数据非常的重要，历史数据可以今我们分析目前的状况，为之后的决策指明了方向，而实时数据则可以帮助我们在一些场景中获得先机，譬如：监察购物降价通知。而我最近有个需求是想看看我的一些少数派文章的阅读数，评论数和充电数，在一个地方就能看到数据，可以分析那个时段最多views，什么类型的文章最符合大众口味，所以就有了这篇文章。
图示说明：
打开少数派的用户页面，F12开发者工具查看我的个人主页，这个接口返回的数据就不正确都是0，应该是服务器没有填充数据到模型。
但是在个人文章管理页面的接口是可以返回正确的数据，如下图所示：
再查看一下相关的请求是只要带JSON Web Token就可以了，然后查看了token的过期时间是一年，又因为登入是有验证机制，自动化成本就变高了，以最简单来实现就是拿登入之后的token来直接请求，设置一个提醒，到时过期再手动更换。源码地址 在此
根据上个章节的说明，可得出如下图所示：
创建一个sspai-exporter的容器服务，该工具定时地通过api抓取用户的后台数据，由prometheus定时拉取，然后将数据展示到我的grafana中，可以以图表的方式看到历史数据的变化，并且在一些数据添加alert条件，譬如在文章达到一千次views的时候，发送通知我，但alertmanger没有满足我的要求，因为涉及到状态的存储，暂时先不管这部分需求，之后再想着怎么处理。
在你的服务器，NAS或本地电脑，建一个文件夹来存放相关配置文件docker-compose.yaml和prometheus.yaml。
其中docker-compose.yaml定义了各种服务的配署，内容如下：
version: '3'
# 可重用的log配置
x-common-log-conf: &common_log_conf
logging:
driver: json-file
options:
max-size: 10m
max-file: 3
services:
prometheus:
container_name: prometheus
image: prom/prometheus:latest
volumes:
- prometheus_data:/prometheus
- ./prometheus.yaml:/etc/prometheus/prometheus.yml
command:
- '--config.file=/etc/prometheus/prometheus.yml'
- '--storage.tsdb.path=/prometheus'
- '--web.console.libraries=/usr/share/prometheus/console_libraries'
- '--web.console.templates=/usr/share/prometheus/consoles'
- '--web.enable-lifecycle'
ports:
- "9090:9090"
restart: unless-stopped
<<: *common_log_conf
grafana:
container_name: grafana
image: grafana/grafana-oss:latest
volumes:
- grafana_data:/var/lib/grafana
depends_on:
- prometheus
ports:
- "3000:3000"
restart: unless-stopped
<<: *common_log_conf
alertmanager:
container_name: alertmanager
image: prom/alertmanager:latest
ports:
- "9093:9093"
restart: unless-stopped
<<: *common_log_conf
sspai-exporter:
container_name: sspai-exporter
image: feimeizhan/sspai-prometheus-metrics:latest
environment:
# 用自己的token替换下面的值`${SSPAI_TOKEN}`
- SSPAI_TOKEN=${SSPAI_TOKEN}
ports:
- "4000:3000"
restart: unless-stopped
<<: *common_log_conf
volumes:
prometheus_data:
grafana_data:其中，sspai-exporter是上文提到的需要填写自己的JWT即可。可以访问一下http://localhost:4000/metrics查看最后是否有相应内容，看看是否抓取成功
prometheus.yaml是prometheus的配置文件，可以用来配置拉取sspai-exporter的数据，具体内容如下，更多配置可参考官方文档，其中需要注意的是，主动拉取的频率不能太高，否则就会变成攻击服务器了，控制的参数是scrape_interval，目前设置的是30分钟拉取一次，测试的时候可以改成5s。
# my global config
global:
# scrape_interval: 1m # 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_timeout is set to the global default (10s).
# Alertmanager configuration
alerting:
alertmanagers:
- static_configs:
- targets:
- alertmanager:9093
# Load rules once and periodically evaluate them according to the global 'evaluation_interval'.
rule_files:
# - "first_rules.yml"
# - "second_rules.yml"
# A scrape configuration containing exactly one endpoint to scrape:
# Here it's 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"
# metrics_path defaults to '/metrics'
# scheme defaults to 'http'.
static_configs:
- targets: ["localhost:9090"]
- job_name: sspai-info
scrape_interval: 30m
static_configs:
- targets: ['sspai-exporter:3000']另外，如果修改了该配置文件之后要马上生效，可以用这个方法：curl -X POST localhost:9090/-/reload
配置完成之后，在该文件下使用命令docker-compose up -d。
打开刚部署成功的grafana管理后台，http://localhost:3000，然后导入我配置好的dashboard JSON，即可见到开篇所说的效果
如果是没有数据的话，很可能是设署拉取的时间太长，可以将scrape_interval改成5s，上面的章节也有提及。
其实本身的需求很简单，根本都不需要用到prometheus这一套这么重的工具，本来用TSDB和Chart.js就能搞好的，不过因为本身我自己的家用服务器就有了这一套工具，使用docker部署也最级方便，就有了这一篇文章了。
gauge 而不使用counter -> 因为可能like也可能取消；简单为主 metrics type此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。
