TiDB 集群监控部署

TiDB 集群监控部署

本文档适用于希望手动部署 TiDB 监控报警系统的用户。TiUP 部署方式，会同时自动部署监控报警系统，无需手动部署。

部署 Prometheus 和 Grafana

假设 TiDB 的拓扑结构如下：

节点	主机 IP	服务
Node1	192.168.199.113	PD1, TiDB, node_export, Prometheus, Grafana
Node2	192.168.199.114	PD2, node_export
Node3	192.168.199.115	PD3, node_export
Node4	192.168.199.116	TiKV1, node_export
Node5	192.168.199.117	TiKV2, node_export
Node6	192.168.199.118	TiKV3, node_export

第 1 步：下载二进制包

下载二进制包：

1. wget https://download.pingcap.org/prometheus-2.27.1.linux-amd64.tar.gz
2. wget https://download.pingcap.org/node_exporter-0.17.0.linux-amd64.tar.gz
3. wget https://download.pingcap.org/grafana-7.5.11.linux-amd64.tar.gz

解压二进制包：

1. tar -xzf prometheus-2.27.1.linux-amd64.tar.gz
2. tar -xzf node_exporter-0.17.0.linux-amd64.tar.gz
3. tar -xzf grafana-7.5.11.linux-amd64.tar.gz

第 2 步：在 Node1，Node2，Node3，Node4 上启动 `node_exporter`

1. cd node_exporter-0.17.0.linux-amd64

启动 node_exporter 服务：

1. ./node_exporter --web.listen-address=":9100" \
2. --log.level="info" &

第 3 步：在 Node1 上启动 Prometheus

编辑 Prometheus 的配置文件：

1. cd prometheus-2.27.1.linux-amd64 &&
2. vi prometheus.yml

1. ...

3. global:
4. scrape_interval:     15s
5. evaluation_interval: 15s
6. # scrape_timeout 设置为全局默认值 (10s)
7. external_labels:
8. cluster: 'test-cluster'
9. monitor: "prometheus"

11. scrape_configs:
12. - job_name: 'overwritten-nodes'
13. honor_labels: true  # 不要覆盖 job 和实例的 label
14. static_configs:
15. - targets:
16. - '192.168.199.113:9100'
17. - '192.168.199.114:9100'
18. - '192.168.199.115:9100'
19. - '192.168.199.116:9100'
20. - '192.168.199.117:9100'
21. - '192.168.199.118:9100'

23. - job_name: 'tidb'
24. honor_labels: true  # 不要覆盖 job 和实例的 label
25. static_configs:
26. - targets:
27. - '192.168.199.113:10080'

29. - job_name: 'pd'
30. honor_labels: true  # 不要覆盖 job 和实例的 label
31. static_configs:
32. - targets:
33. - '192.168.199.113:2379'
34. - '192.168.199.114:2379'
35. - '192.168.199.115:2379'

37. - job_name: 'tikv'
38. honor_labels: true  # 不要覆盖 job 和实例的 label
39. static_configs:
40. - targets:
41. - '192.168.199.116:20180'
42. - '192.168.199.117:20180'
43. - '192.168.199.118:20180'

45. ...

启动 Prometheus 服务：

1. ./prometheus \
2. --config.file="./prometheus.yml" \
3. --web.listen-address=":9090" \
4. --web.external-url="http://192.168.199.113:9090/" \
5. --web.enable-admin-api \
6. --log.level="info" \
7. --storage.tsdb.path="./data.metrics" \
8. --storage.tsdb.retention="15d" &

第 4 步：在 Node1 上启动 Grafana

编辑 Grafana 的配置文件：

1. cd grafana-7.5.11 &&
2. vi conf/grafana.ini

1. ...

3. [paths]
4. data = ./data
5. logs = ./data/log
6. plugins = ./data/plugins
7. [server]
8. http_port = 3000
9. domain = 192.168.199.113
10. [database]
11. [session]
12. [analytics]
13. check_for_updates = true
14. [security]
15. admin_user = admin
16. admin_password = admin
17. [snapshots]
18. [users]
19. [auth.anonymous]
20. [auth.basic]
21. [auth.ldap]
22. [smtp]
23. [emails]
24. [log]
25. mode = file
26. [log.console]
27. [log.file]
28. level = info
29. format = text
30. [log.syslog]
31. [event_publisher]
32. [dashboards.json]
33. enabled = false
34. path = ./data/dashboards
35. [metrics]
36. [grafana_net]
37. url = https://grafana.net

39. ...

启动 Grafana 服务：

1. ./bin/grafana-server \
2. --config="./conf/grafana.ini" &

配置 Grafana

本小节介绍如何配置 Grafana。

第 1 步：添加 Prometheus 数据源

登录 Grafana 界面。
默认地址：http://localhost:3000
默认账户：admin
默认密码：admin

注意：

Change Password 步骤可以选择 Skip。 2. 点击 Grafana 侧边栏菜单 Configuration 中的 Data Source。 3. 点击 Add data source。 4. 指定数据源的相关信息：
在 Name 处，为数据源指定一个名称。
在 Type 处，选择 Prometheus。
在 URL 处，指定 Prometheus 的 IP 地址。
根据需求指定其它字段。
点击 Add 保存新的数据源。

第 2 步：导入 Grafana 面板

执行以下步骤，为 PD Server、TiKV Server 和 TiDB Server 分别导入 Grafana 面板：

点击侧边栏的 Grafana 图标。
在侧边栏菜单中，依次点击 Dashboards > Import 打开 Import Dashboard 窗口。
点击 Upload .json File 上传对应的 JSON 文件（下载 TiDB Grafana 配置文件。

注意：

TiKV、PD 和 TiDB 面板对应的 JSON 文件分别为 tikv_summary.json，tikv_details.json，tikv_trouble_shooting.json，pd.json，tidb.json，tidb_summary.json。 4. 点击 Load。 5. 选择一个 Prometheus 数据源。 6. 点击 Import，Prometheus 面板即导入成功。

查看组件 metrics

在顶部菜单中，点击 New dashboard，选择要查看的面板。

可查看以下集群组件信息：

TiDB Server:
query 处理时间，可以看到延迟和吞吐
ddl 过程监控
TiKV client 相关的监控
PD client 相关的监控
PD Server:
命令执行的总次数
某个命令执行失败的总次数
某个命令执行成功的耗时统计
某个命令执行失败的耗时统计
某个命令执行完成并返回结果的耗时统计
TiKV Server:
GC 监控
执行 KV 命令的总次数
Scheduler 执行命令的耗时统计
Raft propose 命令的总次数
Raft 执行命令的耗时统计
Raft 执行命令失败的总次数
Raft 处理 ready 状态的总次数

手动部署监控