一.概述
cortex：一个支持多租户、水平扩展的prometheus服务。
当时调研cortex其实是因为看到了Weave Cloud这个商业产品中的监控模块介绍，weave也叫weave works，官方地址是：https://cloud.weave.works，是一个专注于容器微服务的paas平台。
WeaveCloud在监控模块最大化利用了Prometheus，并在其基础上添加了很多组件，实现了多租户管理、高可用的监控集群。其使用的核心监控组件就是cortex。
本文主要分享的是cortex的运行机制，关于Weave Cloud的产品定位和功能可以看下后续的文章:商业方案-weave work
Cortex是一个CNCF的沙盒项目，目前被几个线上产品使用：Weave Cloud、GrafanaCloud和FreshTracks.io
为什么不直接运行Prometheus，而用Cortex？
ps:来自cortex kubecon大会演讲
- 作为服务，cortex提供了鉴权和访问控制
- 数据永久保留，状态能够被管理
- 提供持久化、高可用、伸缩性
- 提供更好的查询效率，尤其是长查询
二.主要功能
针对以上需求，Cortex提供的主要功能或特色如下：
- 支持多租户：Prometheus本身没有的租户概念。这意味着，它无法对特定于租户的数据访问和资源使用配额，提供任何形式的细粒度控制。Cortex可以从多个独立的prometheus实例中获取数据，并按照租户管理。
- 长期存储：基于远程写入机制，支持四种开箱即用的长期存储系统：AWS DynamoDB、AWS S3、Apache Cassandra和Google Cloud Bigtable。
- 全局视图：提供所有prometheus server 整合后的时间序列数据的单一，一致的“全局”视图。
- 高可用：提供服务实例的水平扩展、联邦集群等
- 最大化利用了Prometheus
相似的竞品：
- Prometheus + InfluxDB：使用InfluxData
- Prometheus + Thanos：长期存储、全局视图
- Timbala：多副本、全局视图，作者是Matt Bostock
- M3DB：自动扩缩容，来自uber
产品形态
ps:来自weave work上试用监控模块时的截图
- 1.安装监控的agent:
- 2.概览视图
- 3.资源监控面板
- 4.监控详情页面
- 5.添加监控
- 6.配置报警
在k8s集群中部署所需要的yaml列表为：
https://github.com/weaveworks/cortex/tree/master/k8s
部署的agent时的脚本内容是：
#!/bin/sh
set -e
# Create a temporary file for the bootstrap binary
TMPFILE="$(mktemp -qt weave_bootstrap.XXXXXXXXXX)" || exit 1
finish(){
# Send only when this script errors out
# Filter out the bootstrap errors
if [ $? -ne 111 ] && [ $? -ne 0 ]; then
curl -s >/dev/null 2>/dev/null -H "Accept: application/json" -H "Authorization: Bearer $token" -X POST -d \
'{"type": "onboarding_failed", "messages": {"browser": { "type": "onboarding_failed", "text": "Installation of Weave Cloud agents did not finish."}}}' \
https://cloud.weave.works/api/notification/external/events || true
fi
# Arrange for the bootstrap binary to be deleted
rm -f "$TMPFILE"
}
# Call finish function on exit
trap finish EXIT
# Parse command-line arguments
for arg in "$@"; do
case $arg in
--token=*)
token=$(echo $arg | cut -d '=' -f 2)
;;
esac
done
if [ -z "$token" ]; then
echo "error: please specify the instance token with --token=<TOKEN>"
exit 1
fi
# Notify installation has started
curl -s >/dev/null 2>/dev/null -H "Accept: application/json" -H "Authorization: Bearer $token" -X POST -d \
'{"type": "onboarding_started", "messages": {"browser": { "type": "onboarding_started", "text": "Installation of Weave Cloud agents has started"}}}' \
https://cloud.weave.works/api/notification/external/events || true
# Get distribution
unamestr=$(uname)
if [ "$unamestr" = 'Darwin' ]; then
dist='darwin'
elif [ "$unamestr" = 'Linux' ]; then
dist='linux'
else
echo "This OS is not supported"
exit 1
fi
# Download the bootstrap binary
echo "Downloading the Weave Cloud installer... "
curl -Ls "https://get.weave.works/bootstrap?dist=$dist" >> "$TMPFILE"
# Make the bootstrap binary executable
chmod +x "$TMPFILE"
# Execute the bootstrap binary
"$TMPFILE" "--scheme=https" "--wc.launcher=get.weave.works" "--wc.hostname=cloud.weave.works" "--report-errors" "$@"
三.实现原理
Cortex与Prometheus的交互图：
原理图：
Cortex中各组件的作用：
Retrieval：采集组件，运行在用户k8s集群上，从用户应用中拉取监控指标，并把这些数据推送给云平台的服务
Frontend: 负载均衡/路由转发/权限认证，接受Retrieval发送来的请求，这里用的nginx
Distributor：分发器，把用户推送来的监控指标，按照用户id、指标名称、标签做一致性hash，然后并行交给后面的多个ingester处理(grpc交互)。是监控数据写入的第一站
Ingester：处理器，将监控数据保存到promtheus中，高度定制了MemorySeriesStorage模块，分块存储、写入内存并索引（使用AWS的DynamoDB产品），最后写入磁盘
读写分离：ingest和query分开为两个服务
Cortex由多个可水平扩展的微服务组成。每个微服务使用最合适的技术进行水平缩放; 大多数是无状态的，而有些（即Retrieval）是半有状态的并且依赖于一致性哈希
Prometheus实例从各种目标中抓取样本，然后将它们推送到Cortex（使用Prometheus的远程写入API),并对发送的Protocol Buffers序列化数据进行Snappy压缩。
Cortex要求每个HTTP请求都带有一个header，用于指定请求的租户ID。请求身份验证和授权由外部反向代理处理。
传入的样本（来自Prometheus的写入）由Distributor处理，而传入的读取（PromQL查询）由查询前端处理。
查询缓存：
查询时会缓存存查询结果，并在后续查询中复用它们。如果缓存的结果不完整，则查询前端计算所需的子查询并在下游查询器上并行执行它们。
并发查询：
查询作业接受来自查询器的gRPC流请求，为了实现高可用性，建议您运行多个前端，且前端数量少于查询器数量。在大多数情况下，两个应该足够了。
技术方案实现讨论细节：https://goo.gl/prdUYV
kubecon 大会讲稿：https://kccna18.sched.com/event/GrXL/cortex-infinitely-scalable-prometheus-bryan-boreham-weaveworks
本文为容器监控实践系列文章，完整内容见：container-monitor-book
