当前位置: 首页 > news >正文

docker 搭建 grafana+prometheus 监控主机资源之node_exporter

服务基本信息
服务 作用 端口(默认)
Prometheus 普罗米修斯的主服务器 9090
Node_Exporter 负责收集Host硬件信息和操作系统信息 9100
MySqld_Exporter 负责收集mysql数据信息收集 9104
Cadvisor 负责收集Host上运行的docker容器信息 8080
Grafana 负责展示普罗米修斯监控界面 3000
Altermanager 等待接收prometheus发过来的告警信息,altermanager再发送给定义的收件人 9093
pometheus 是一套开源的监控 + 预警 + 时间序列数据库的组合,现在越来越多的公司或组织开始采用 Prometheus,现在常见的 kubernetes 容器管理系统,也会搭配 Prometheus 来进行监控。
Prometheus 本身不具备收集监控数据功能,需要使用 http 接口来获取不同的 export 收集的数据,存储到时序数据库中。

一、下载镜像
docker pull prom/prometheus
docker pull grafana/grafana
docker pull prom/node-exporter //下载到需要被监控的机器上
docker pull prom/mysqld-exporter //下载到需要被监控的机器上
docker pull google/cadvisor //下载到需要被监控的机器上
docker pull prom/alertmanager //下载到需要被监控的机器上

二、部署Prometheus

# 启动容器
docker run -itd --name docker_prometheus prom/prometheus

# 复制容器内部的配置文件到宿主机,不用事先创建$PWD/prometheus目录(后续的配置主要在该目录下展开,因此一定要拉到本地)
docker cp -a docker_prometheus:/etc/prometheus/ $PWD/prometheus

# 删除容器
docker rm -f docker_prometheus

# 启动容器 设置端口
docker run -itd --name docker_prometheus --restart=always -p 9090:9090 -v $PWD/prometheus:/etc/prometheus/ prom/prometheus

# docker run 运行
# --name 容器的名称
# -p 指定容器的端口映射
# -v 将本地路径映射到容器内(这样如果修改了本地的文件,只需restart容器即可在容器内生效)
# --restart 容器重启策略 no不重启,always 退出时总是重启
# prom/prometheus 选择镜像名称启动容器(默认镜像后面会加latest 如果拉取自己创建的镜像后面要加自己的版本号)

查看容器是否启动成功

docker ps | grep docker_prometheus

浏览器输入http://ip:9090/targets进入页面
docker ps | grep docker_prometheus

三、部署Grafana

# 启动grafana
docker run -itd --name grafana grafana/grafana

# 复制容器内部的配置文件到宿主机,不用事先创建$PWD/prometheus目录
docker cp -a grafana:/var/lib/grafana $PWD/grafana-storage

# 删除容器
docker rm -f grafana

# 添加目录权限(不添加权限不够,容器无法启动)
chmod -R 777 grafana-storage

# 启动容器 设置端口
docker run -itd --name=grafana --restart=always -p 3000:3000 -v $PWD/grafana-storage:/var/lib/grafana grafana/grafana

# docker run 运行
# --name 容器的名称
# -p 指定容器的端口映射
# -v:挂载宿主机目录和docker容器中的目录; $PWD/grafana-storage:本地宿主机绝对目录;/var/lib/grafana:容器目录(将容器目录挂载到本地)
# --restart 容器重启策略 no:不重启,always:退出时总是重启
# grafana/grafana 选择镜像名称启动容器.

四、安装node_exporter
node_export 是 Prometheus 的一个 export,主要是用来收集服务器硬件资源使用情况的。所以这个往往会部署再被监控的服务器上。即:grafana、Prometheus 会独立部署在一台机器上,node_export 则被部署在被监控的服务器上,收集被监控的服务器资源数据,给 Prometheus,然后再通过 grafana 展示出来。

# 启动node-exporter
docker run -d --name node-exporter --restart=always -p 9100:9100 -v "/proc:/host/proc:ro" -v "/sys:/host/sys:ro" -v "/:/rootfs:ro" prom/node-exporter

五、配置 Prometheus+node_exporter收集数据

vim prometheus/prometheus.yml

# my global config
global:
scrape_interval: 15s # Set the scrape interval to every 15 seconds. Default is every 1 minute.
evaluation_interval: 15s # Evaluate rules every 15 seconds. The default is every 1 minute.
# scrape_timeout is set to the global default (10s).

# Alertmanager configuration
alerting:
alertmanagers:
- static_configs:
- targets:
# - alertmanager:9093

# Load rules once and periodically evaluate them according to the global 'evaluation_interval'.
rule_files:
# - "first_rules.yml"
# - "second_rules.yml"

# A scrape configuration containing exactly one endpoint to scrape:
# Here it's Prometheus itself.
scrape_configs:
# The job name is added as a label `job=<job_name>` to any timeseries scraped from this config.
- job_name: "prometheus"

# metrics_path defaults to '/metrics'
# scheme defaults to 'http'.

static_configs:
- targets: ["192.168.101.63:9090"]

# The label name is added as a label `label_name=<label_value>` to any timeseries scraped from this config.
labels:
app: "prometheus"
# 网站监控
- job_name: 'http_status'
static_configs:
- targets: ["192.168.101.63:9100"]
rgets:[‘xxx.xxx.xxx.xxx’]:服务器ip地址,可添加多台服务器以,分割。eg:[‘xxx.xxx.xxx.xxx’,‘xxx.xxx.xxx.xxx’]
但可以看到,有三个job_name,第一个似乎系统默认自带,其实这里的job_name可以在后续的prom界面以及grafana看到,且我本可以将后两个job_name的ip写在一起,用,隔开。但我还是写了两个,作用后面会看到,这里插个眼
重启Prometheus 容器后 修改后的文件直接同步到容器/etc/prometheus/中(因为我们docker run的时候指定了-v)

docker restart docker_prometheus

这里我就给一张总图哈,这是我所有的配置完成后的效果图,大家取自己需要的看,后续也就只用这张图了。这里就可以看下endpoint、labels的参数其实就是prometheus.yml中配置的参数,对应关系找到,各位根据需求自行修改,但这个并不是我刚才插眼要解释的地方

六、配置Granfana面板
  • 登录granfana 用户名密码默认为admin
  • 设置–数据源–添加数据源
  • 选择Prometheus并添加http://ip:9090
  • 选择数据展示模版,添加模版

模版地址1:(或者直接导入ID:8919)
模版地址2:(或者直接导入ID:11074)

http://www.cnnetsun.cn/news/87785.html

相关文章:

  • 「直通」英伟达,蓝思科技补齐AI算力布局又一块拼图
  • Dify + Jenkins 实现AI应用持续集成与自动化部署
  • MTS AI智能聚合公链正式上线
  • LobeChat能否生成SQL语句?数据库查询助手上线
  • 告别深夜批改:用Qwen3-VL大模型打造会“理解”的作文阅卷助手
  • LobeChat语音输入功能实测:让AI对话更自然流畅
  • 基于PaddlePaddle的视觉模型训练实战:从Docker安装到GPU算力调用
  • LobeChat能否实现多轮对话优化?上下文理解增强策略
  • 如何在Windows和Linux上完成TensorRT安装包的部署
  • Dify在边缘计算场景下部署的可行性评估
  • LobeChat能否对接Airtable?轻量级数据库联动方案
  • LobeChat能否实现AI故事续写?创意写作激发灵感
  • AI知识科普丨什么是 ModelOps?
  • Windows 10下Anaconda安装OpenCV指南
  • LangChain与AutoGPT核心差异与应用场景解析
  • 文件上传靶场的3种白名单,3种黑名单,以及3种针对文件内容的修改。特性靶场、get,post传参方式区别(抓包看看),正则匹配,以及高亮函数作用
  • ENSP下载官网打不开?这份备用清单请收好
  • 解决langchain-chatchat因缺少__init__.py导致的模块调用错误
  • 15秒写歌?AI音乐模型ACE-Step实测体验
  • 谁还能不知道计算机组成结构与缓存
  • day41 早停策略和模型保存
  • LobeChat国际化支持如何?中文输入输出体验实测
  • LobeChat支持GraphQL查询吗?前后端通信协议解析
  • Qwen3-8B模型镜像下载与部署指南
  • Qwen3-VL-8B-Instruct重塑多模态AI新纪元
  • PaddlePaddle镜像加速指南:如何通过清华源快速下载并部署GPU环境
  • Dify变量注入实现上下文感知的AI问答
  • Qwen-Image-Edit-2509:用语言编辑图像的AI神器
  • 微爱帮监狱写信寄信小程序阿里云百炼Paraformer-v2方言语音识别集成技术文档,服刑人员家属写信更方便
  • M1 Mac使用Miniconda安装Python3.8与TensorFlow2.5/PyTorch1.8