## 入门教程
---
本篇是一篇`hello，world`风格的入门指南，使用一个简单的例子，向大家演示怎么样安装、配置和使用Prometheus。你可以下载和本地运行Prometheus服务，通过配置文件收集Prometheus服务自己产生的数据，并在这些收集数据的基础上，进行查询、制定规则和图表化显示所关心的数据
### 下载和运行Prometheus
最新稳定版[下载地址](https://prometheus.io/download), 选择合适的平台，然后提取并运行它
> tar xvfz prometheus-*.tar.gz
> cd prometheus-*
在运行Prometheus服务之前，我们需要指定一个该服务运行所需要的配置文件
### 配置Prometheus服务监控本身
Prometheus通过Http方式拉取目标机上的度量指标。Prometheus服务也暴露自己运行所产生的数据，它能够抓取和监控自己的健康状况。
实际上，Prometheus服务收集自己运行所产生的时间序列数据，是没有什么意义的。但是它是一个非常好的入门级教程。保存一下的Prometheus配置到文件中，并自定义命名该文件名，如：prometheus.yml
```prometheus.yml
global:
scrape_interval: 15s # By default, scrape targets every 15 seconds.
# Attach these labels to any time series or alerts when communicating with
# external systems (federation, remote storage, Alertmanager).
external_labels:
monitor: 'codelab-monitor'
# A scrape configuration containing exactly one endpoint to scrape:
# Here its 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'
# Override the global default and scrape targets from this job every 5 seconds.
scrape_interval: 5s
static_configs:
- targets: ['localhost:9090']
```
一个完整的配置选项，可以查看[文件文档](https://prometheus.io/docs/operating/configuration)
### 启动Prometheus服务
cd到Prometheus服务目录，并指定刚刚自定义好的配置文件，并启动Prometheus服务, 如下所示：
> start Prometheus.
> By default, Prometheus stores its database in ./data (flag -storage.local.path).
> ./prometheus -config.file={$dir}/prometheus.yml # $dir = absolutely/relative path
Prometheus服务启动成功后，然后再打开浏览器在页面上数据[http://localhost:9090](http://localhost:9090/). 服务运行几秒后，会开始收集自身的时间序列数据
你也可以通过在浏览器输入[http://localhost:9090/metrics](http://localhost:9090/metrics), 直接查看Prometheus服务收集到的自身数据
Prometheus服务执行的操作系统线程数量由GOMAXPROCS环境变量控制。从Go 1.5开始，默认值是可用的CPUs数量
盲目地设置`GOMAXPROCS`到一个比较高德值，有可能会适得其反。见[Go FAQs](http://golang.org/doc/faq#Why_no_multi_CPU)
注意：Prometheus服务默认需要3GB的内存代销。如果你的机器内存比较小， 你可以调整Prometheus服务使用更少的内存。详细见[内存使用文档](https://prometheus.io/docs/operating/storage/#memory-usage)
### 使用表达式浏览器
我们试着查看一些Prometheus服务自身产生的数据。为了使用Prometheus内置表达式浏览器，可以在浏览器中数据[http://localhost:9090/graph](http://localhost:9090/graph), 选择"Console"视图，同一层级还有"Graph"tab。
如果你可以从[http://localhost:9090/metrics](http://localhost:9090/metrics)查看到收集的度量指标数据，那么其中有一个指标数据名称为`prometheus_target_interval_length_seconds`(两次抓取数据之间的时间差)可以被提取出来，可以在表达式控制框中输入：
> prometheus_target_interval_length_seconds
它应该会返回带有`prometheus_target_interval_length_seconds`度量指标的许多时间序列数据，只是带有不能标签, 这些标签有不同的延迟百分比和目标群组之间的间隔。
如果我们仅仅对p99延迟感兴趣，我们使用下面的查询表达式收集该信息
> prometheus_target_interval_length_seconds{quantile="0.99"}
为了统计时间序列数据记录的总数量，你可以写：
> count(prometheus_target_interval_length_seconds)
更多的表达式语言，详见[表达式语言文档](https://prometheus.io/docs/querying/basics/)
### 使用图形界面
使用[http://localhost:9090/graph](http://localhost:9090/graph)链接，查看图表"Graph"。
例如：输入下面的表达式，绘制在Prometheus服务中每秒存储的速率.
> rate(prometheus_local_storage_chunk_ops_total[1m])
### 启动一些样本目标机
我们更感兴趣的是Prometheus服务抓取其他目标机的数据采样，并非自己的时间序列数据。Go客户库有一个例子，它会产生一些自己造的RPC延迟。启动三个带有不同的延时版本。
首先需要确保你有Go的环境
下载Go的Prometheus客户端，并运行下面三个服务：
```example
# Fetch the client library code and compile example.
git clone https://github.com/prometheus/client_golang.git
cd client_golang/examples/random
go get -d
go build
# Start 3 example targets in separate terminals:
./random -listen-address=:8080
./random -listen-address=:8081
./random -listen-address=:8082
```
你现在应该浏览器输入[http://localhost:8080/metrics](http://localhost:8080/metrics), [http://localhost:8081/metrics](http://localhost:8081/metrics), and [http://localhost:8082/metrics](http://localhost:8082/metrics), 会看到这些服务所产生的度量指标数据.
### 配置Prometheus服务，监听样本目标实例
现在我们将配置Prometheus服务，收集这三个例子的度量指标数据。我们把这三个服务实例命名为一个任务称为`example-random`， 并把8080端口服务和8081端口服务作为生产目标group，8082端口成为canary group。 为了在Prometheus服务中建模这个，我们需要添加两个群组到这个任务中，增加一些标签到不同的目标群组中。在这个例子中，我们会增加`group="production"`标签到带个目标组中，另外一个则是`group="canary"`
为了达到这个目的，在`prometheus.yml`配置文件中，增加下面任务定义到`scrape_config`区域中, 并重启Prometheus服务：
```example
scrape_configs:
- job_name: 'example-random'
# Override the global default and scrape targets from this job every 5 seconds.
scrape_interval: 5s
static_configs:
- targets: ['localhost:8080', 'localhost:8081']
labels:
group: 'production'
- targets: ['localhost:8082']
labels:
group: 'canary'
```
去表达式浏览器中验证Prometheus服务是否能统计到这两个群组的目标机度量数据，如：`rpc_durations_seconds`度量指标
### 为聚集到抓取的数据，设置规则并写入到新的时间序列中
当计算ad-hoc时，如果在累计到上千个时间序列数据的查询，可能会变慢。为了使这种多时间序列数据点查询更有效率，我们允许通过使用配置的记录规则，把预先记录表达式实时收集的数据存入到新的持久时间序列中。该例子中，如果我们对每秒RPCs数量(`rpc_durations_seconds_count`)的5分钟窗口流入的统计数量感兴趣的话。我们可以下面的表达式：
> avg(rate(rpc_durations_seconds_count)[5m]) by (job, service)
试着使用图形化这个表达式
为了存储这个表达式所统计到的数据，我们可以使用新的度量指标，如`job_service:rpc_durations_seconds_count:avg_rate5m`, 创建一个配置规则文件，并把该文件保存为`prometheus.rules`:
> job_service:rpc_durations_seconds_count:avg_rate5m = avg(rate(rpc_durations_seconds_count[5m])) by (job, service)
为了使Prometheus服务使用这个新的规则，在`prometheus.yml`配置文件的global配置区域添加一个`rule_files`语句。这个配置应该向下面这样写：
```example
global:
scrape_interval: 15s # By default, scrape targets every 15 seconds.
evaluation_interval: 15s # Evaluate rules every 15 seconds.
# Attach these extra labels to all timeseries collected by this Prometheus instance.
external_labels:
monitor: 'codelab-monitor'
rule_files:
- 'prometheus.rules'
scrape_configs:
- job_name: 'prometheus'
# Override the global default and scrape targets from this job every 5 seconds.
scrape_interval: 5s
static_configs:
- targets: ['localhost:9090']
- job_name: 'example-random'
# Override the global default and scrape targets from this job every 5 seconds.
scrape_interval: 5s
static_configs:
- targets: ['localhost:8080', 'localhost:8081']
labels:
group: 'production'
- targets: ['localhost:8082']
labels:
group: 'canary'
```
指定这个新的配置文件，并重启Prometheus服务。验证新的时间序列度量指标`job_service:rpc_durations_seconds_count:avg_rate5m`是否能够在Console控制框中查找出时间序列数据
