مقدمه

در درس پیشین، با اهمیت مانیتورینگ و نقش آن در دنیای واقعی، به ویژه در حوزه‌های MLOps و مهندسی داده آشنا شدیم. حالا نوبت آن رسیده است که با یکی از قدرتمندترین و محبوب‌ترین ابزارهای مانیتورینگ یعنی Prometheus آشنا شویم.

پرومتئوس در سال ۲۰۱۲ توسط تیم‌های SoundCloud ساخته شد و به سرعت به یک پروژه‌ی متن‌باز و محبوب در بنیاد محاسبات ابری (CNCF) تبدیل شد. این ابزار، با معماری منحصر‌به‌فرد خود، انقلابی در نحوه‌ی مانیتورینگ سیستم‌ها ایجاد کرده است. در این درس، با معماری پرومتئوس، مفاهیم کلیدی و مدل داده‌ای آن آشنا می‌شویم و درک می‌کنیم که چرا پرومتئوس به یک استاندارد در دنیای مانیتورینگ تبدیل شده است.

پرومتئوس چیست؟

پرومتئوس یک سیستم مانیتورینگ و هشداردهی متن‌باز است که به طور خاص برای جمع‌آوری متریک‌ها از سیستم‌های مختلف طراحی شده است. این ابزار بر اساس مدل Pull-based (کششی) کار می‌کند، به این معنا که خود پرومتئوس به طور دوره‌ای (مثلن هر ۱۵ ثانیه) به سراغ اپلیکیشن‌ها یا سرویس‌ها می‌رود و متریک‌های آنها را دریافت می‌کند، نه اینکه آنها متریک‌ها را به سمت پرومتئوس بفرستند (که به مدل Push-based معروف است).

ویژگی‌های کلیدی پرومتئوس:

ویژگیتوضیح
مدل داده‌ی چندبعدیمتریک‌ها با برچسب‌ها (Labels) شناسایی می‌شوند که امکان پرس‌وجوهای بسیار انعطاف‌پذیر را فراهم می‌کند.
زبان پرس‌وجوی قدرتمند (PromQL)زبانی برای انتخاب و محاسبه‌ی متریک‌ها که بسیار انعطاف‌پذیر و قدرتمند است.
مدل Pull-basedخود پرومتئوس متریک‌ها را دریافت می‌کند. این مدل، مدیریت اکتشاف سرویس‌ها را ساده‌تر می‌کند.
ذخیره‌سازی محلیپرومتئوس داده‌ها را به صورت محلی روی دیسک ذخیره می‌کند که ساده و کارآمد است.
قابلیت هشداردهیبا استفاده از Alertmanager، می‌توان قوانین هشدار تعریف کرد و اعلان‌ها را دریافت نمود.
اکوسیستم غنی از Exportersاکسپورترها، متریک‌های سیستم‌های شخص ثالث (مثلن سرورها، دیتابیس‌ها، وب‌سرورها) را به فرمت پرومتئوس تبدیل می‌کنند.

معماری پرومتئوس

معماری پرومتئوس از چندین مؤلفه‌ی اصلی تشکیل شده است که درک آنها برای استفاده‌ی موثر از این ابزار ضروری است.

۱. سرور پرومتئوس (Prometheus Server):

قلب سیستم است که وظایف زیر را بر عهده دارد:

  • دریافت (Scraping): به طور دوره‌یی از اهداف (Targets) متریک دریافت می‌کند.
  • ذخیره‌سازی (Storage): داده‌های دریافتی را در یک پایگاه‌داده‌ی محلی ذخیره می‌کند.
  • پرس‌وجو (Querying): زبان PromQL را برای پرس‌وجو و تحلیل داده‌ها ارائه می‌دهد.

۲. اکسپورترها (Exporters):

اکسپورترها، متریک‌های سیستم‌های شخص ثالث را به فرمتی که پرومتئوس بتواند بخواند، تبدیل می‌کنند. به عبارت دیگر، آنها یک واسط (Endpoint) HTTP ایجاد می‌کنند که پرومتئوس می‌تواند از آن متریک‌ها را دریافت کند. در این دوره، با دو اکسپورتر مهم کار خواهیم کرد:

اکسپورترکاربرد
Node Exporterجمع‌آوری متریک‌های سیستم‌عامل میزبان (CPU، RAM، Disk، و …)
cAdvisorجمع‌آوری متریک‌های کانتینرهای Docker (مصرف منابع هر کانتینر)

۳. Alertmanager:

این مؤلفه وظیفه‌ی مدیریت هشدارها را بر عهده دارد. پرومتئوس، قوانین هشدار را ارزیابی می‌کند و در صورت فعال شدن، هشدار را به Alertmanager ارسال می‌کند. سپس Alertmanager می‌تواند این هشدارها را گروه‌بندی، فیلتر یا به کانال‌های مختلف (ایمیل، تلگرام، Slack، و …) ارسال کند.

۴. داشبوردها (Grafana):

اگرچه پرومتئوس یک رابط وب ساده برای پرس‌وجو دارد، اما برای مصورسازی حرفه‌ای از ابزارهایی مانند Grafana استفاده می‌شود. گرافانا می‌تواند از پرومتئوس به عنوان منبع داده استفاده کرده و داشبوردهای زیبا و تعاملی ایجاد کند. این همان ابزاری است که در بخش‌های بعدی دوره به طور کامل با آن کار خواهیم کرد.

نمودار ساده‌ی معماری:

[Node Exporter] ────────────┐
[cAdvisor]      ────────────┼─────> [Prometheus Server] ────> [Grafana] (Dashboard)
[Application]    ────────────┘             │
                                            │
                                            ▼
                                     [Alertmanager] ────> [Email/Telegram/Slack]

مدل داده‌ی پرومتئوس

پرومتئوس بر اساس یک مدل داده‌ی چندبعدی (Multi-dimensional) کار می‌کند. هر متریک توسط سه عنصر اصلی تعریف می‌شود:

۱. نام متریک (Metric Name): نامی که نشان‌دهنده‌ی نوع داده‌ی جمع‌آوری‌شده است. مثلن http_requests_total یا cpu_usage_percent.

۲. برچسب‌ها (Labels): جفت‌های کلید-مقداری که ابعاد مختلف یک متریک را مشخص می‌کنند. مثلن method="GET", status="200", instance="localhost:9090". برچسب‌ها امکان گروه‌بندی و فیلتر کردن داده‌ها را فراهم می‌کنند.

۳. مقدار (Value): یک عدد اعشاری که مقدار واقعی متریک را نشان می‌دهد. مثلن 123.45.

مثال یک متریک کامل:

http_requests_total{method="GET", status="200", endpoint="/api/users"} 1456

این متریک نشان می‌دهد که تعداد درخواست‌های HTTP با متد GET به مسیر /api/users که وضعیت ۲۰۰ (موفق) داشته‌اند، برابر با ۱۴۵۶ است.

مدل Pull-based در مقابل Push-based

برای درک بهتر مزیت پرومتئوس، بهتر است دو مدل اصلی جمع‌آوری متریک را با هم مقایسه کنیم:

مدل Pull-based (پرومتئوس)مدل Push-based (مثلن Graphite)
جهت ارسال دادهسرور پرومتئوس دریافت (Pull) می‌کند.اپلیکیشن‌ها داده را ارسال (Push) می‌کنند.
کشف سرویسپرومتئوس به طور خودکار یا با پیکربندی، اهداف را پیدا می‌کند.اپلیکیشن باید آدرس سرور مقصد را بداند.
سلامت سرویساگر یک سرویس از لیست اهداف حذف شود، پرومتئوس متوجه می‌شود (زیرا دیگر داده‌ای دریافت نمی‌کند).اگر سرویس از کار بیفتد، ممکن است داده‌ها ارسال نشوند و شما متوجه نشوید.
مقیاس‌پذیریمدیریت اهداف آسان‌تر است، چون پرومتئوس همه‌چیز را کنترل می‌کند.اپلیکیشن‌ها باید سرور مرکزی را بشناسند که در مقیاس بزرگ پیچیده می‌شود.
تعداد متریک‌هابرای تعداد بالای متریک‌ها، نیاز به مدیریت منابع بیشتری دارد.می‌تواند تعداد بیشتری متریک را با مصرف منابع کمتر مدیریت کند.

نتیجه: مدل Pull-based پرومتئوس، برای اکوسیستم‌های مدرن و پویا (مثلن کانتینرها و میکروسرویس‌ها) بسیار مناسب‌تر است، زیرا شفافیت و کنترل بیشتری را به تیم عملیاتی می‌دهد.

زبان پرس‌وجوی PromQL

PromQL (مخفف Prometheus Query Language) زبانی است که برای پرس‌وجو و استخراج داده از پرومتئوس استفاده می‌شود. در ادامه با چند مثال ساده آشنا می‌شویم:

۱. انتخاب یک متریک خاص:

node_cpu_seconds_total

همه‌ی مقادیر متریک node_cpu_seconds_total را برمی‌گرداند.

۲. استفاده از فیلتر (Label Filtering):

node_cpu_seconds_total{mode="idle"}

فقط مقادیر مربوط به حالت idle (بیکار) پردازنده را نشان می‌دهد.

۳. محاسبه‌ی نرخ تغییرات (Rate):

rate(node_cpu_seconds_total{mode="idle"}[5m])

نرخ تغییرات (روند) متریک را در ۵ دقیقه‌ی گذشته محاسبه می‌کند که برای مشاهده‌ی روند مصرف CPU مفید است.

۴. گروه‌بندی (Aggregation):

sum(rate(node_cpu_seconds_total{mode="idle"}[5m])) by (instance)

مجموع مصرف CPU را برای هر نمونه (instance) جداگانه محاسبه می‌کند.

جمع‌بندی

در این درس، با معماری پرومتئوس، مدل Pull-based، مدل داده‌ی چندبعدی و زبان پرس‌وجوی آن آشنا شدیم. پرومتئوس یک ابزار قدرتمند و انعطاف‌پذیر است که به عنوان قلب سیستم مانیتورینگ ما در این دوره عمل خواهد کرد.