数据传输 | 如何搭建 DTLE 的监控系统

爱可生开源社区

发布于 2021-09-08 15:39:10

5080

发布于 2021-09-08 15:39:10

文章被收录于专栏：爱可生开源社区

背景：

虽然在 DTLE 的文档里提供各种监控项的介绍，但是对于不熟悉 prometheus 和 grafana 配置的同学来说上手还是有些难度的。今天我就使用 DTLE 3.21.07.0 来搭建一个 DTLE 的监控系统。

一、搭建 DTLE 运行环境

配置两个节点的 DTLE 集群来演示,其拓扑如下:

在修改 DTLE 配置文件的时候需要注意以下两点：

开启 DTLE 的监控，确保 publish_metrics 的值为 ture
开启 nomad 的监控，确保正确配置 telemetry (https://www.nomadproject.io/docs/configuration/telemetry)

这里以dtle-src-1的配置为例，具体配置参考节点配置(https://github.com/actiontech/dtle-docs-cn/blob/master/4/4.1_node_configuration.md):

# DTLE 3.21.07.0中nomad升级为1.1.2，需要添加如下配置使nomad提供监控数据
# 之前版本的DTLE无需添加此配置
telemetry {
  prometheus_metrics         = true
  collection_interval        = "15s"
}

plugin "dtle" {
  config {
    data_dir = "/opt/dtle/var/lib/nomad"
    nats_bind = "10.186.63.20:8193"
    nats_advertise = "10.186.63.20:8193"
    # Repeat the consul address above.
    consul = "10.186.63.76:8500"

    # By default, API compatibility layer is disabled.
    api_addr = "10.186.63.20:8190"   # for compatibility API
    nomad_addr = "10.186.63.20:4646" # compatibility API need to access a nomad server

    publish_metrics = true
    stats_collection_interval = 15
  }
}

添加两个 job 模拟两个 MySQL 实例之间传输数据

二、部署prometheus

准备 prometheus 配置文件同时接收 nomad 和 DTLE 的 metrics
DTLE 监控 labels:instance 的值建议设置为 DTLE 服务器的 hostname

shell> cat /path/to/prometheus.yml
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_configs:
  - job_name: 'nomad'
    scrape_interval: 15s
    metrics_path: '/v1/metrics'
    params:
      format: ['prometheus']
    static_configs:
      - targets: ['10.186.63.20:4646']
        labels:
          instance: nomad-src-1
      - targets: ['10.186.63.76:4646']
        labels:
          instance: nomad-dest-1

  - job_name: 'dtle'
    scrape_interval: 15s
    metrics_path: '/metrics'
    static_configs:
      - targets: ['10.186.63.20:8190']
        labels:
          instance: dtle-src-1
      - targets: ['10.186.63.76:8190']
        labels:
          instance: dtle-dest-1

利用 docker 部署 prometheus 服务

  shell> docker run -itd -p 9090:9090 --name=prometheus --hostname=prometheus --restart=always -v /path/to/prometheus.yml:/etc/prometheus/prometheus.yml prom/prometheus

在浏览器上访问 prometheus 的页面 http://${prometheus_server_ip}:9090/targets 验证配置生效

三、部署 grafana

利用 docker 部署 grafana 服务

  shell> docker run -d --name=grafana -p 3000:3000 grafana/grafana

在浏览器上访问 grafana 的页面 http://${grafana_server_ip}:3000 ，使用默认用户 admin/admin登录
配置添加数据源

选择添加 promethues

只需将 promethues 的访问地址添加到URL中，点击“sava & test”按钮

添加 panel

以添加一个CPU使用率监控为例配置一个 panel

四、常用的监控项

nomad 所有监控项：https://www.nomadproject.io/docs/operations/metrics

DTLE 所有监控项：https://actiontech.github.io/dtle-docs-cn/3/3.4_metrics.html

说明	公式示例	单位
CPU使用率(总计)	sum(rate(process_cpu_seconds_total{instance=~"nomad-src-1\|dtle-src-1"}[60s])) * 100	Misc / Percent(0-100)
CPU使用率(DTLE )	rate(process_cpu_seconds_total{instance="dtle-src-1"}[60s]) * 100	Misc / Percent(0-100)
CPU使用率(nomad)	rate(process_cpu_seconds_total{instance="nomad-src-1"}[60s]) * 100	Misc /Percent(0-100)
内存使用(总计)	sum(process_resident_memory_bytes{instance=~"nomad-src-1\|dtle-src-1"}) /1024 /1024	Data / mebibyte
内存使用(DTLE )	process_resident_memory_bytes{instance="dtle-src-1"} /1024 /1024	Data / mebibyte
内存使用(nomad)	process_resident_memory_bytes{instance="nomad-src-1"} /1024 /1024	Data / mebibyte
带宽(总计 - 源端发送)	sum(increase(dtle_network_out_bytes{host="dtle-src-1"}[30s]) /30 /1024) * 8	Data rate / kibibits/sec
带宽(按task分组 - 源端发送)	increase(dtle_network_out_bytes{host="dtle-src-1"}[30s]) /30 /1024 * 8	Data rate / kibibits/sec
带宽(总计 - 目标端接收)	sum(increase(dtle_network_in_bytes{host="dtle-dest-1"}[30s]) /30 /1024) * 8	Data rate / kibibits/sec
带宽(按task分组 - 目标端接收)	increase(dtle_network_in_bytes{host="dtle-dest-1"}[30s]) /30 /1024 * 8	Data rate / kibibits/sec
数据延迟(源端)	dtle_delay_time{host="dtle-src-1"}	Time / seconds(s)
数据延迟(目标端)	dtle_delay_time{host="dtle-dest-1"}	Time / seconds(s)
TPS(源端)	irate(dtle_src_extracted_incr_tx_count[30s])	Misc / none
TPS(目标端)	irate(dtle_dest_applied_incr_tx_count[30s])	Misc / none
Buffer(源端)	dtle_buffer_src_queue_size	Misc / none
Buffer(目标端)	dtle_buffer_dest_queue_size	Misc / none