• Monitor & Alert 监控和报警
    • 组件
    • 监控数据
    • 监控架构
    • 开始搭建
      • Prometheus
      • Grafana
    • Dashboard 说明
    • Dashboard 更新

    Monitor & Alert 监控和报警

    本文档主要介绍 Doris 的监控项及如何采集、展示监控项。以及如何配置报警（TODO）

    Dashborad 模板点击下载（20181028 更新）

    Dashboard 模板会不定期更新。更新模板的方式见最后一小节。

    欢迎提供更优的 dashboard。

    组件

    Doris 使用 Prometheus 和 Grafana 进项监控项的采集和展示。

    Monitor & Alert 监控和报警 - 图1

    • Prometheus

    Prometheus 是一款开源的系统监控和报警套件。它可以通过 Pull 或 Push 采集被监控系统的监控项，存入自身的时序数据库中。并且通过丰富的多维数据查询语言，满足用户的不同数据展示需求。

    • Grafana

    Grafana 是一款开源的数据分析和展示平台。支持包括 Prometheus 在内的多个主流时序数据库源。通过对应的数据库查询语句，从数据源中获取展现数据。通过灵活可配置的 Dashboard，快速的将这些数据以图表的形式展示给用户。

    注: 本文档仅提供一种使用 Prometheus 和 Grafana 进行 Doris 监控数据采集和展示的方式。原则上不开发、维护这些组件。更多关于这些组件的详细介绍，请移步对应官方文档进行查阅。

    监控数据

    Doris 的监控数据通过 Frontend 和 Backend 的 http 接口向外暴露。监控数据以 Key-Value 的文本形式对外展现。每个 Key 还可能有不同的 Label 加以区分。当用户搭建好 Doris 后，可以在浏览器，通过以下接口访问到节点的监控数据：

    • Frontend: fe_host:fe_http_port/metrics
    • Backend: be_host:be_web_server_port/metrics
    • Broker: 暂不提供
      用户将看到如下监控项结果（示例为 FE 部分监控项）：
    1. ```
    2. # HELP  jvm_heap_size_bytes jvm heap stat
    3. # TYPE  jvm_heap_size_bytes gauge
    4. jvm_heap_size_bytes{type="max"} 41661235200
    5. jvm_heap_size_bytes{type="committed"} 19785285632
    6. jvm_heap_size_bytes{type="used"} 10113221064
    7. # HELP  jvm_non_heap_size_bytes jvm non heap stat
    8. # TYPE  jvm_non_heap_size_bytes gauge
    9. jvm_non_heap_size_bytes{type="committed"} 105295872
    10. jvm_non_heap_size_bytes{type="used"} 103184784
    11. # HELP  jvm_young_size_bytes jvm young mem pool stat
    12. # TYPE  jvm_young_size_bytes gauge
    13. jvm_young_size_bytes{type="used"} 6505306808
    14. jvm_young_size_bytes{type="peak_used"} 10308026368
    15. jvm_young_size_bytes{type="max"} 10308026368
    16. # HELP  jvm_old_size_bytes jvm old mem pool stat
    17. # TYPE  jvm_old_size_bytes gauge
    18. jvm_old_size_bytes{type="used"} 3522435544
    19. jvm_old_size_bytes{type="peak_used"} 6561017832
    20. jvm_old_size_bytes{type="max"} 30064771072
    21. # HELP  jvm_direct_buffer_pool_size_bytes jvm direct buffer pool stat
    22. # TYPE  jvm_direct_buffer_pool_size_bytes gauge
    23. jvm_direct_buffer_pool_size_bytes{type="count"} 91
    24. jvm_direct_buffer_pool_size_bytes{type="used"} 226135222
    25. jvm_direct_buffer_pool_size_bytes{type="capacity"} 226135221
    26. # HELP  jvm_young_gc jvm young gc stat
    27. # TYPE  jvm_young_gc gauge
    28. jvm_young_gc{type="count"} 2186
    29. jvm_young_gc{type="time"} 93650
    30. # HELP  jvm_old_gc jvm old gc stat
    31. # TYPE  jvm_old_gc gauge
    32. jvm_old_gc{type="count"} 21
    33. jvm_old_gc{type="time"} 58268
    34. # HELP  jvm_thread jvm thread stat
    35. # TYPE  jvm_thread gauge
    36. jvm_thread{type="count"} 767
    37. jvm_thread{type="peak_count"} 831
    38. ...
    39. ```

    这是一个以 Promethus 格式 呈现的监控数据。我们以其中一个监控项为例进行说明：

    1. # HELP  jvm_heap_size_bytes jvm heap stat
    2. # TYPE  jvm_heap_size_bytes gauge
    3. jvm_heap_size_bytes{type="max"} 41661235200
    4. jvm_heap_size_bytes{type="committed"} 19785285632
    5. jvm_heap_size_bytes{type="used"} 10113221064
    • “#” 开头的行为注释行。其中 HELP 为该监控项的描述说明；TYPE 表示该监控项的数据类型，示例中为 Gauge，即标量数据。还有 Counter、Histogram 等数据类型。具体可见 Prometheus 官方文档 。
    • jvm_heap_size_bytes 即监控项的名称（Key）；type="max" 即为一个名为 type 的 Label，值为 max。一个监控项可以有多个 Label。
    • 最后的数字，如 41661235200，即为监控数值。

    监控架构

    整个监控架构如下图所示：

    Monitor & Alert 监控和报警 - 图2

    • 黄色部分为 Prometheus 相关组件。Prometheus Server 为 Prometheus 的主进程，目前 Prometheus 通过 Pull 的方式访问 Doris 节点的监控接口，然后将时序数据存入时序数据库 TSDB 中（TSDB 包含在 Prometheus 进程中，无需单独部署）。Prometheus 也支持通过搭建 Push Gateway 的方式，允许被监控系统将监控数据通过 Push 的方式推到 Push Gateway, 再由 Prometheus Server 通过 Pull 的方式从 Push Gateway 中获取数据。
    • Alert Manager 为 Prometheus 报警组件，需单独部署（暂不提供方案，可参照官方文档自行搭建）。通过 Alert Manager，用户可以配置报警策略，接收邮件、短信等报警。
    • 绿色部分为 Grafana 相关组件。Grafana Server 为 Grafana 的主进程。启动后，用户可以通过 Web 页面对 Grafana 进行配置，包括数据源的设置、用户设置、Dashboard 绘制等。这里也是最终用户查看监控数据的地方。

    开始搭建

    请在完成 Doris 的部署后，开始搭建监控系统。

    Prometheus

    • 在 Prometheus 官网 下载最新版本的 Prometheus。这里我们以 2.3.2-linux-amd64 版本为例。
    • 在准备运行监控服务的机器上，解压下载后的 tar 文件。
    • 打开配置文件 promethues.yml。这里我们提供一个示例配置并加以说明（配置文件为 yml 格式，一定注意统一的缩进和空格）：
      这里我们使用最简单的静态文件的方式进行监控配置。Prometheus 支持多种 服务发现 方式，可以动态的感知节点的加入和删除。
    1. # my global config
    2. global:
    3.   scrape_interval:     15s # 全局的采集间隔，默认是 1m，这里设置为 15s
    4.   evaluation_interval: 15s # 全局的规则触发间隔，默认是 1m，这里设置 15s
    6. # Alertmanager configuration
    7. alerting:
    8.   alertmanagers:
    9.   - static_configs:
    10.     - targets:
    11.       # - alertmanager:9093
    13. # A scrape configuration containing exactly one endpoint to scrape:
    14. # Here it's Prometheus itself.
    15. scrape_configs:
    16.   # The job name is added as a label `job=<job_name>` to any timeseries scraped from this config.
    17.   - job_name: 'PALO_CLUSTER' # 每一个 Doris 集群，我们称为一个 job。这里可以给 job 取一个名字，作为 Doris 集群在监控系统中的名字。
    18.     metrics_path: '/metrics' # 这里指定获取监控项的 restful api。配合下面的 targets 中的 host:port，Prometheus 最终会通过 host:port/metrics_path 来采集监控项。
    19.     static_configs: # 这里开始分别配置 FE 和 BE 的目标地址。所有的 FE 和 BE 都分别写入各自的 group 中。
    20.       - targets: ['fe_host1:8030', 'fe_host2:8030', 'fe_host3:8030']
    21.         labels:
    22.           group: fe # 这里配置了 fe 的 group，该 group 中包含了 3 个 Frontends
    24.       - targets: ['be_host1:8040', 'be_host2:8040', 'be_host3:8040']
    25.         labels:
    26.           group: be # 这里配置了 be 的 group，该 group 中包含了 3 个 Backends
    28.   - job_name: 'PALO_CLUSTER_2' # 我们可以在一个 Prometheus 中监控多个 Doris 集群，这里开始另一个 Doris 集群的配置。配置同上，以下略。
    29.     metrics_path: '/metrics'
    30.     static_configs: 
    31.       - targets: ['fe_host1:8030', 'fe_host2:8030', 'fe_host3:8030']
    32.         labels:
    33.           group: fe 
    35.       - targets: ['be_host1:8040', 'be_host2:8040', 'be_host3:8040']
    36.         labels:
    37.           group: be
    • 启动 Promethues

    通过以下命令启动 Promethues：

    nohup ./prometheus —web.listen-address="0.0.0.0:8181" &

    该命令将后台运行 Prometheus，并指定其 web 端口为 8181。启动后，即开始采集数据，并将数据存放在 data 目录中。

    • 停止 Promethues

    目前没有发现正式的进程停止方式，直接 kill -9 即可。当然也可以将 Prometheus 设为一种 service，以 service 的方式启停。

    • 访问 Prometheus

    Prometheus 可以通过 web 页面进行简单的访问。通过浏览器打开 8181 端口，即可访问 Prometheus 的页面。点击导航栏中，Status -> Targets，可以看到所有分组 Job 的监控主机节点。正常情况下，所有节点都应为 UP，表示数据采集正常。点击某一个 Endpoint，即可看到当前的监控数值。如果节点状态不为 UP，可以先访问 Doris 的 metrics 接口（见前文）检查是否可以访问，或查询 Prometheus 相关文档尝试解决。

    • 至此，一个简单的 Prometheus 已经搭建、配置完毕。更多高级使用方式，请参阅 官方文档

    Grafana

    • 在 Grafana 官网 下载最新版本的 Grafana。这里我们以 5.2.1.linux-amd64 版本为例。

    • 在准备运行监控服务的机器上，解压下载后的 tar 文件。

    • 打开配置文件 conf/defaults.ini。这里我们仅列举需要改动的配置项，其余配置可使用默认。

    1. # Path to where grafana can store temp files, sessions, and the sqlite3 db (if that is used)
    2. data = data
    4. # Directory where grafana can store logs
    5. logs = data/log
    7. # Protocol (http, https, socket)
    8. protocal = http
    10. # The ip address to bind to, empty will bind to all interfaces
    11. http_addr =
    13. # The http port to use
    14. http_port = 8182
    • 启动 Grafana

    通过以下命令启动 Grafana

    nohuo ./bin/grafana-server &

    该命令将后台运行 Grafana，访问端口为上面配置的 8182

    • 停止 Grafana

    目前没有发现正式的进程停止方式，直接 kill -9 即可。当然也可以将 Grafana 设为一种 service，以 service 的方式启停。

    • 访问 Grafana

    通过浏览器，打开 8182 端口，可以开始访问 Grafana 页面。默认用户名密码为 admin。

    • 配置 Grafana

    初次登陆，需要根据提示设置数据源（data source）。我们这里的数据源，即上一步配置的 Prometheus。

    数据源配置的 Setting 页面说明如下：

    • Name: 数据源的名称，自定义，比如 doris_monitor_data_source
    • Type: 选择 Prometheus
    • URL: 填写 Prometheus 的 web 地址，如 http://host:8181
    • Access: 这里我们选择 Server 方式，即通过 Grafana 进程所在服务器，访问 Prometheus。
    • 其余选项默认即可。
    • 点击最下方 Save & Test，如果显示 Data source is working，即表示数据源可用。
    • 确认数据源可用后，点击左边导航栏的 + 号，开始添加 Dashboard。这里我们已经准备好了 Doris 的 Dashboard 模板（本文档开头）。下载完成后，点击上方的 New dashboard->Import dashboard->Upload .json File，将下载的 json 文件导入。
    • 导入后，可以命名 Dashboard，默认是 Doris Overview。同时，需要选择数据源，这里选择之前创建的 doris_monitor_data_source
    • 点击 Import，即完成导入。之后，可以看到 Doris 的 Dashboard 展示。
      • 至此，一个简单的 Grafana 已经搭建、配置完毕。更多高级使用方式，请参阅 官方文档

    Dashboard 说明

    这里我们简要介绍 Doris Dashboard。Dashboard 的内容可能会随版本升级，不断变化，本文档不保证是最新的 Dashboard 说明。

    • 顶栏

    Monitor & Alert 监控和报警 - 图3

    • 左上角为 Dashboard 名称。
    • 右上角显示当前监控时间范围，可以下拉选择不同的时间范围，还可以指定定时刷新页面间隔。
    • cluster_name: 即 Prometheus 配置文件中的各个 job_name，代表一个 Doris 集群。选择不同的 cluster，下方的图表将展示对应集群的监控信息。
    • fe_master: 对应集群的 Master Frontend 节点。
    • fe_instance: 对应集群的所有 Frontend 节点。选择不同的 Frontend，下方的图表将展示对应 Frontend 的监控信息。
    • be_instance: 对应集群的所有 Backend 节点。选择不同的 Backend，下方的图表将展示对应 Backend 的监控信息。
    • interval: 有些图表展示了速率相关的监控项，这里可选择以多大间隔进行采样计算速率（注：15s 间隔可能导致一些图表无法显示）。
      • Row

    Monitor & Alert 监控和报警 - 图4

    Grafana 中，Row 的概念，即一组图表的集合。如上图中的 Overview、Cluster Overview 即两个不同的 Row。可以通过点击 Row，对 Row 进行折叠。当前 Dashboard 有如下 Rows（持续更新中）：

    • Overview: 所有 Doris 集群的汇总展示。
    • Cluster Overview: 选定集群的汇总展示。
    • Query Statistic: 选定集群的查询相关监控。
    • FE JVM: 选定 Frontend 的 JVM 监控。
    • BE: 选定集群的 Backends 的汇总展示。
    • BE Task: 选定集群的 Backends 任务信息的展示。
      • 图表

    Monitor & Alert 监控和报警 - 图5

    一个典型的图标分为以下几部分：

    • 鼠标悬停左上角的 i 图标，可以查看该图表的说明。
    • 点击下方的图例，可以单独查看某一监控项。再次点击，则显示所有。
    • 在图表中拖拽可以选定时间范围。
    • 标题的 [] 中显示选定的集群名称。
    • 一些数值对应左边的Y轴，一些对应右边的，可以通过图例末尾的 -right 区分。
    • 点击图表名称->Edit，可以对图表进行编辑。

    Dashboard 更新

    • 点击 Grafana 左边栏的 +，点击 Dashboard。
    • 点击左上角的 New dashboard，在点击右侧出现的 Import dashboard。
    • 点击 Upload .json File，选择最新的模板文件。
    • 选择数据源
    • 点击 Import(Overwrite)，完成模板更新。

    原文: http://doris.apache.org/guides/monitor-alert.html