Telegraf+Influxdb+Grafana构建监控平台

本文章为本人在ops内容建设团队第二期分享

欢迎关注微信公众号：OPS无界工程师

本文章最后更新时间：2018-05-13

个人博客地址：www.sqdyy.cn

大家晚上好，今晚由我来分享基于telegraf+influxdb+grafana构建监控平台的方案，首先我们先来了解InfluxDB。influxdb是一款专为时序数据编写的高性能数据库，采用 GO 语言开发，并且开源！它是TICK技术栈的一部分。它采用TSM引擎进行高速摄取和数据压缩。并提供高性能的写入/查询 HTTP API，其表达式语句类似 SQL 查询语句（但数据结构概念不太一样，详见 InfluxDB design insights and tradeoffs 。

先对上面的一些名称进行解释，TICK技术栈指的是InfluxData公司研发的四款监控开源产品，包括Telegraf、InfluxDB、Chronograf、Kapacitor。其中InfluxDB使用最广泛，是开源的时序数据库，一个比较常见的应用场景为日志存储。Kapacitor提供了基于influxdb的监控报警方案，支持多种数据聚合，选择，变换，预测方法。Chronograf用于对数据进行展示，可以使用功能更强大的Grafana替代。

TSM引擎这块我也不太熟悉，属于进阶知识，网上资料也不多，感兴趣的大佬可以自己去研究：

influxdb

时序数据库主要用于存储系统的监控数据，一般具有如下特征：

• 以时间为维度的高效查询
• 方便的down sampling
• 高效的处理过期数据

对于influxdb的学习方式，我建议先参考 Linux大学的InfluxDB系列教程 对Influxdb有一个基本的了解（但不需要死抠，因为其中有些描述是过时的），然后再去influxdb官档深入学习为佳。

下载并安装influxdb

# 添加yum 源
cat <<EOF | sudo tee /etc/yum.repos.d/influxdb.repo
[influxdb]
name = InfluxDB Repository - RHEL \$releasever
baseurl = https://repos.influxdata.com/rhel/\$releasever/\$basearch/stable
enabled = 1
gpgcheck = 1
gpgkey = https://repos.influxdata.com/influxdb.key
EOF
sudo yum install influxdb
influx -version
复制代码

启动服务、添加开机启动：

sudo service influxdb start
sudo systemctl start influxdb
复制代码

主要概念

InfluxDB与传统数据库在概念上有一些不同，我介绍一些基本的概念，如果你想了解更多请参考官档influxdb concepts

与传统数据库中的名词做比较

InfluxDB的独有概念

刚才说的是InfluxDB与传统数据库相同的概念，下面介绍它的特有概念。

Point

Point相当于传统数据库中表里面的一行数据，由timestamp(时间戳)，field(数据)，tags(标签)组成。

series

series相当于是InfluxDB中一些数据的集合。所有在数据库中的数据，都要通过图表展示出来，而series则表示表里面的数据，可以在图表上画成几条线（通过tags排列组合算出来）：

> show series from cpu
key
---
cpu,cpu=cpu-total,host=VM_42_233_centos
cpu,cpu=cpu0,host=VM_42_233_centos
cpu,cpu=cpu1,host=VM_42_233_centos
cpu,cpu=cpu2,host=VM_42_233_centos
cpu,cpu=cpu3,host=VM_42_233_centos
复制代码

其代码结构如下：

type Series struct {
    mu          sync.RWMutex
    Key         string              // series key
    Tags        map[string]string   // tags
    id          uint64              // id
    measurement *Measurement        // measurement
}
复制代码

shard

每个存储策略下会存在许多shard，每个shard存储一个指定时间段的数据，例如7点-8点的数据落入shard0中，8点-9点的数据落到shard1中，每个shard都对应一个底层的tsm存储引擎，有独立的cache，wal，tsm file。

数据保留策略

保留策略（RP）是用来定义数据在InfluxDB存放的时间，或者定义保存某个期间的数据。当你创建数据库时，InfluxDB会自动创建一个autogen(具有无限保留的保留策略):

> SHOW RETENTION POLICIES ON telegraf
name    duration shardGroupDuration replicaN default
----    -------- ------------------ -------- -------
autogen 0s       168h0m0s           1        true
复制代码

上面是查询数据库现有策略的语句，查询结果各字段含义如下：

func shardGroupDuration(d time.Duration) time.Duration {
    if d >= 180*24*time.Hour || d == 0 { // 6 months or 0
        return 7 * 24 * time.Hour
    } else if d >= 2*24*time.Hour { // 2 days
        return 1 * 24 * time.Hour
    }
    return 1 * time.Hour
}
复制代码

我们可以创建一个新的保留策略，下面语句在telegraf库中创建了一个2小时保留策略，名为2h0m0s并设置为默认策略：

> CREATE RETENTION POLICY "2h0m0s" ON "telegraf" DURATION 2h REPLICATION 1 DEFAULT
> SHOW RETENTION POLICIES ON telegraf
name    duration shardGroupDuration replicaN default
----    -------- ------------------ -------- -------
autogen 0s       168h0m0s           1        false
2h0m0s  2h0m0s   1h0m0s             1        true
复制代码

目前我们的autogen已经不再是默认策略，如果你需要查询这个策略的数据，你需要在查询时显式的加上策略名：

> SELECT time,host,usage_system FROM "autogen".cpu limit 2
name: cpu
time                host             usage_system
----                ----             ------------
1526008670000000000 VM_42_233_centos 1.7262947210419817
1526008670000000000 VM_42_233_centos 1.30130130130254
复制代码

更多保留策略相关的内容，请参考官档database_management。

连续查询

连续查询(CQ)是在数据库中自动定时启动的一组语句，InfulxDB会将查询结果存储在指定的数据表中。

• 使用连续查询是最优降低采样率的方式，连续查询和存储策略搭配使用将会大大降低InfulxDB的系统占用量。
• 使用连续查询后，数据会存放到指定的数据表中，这样就为以后统计不同精度的数据提供了方便。
• 连续查询一旦创建就无法更改。要更改连续查询，您必须先DROP再重新使用CREATE创建新查询。

下面是连续查询的语法：

// 基本语法
CREATE CONTINUOUS QUERY <cq_name> ON <database_name>
RESAMPLE EVERY <interval> FOR <interval>
BEGIN
  SELECT <function[s]> INTO <destination_measurement> 
  FROM <measurement> [WHERE <stuff>] 
  GROUP BY time(<interval>)[,<tag_key[s]>]
END
复制代码

例如，下面语句在telegraf库中新建了一个名为cq_30m的连续查询，每30分钟会取used字段的平均值加入到mem_used_30m表中。使用的数据保留策略都是default：

CREATE CONTINUOUS QUERY cq_30m ON telegraf BEGIN SELECT mean(used) INTO mem_used_30m FROM mem GROUP BY time(30m) END
复制代码

下面是一些常用操作：

更多连续查询相关的内容，请参考官档continuous_queries。

常用函数

InfluxDB提供了很多的有用的函数，其中分为三类：

• 聚合类函数

• 选择类函数

• 转换类函数

• 预测类

Telegraf

建立起了对时序库的概念后，接下来我们就该往时序库写数据了，你可以通过你应用服务的metrics程序采集指标，然后通过influxdb提供的http api向influxdb写入数据，但是本期我们并不介绍这样的用法（如 java 的metrics还需介绍java的语法），下面为大家介绍一款与influxdb完美结合的采集数据的代理程序： Telegraf

Telegraf是用Go写的代理程序，可以用于收集系统和服务的统计数据，是 TICK技术栈 的一部分。它具备输入插件，可以直接从系统获取指标数据，从第三方API获取指标数据，甚至可以通过statsd和Kafka获取指标数据。它还具备输出插件，可以将采集的指标发送到各种数据存储，服务和消息队列。比如InfluxDB，Graphite，OpenTSDB，Datadog，Librato，Kafka，MQTT，NSQ等等。

下载并安装Telegraf：

wget https://dl.influxdata.com/telegraf/releases/telegraf-1.6.2-1.x86_64.rpm
sudo yum install telegraf-1.6.2-1.x86_64.rpm
telegraf -version
复制代码

如果你的telegraf是安装的，其配置文件位置为：

/etc/telegraf/telegraf.conf
复制代码

编辑配置文件，将我们配置好的influxdb数据库指定为期望的输出源：

[[outputs.influxdb]]
  urls=["http://localhost:8086"]
复制代码

启动服务、添加开机启动：

sudo systemctl start telegraf.service
sudo service telegraf status
sudo systemctl enable telegraf.service
复制代码

在InfluxDB上检查默认配置下telegraf采集了哪些数据：

> show databases
> use telegraf
> show measurements
> SHOW FIELD KEYS
复制代码

如何进行配置

默认配置下，会启用system分类下的INPUT插件，即telegraf.conf有如下配置：

# Read metrics about cpu usage
# 读取有关CPU使用情况的指标
[[inputs.cpu]]
  ## Whether to report per-cpu stats or not
  percpu = true
  ## Whether to report total system cpu stats or not
  totalcpu = true
  ## If true, collect raw CPU time metrics.
  collect_cpu_time = false
  ## If true, compute and report the sum of all non-idle CPU states.
  report_active = false

# Read metrics about disk usage by mount point
# 通过mount point读取有关磁盘使用情况的指标
[[inputs.disk]]
  ## Ignore mount points by filesystem type.
  ignore_fs = ["tmpfs", "devtmpfs", "devfs"]

# Read metrics about disk IO by device
# 通过device读取有关磁盘IO的指标
[[inputs.diskio]]

# Get kernel statistics from /proc/stat
# 通过/proc/stat获取内核统计信息
[[inputs.kernel]]
  # no configuration

# Read metrics about memory usage
# 读取有关内存使用量的指标
[[inputs.mem]]
  # no configuration

# Get the number of processes and group them by status
# 获取进程的数量并按状态分组
[[inputs.processes]]
  # no configuration

# Read metrics about swap memory usage
# 读取有关交换内存使用量的指标
[[inputs.swap]]
  # no configuration

# Read metrics about system load & uptime
# 读取有关系统负载和运行时间的指标
[[inputs.system]]
  # no configuration
复制代码

其具体采集数据如下（其中第一级别为measurements，第二级别为字段（省略了时间戳字段））：

- cpu[units: percent (out of 100)]
    - usage_guest      float
    - usage_guest_nice float
    - usage_idle       float
    - usage_iowait     float
    - usage_irq        float
    - usage_nice       float
    - usage_softirq    float
    - usage_steal      float
    - usage_system     float
    - usage_user       float
- disk
    - free         integer
    - inodes_free  integer
    - inodes_total integer
    - inodes_used  integer
    - total        integer
    - used         integer
    - used_percent float
- diskio
    - io_time          integer
    - iops_in_progress integer
    - read_bytes       integer
    - read_time        integer
    - reads            integer
    - weighted_io_time integer
    - write_bytes      integer
    - write_time       integer
    - writes           integer
- kernel
    - boot_time        integer
    - context_switches integer
    - entropy_avail    integer
    - interrupts       integer
    - processes_forked integer
- mem
    - active            integer
    - available         integer
    - available_percent float
    - buffered          integer
    - cached            integer
    - free              integer
    - inactive          integer
    - slab              integer
    - total             integer
    - used              integer
    - used_percent      float
    - wired             integer
- processes
    - blocked       integer
    - dead          integer
    - idle          integer
    - paging        integer
    - running       integer
    - sleeping      integer
    - stopped       integer
    - total         integer
    - total_threads integer
    - unknown       integer
    - zombies       integer
- swap
    - free         integer
    - in           integer
    - out          integer
    - total        integer
    - used         integer
    - used_percent float
- system
    - load1         float
    - load15        float
    - load5         float
    - n_cpus        integer
    - n_users       integer
    - uptime        integer
    - uptime_format string
复制代码

如何查找指标及其采集数据

telegraf主要分为输入插件和输入插件，其源码目录分别对应 plugins/inputs 和 plugins/outputs ，你只要参考telegraf官档找到你所需要的插件然后去到源码对应的目录找到相应的 .md 文件，按照提示获取相关信息进行配置即可。

启用telegraf服务后，你会发现在influxdb中多了一个telegraf的库，其中有多个measurement，这说明我们的数据采集已经成功了。有了数据以后，我们需要关心的是如何把数据聚合然后进行展示。下面将介绍一款可视化套件grafana。

Grafana

Grafana是一个开源指标分析和可视化套件，常用于可视化基础设施的性能数据和应用程序分析的时间序列数据。也可以应用于其他领域，包括工业传感器，家庭自动化，天气和过程控制。但请注意，我们使用Grafana最关心的是如何把数据进行聚合后进行展示。

Grafana支持多种不同的时序数据库数据源，Grafana对每种数据源提供不同的查询方法，而且能很好的支持每种数据源的特性。它支持下面几种数据源：Graphite、Elasticsearch、CloudWatch、InfluxDB、OpenTSDB、Prometheus、 MySQL 、Postgres、Microsoft SQL Server (MSSQL)。每种数据源都有相应的文档，您可以将多个数据源的数据合并到一个单独的仪表板上，本文只举例influxdb数据源的应用。

下载并安装Telegraf：

# 安装grafana
wget https://s3-us-west-2.amazonaws.com/grafana-releases/release/grafana-5.1.2-1.x86_64.rpm 
# 启动服务、添加开机启动：
systemctl enable grafana-server
systemctl start grafana-server
# 配置
配置文件 /etc/grafana/grafana.ini
systemd服务名 grafana-server.service
默认日志文件 /var/log/grafana/grafana.log
默认数据库文件 /var/lib/grafana/grafana.db
复制代码

简单使用

启动服务后访问 http://localhost:3000 ，默认端口为 3000 ，可在配置文件修改。默认用户名和密码为admin/admin。登录后按照提示配置数据源：

接着创建一个dashboard：

我们先选择导入模板的方式来预览效果，再来了解grafana/dashboard的相关配置，这里选择官方提供的一套 Telegraf: system dashboard ，地址 https://grafana.com/dashboards/928 。请你根据它的提示配置你的telegraf。然后在dashboards中选择 import->Upload.jsonFile ，将下载的模板导入：

查看结果：

你还可以安装一些插件，例如安装一款时间面板插件。

安装方式是到你的/var/lib/grafana/plugins目录下执行grafana-cli工具安装插件，下面安装时间面板插件：

> sudo grafana-cli plugins install grafana-clock-panel
 installing grafana-clock-panel @ 0.0.9
 from url: https://grafana.com/api/plugins/grafana-clock-panel/versions/0.0.9/download
 into: /var/lib/grafana/plugins
 
 ✔ Installed grafana-clock-panel successfully 
  
 Restart grafana after installing plugins . <service grafana-server restart>

# 重启服务
> sudo systemctl restart grafana-server
复制代码

自己动手配置几个

我们创建一个新的dashboard，Dashboard由多个Row组成，一行Row分为12列，我们可以自定义面板的Span宽度和高度。现在我们选择添加一个Singlestat（如果是绘制线性表选Graph），然后点击Panel Title->Edit编辑我们的面板信息，默认打开Metrics视图，我们修改后得到如下信息：

我们修改options中的单位和颜色：

同样的，你可以尝试添加其他的面板实现下面效果：

Grafana的功能非常丰富，在这里不能详细叙述，请您参考官档了解更多： http://docs.grafana.org/features/datasources/