docker部署prometheus超详细过程

一、Prometheus

核心功能‌：

   时序数据库与监控系统‌：专为云原生设计，采用拉模型（Pull）采集指标数据，支持多维数据模型（时间序列数据由metric名称和键值对标签标识）‌。
告警规则引擎‌：内置告警规则配置能力，可通过rules.yml定义触发条件（如up == 0检测服务宕机）‌。
    查询语言PromQL‌：提供灵活的聚合、切片、数学运算等操作，支持实时数据分析‌。
扩展性‌：通过Exporter（如Node Exporter）兼容传统系统监控，支持与Kubernetes、Docker等容器平台集成‌。

核心优势‌：

     轻量高效‌：单节点可处理百万级时间序列数据，数据存储压缩率高（约3.5字节/采样点）‌。
动态服务发现‌：支持基于Kubernetes、Consul等的自动目标发现，减少人工配置成本‌。

 
二、Alertmanager

核心功能‌：

    告警管理‌：接收来自Prometheus的告警通知，进行去重、分组、静默等处理，避免告警风暴‌。
通知路由‌：支持按标签匹配路由策略，将告警分发至不同接收者（如邮件、Slack、Webhook等）‌。
    告警模板化‌：通过alertmanager.yml配置告警内容模板，支持动态填充告警指标和标签信息‌。

典型流程‌：

      Prometheus触发告警 → 2. Alertmanager接收并聚合 → 3. 按路由规则发送通知‌。

三、Grafana

核心功能‌：

   可视化仪表盘‌：通过预置或自定义面板（如折线图、热力图）展示Prometheus指标数据，支持多数据源（如InfluxDB、Elasticsearch）‌。
    告警集成‌：新版本支持在面板中直接配置阈值告警（如CPU使用率>90%），无需依赖Alertmanager‌。
     权限管理‌：提供用户角色控制和数据源访问权限管理，适用于团队协作‌。

核心优势‌：

    交互式查询‌：结合PromQL实现动态数据筛选和实时刷新‌。
    模板化仪表盘‌：支持JSON模板导入/导出，便于复用和标准化监控视图‌。

四、三者协同架构

数据采集‌： Prometheus定期从Exporter或应用端点（如/metrics）拉取指标‌。
告警触发‌： Prometheus根据rules.yml评估告警条件，触发后推送至Alertmanager‌。
告警处理‌：Alertmanager对告警分组、去重，并通过邮件/SMS等渠道通知运维人员‌。
可视化展示‌： Grafana从Prometheus读取数据，生成实时监控仪表盘‌。

五、典型应用场景

容器监控‌：监控Kubernetes集群的Pod状态、资源使用率等‌。
业务指标监控‌：统计API请求延迟、错误率等SLA指标‌。
告警自动化‌：通过Alertmanager实现故障分级通知（如P0级故障触发电话告警）‌。

六、Docker部署