的 CPU 曲线了。但那张图是别人写好模板给你的 —— 你并不知道里面那句表达式在算什么。 本章解决的就是这个问题。学完本章，你应当能够看着一条指标名，就知道该怎么查、能不能直接画、要不要套函数。 这是全课程技术含量最高的一章，也是最容易 "看懂但写不出" 的一章。建议边读边在 9090 的 Graph 页面里敲 ——PromQL 是肌肉记忆，不是阅读理解。 学习目标 序号 学完本章，你应当能够 1 说清 Sample、Time Series

# 第 2 章　部署与点亮：让 Prometheus 真正跑起来 本章导读 第 1 章我们讲了架构，但架构是 "纸上的图"。本章开始动手，把图上的每一个方框都变成一台机器上的一个进程。 这一章信息密度很高，涉及五个软件的安装、一份配置文件的逐行讲解、以及六个真实踩过的坑。请务必不要跳过 "故障现场" 这类小节 —— 面试官不问你装成功过什么，只问你出过错之后怎么定位的。 一句话总结本章目标：把 9090（Prometheus）、9100（Node Exporter）、3000（Grafana）、9091（Pushgateway）这四个端口全部点亮，并且

# ELK 相关技术介绍 # 1. ELK 诞生的背景 # 1.1 没有 ELK 分析日志前 没有日志分析工具之前，运维工作存在哪些痛点？ 痛点 1：生产出现故障后，运维需要不停的查看各种不同的日志进行分析？是不是毫无头绪？ 痛点 2：项目上线出现错误，如何快速定位问题？如果后端节点过多、日志分散怎么办？ 痛点 3：开发人员需要实时查看日志但又不想给服务器的登陆权限，怎么办？难道每天帮开发取日志？ 痛点 4：如何在海量的日志中快速的提取我们想要的数据？比如：PV、UV、TOP10 的 URL？如果分析的日志数据量大，那么势必会导致查询速度慢、难度增大，最终则会导致我们无法快速的获取到想要的指

# 1、ES 基本概念介绍 # 1.1 ES 是什么 Elasticsearch 是一个分布式、RESTful 风格的搜索和数据分析引擎。 # 1.2 ES 主要功能 数据存储、数据搜索、数据分析。 # 2、ES 相关术语 # 2.1 文档 Document Document 文档就是用户存在 es 中的数据，它是 es 中存储的最小单元。（类似于表中的一行数据） 注意：每个文档都有一个唯一的 ID 表示，可以自行指定，如果不指定 es 会自动生成。 # 2.2 索引 Index 索引其实是一堆文档 Document 的集合。（它类似数据库的中的一个表） 在一个索引中，会有多个文档，而每个文档

# 1、Filebeat 基本介绍 # 1.1 Filebeat 是什么 Filebeat 是用于 "转发" 和 "集中日志数据" 的 "轻量型数据采集器"； Filebeat 会监视指定的日志文件路径，收集日志事件并将数据转发到 Elasticsearch、Logstash、Redis、Kafka 存储服务器。 # 1.2 Filebeat 主要组件 Filebeat 主要由两个核心组件组成：Input 和 Harvester。 Input（输入）：负责定位和识别需要读取的日志文件。可以使用文件的全路径、也可以是文件名称匹配等。

# 1、ElasticSearch 集群 # 1.1 ES 集群优势 Elasticsearch 集群是由多个节点组成的一个分布式系统。 使用 Elasticsearch 集群有以下几个优点： 扩展性：Elasticsearch 集群将数据分布在多个节点，也就是可以使用更多的 CPU、内存、磁盘等。从而能够进行大规模的数据存储和处理工作。随着数据不断的增长，可以通过向集群添加更多的节点来应对。这样即使数据量达到 PB 级别，Elasticsearch 集群仍可以正常工作。 场景说明：应用程序每天生成数百万条日志。单个服务器可能很快就会被数据量压垮。使用 Elasticsearch 集群后，就