Prometheus监控系统安装与配置步骤详解

对于初次接触Prometheus监控系统的用户而言，一个常见的误区是寻找“如何安装Prometheus”的教程。实际上，Prometheus的设计理念与传统软件不同，它无需复杂的安装过程。其核心是一个独立的可执行二进制文件，因此部署的关键步骤在于获取程序包、进行配置并启动服务。所谓的“部署”，本质上是正确配置核心的 prometheus.yml 文件，并确保Prometheus进程能够以可靠、持久化的方式运行。

快速验证：先确保核心功能正常

在着手配置systemd服务或调整复杂权限之前，建议采用一个更高效的策略：使用最简化的方式，优先验证Prometheus的核心采集与展示功能是否正常。这有助于快速排除环境问题，避免在错误的配置方向上耗费时间。

• 获取软件包：从官方GitHub Releases页面下载对应系统架构的最新稳定版本。例如，对于Linux amd64系统，可使用命令：wget https://github.com/prometheus/prometheus/releases/download/v2.47.2/prometheus-2.47.2.linux-amd64.tar.gz。
• 解压并进入目录：执行 tar -xzf prometheus-*.tar.gz && cd prometheus-*/ 进入解压后的工作目录。
• 直接启动测试：解压目录中已包含一个默认的 prometheus.yml 配置文件，其中配置了Prometheus对自身的监控。直接在终端前台启动：./prometheus --config.file=prometheus.yml --web.listen-address=":9090"。
• 关键验证点：打开浏览器，访问 http://<你的服务器IP地址>:9090，然后导航至 Status → Targets 页面。如果看到 prometheus 这个Job下的实例状态显示为 UP，则表明Prometheus已成功启动并开始采集自身指标数据。

若此步骤失败，90%以上的原因可归结为以下几点：9090端口被占用（可使用 netstat -tunlp | grep :9090 命令检查）、配置文件YAML语法或缩进错误（YAML对格式非常敏感）、或当前运行用户缺乏读取配置文件的权限。

Systemd服务报“Permission Denied”错误的根本原因

许多用户倾向于使用systemd来管理Prometheus服务以实现开机自启，但常会遇到启动失败并提示权限拒绝的问题。这通常源于服务运行用户与文件路径权限的不匹配。

一个典型的场景是：用户将Prometheus的二进制文件和配置文件放置在 /root/ 目录或某个个人用户的家目录下，但在systemd服务单元文件中，却指定了以非root的专用用户（例如新建的 prometheus 用户）来运行此服务。该用户显然没有权限访问root用户的目录。

• 统一部署路径：应将所有运行所需的文件（二进制程序、配置文件、数据存储目录）放置在系统级的公共路径下，例如 /usr/local/prometheus/ 或 /opt/prometheus/。
• 正确设置权限：使用命令 chown -R prometheus:prometheus /usr/local/prometheus，将整个目录的所有权赋予给 prometheus 用户及其所属用户组。
• 检查服务文件：仔细核对systemd服务文件（如 prometheus.service）中的 ExecStart= 指令，此处必须填写二进制文件的绝对路径，例如 /usr/local/prometheus/prometheus，而不能仅写 prometheus。
• 注意数据目录权限：如果通过 --storage.tsdb.path 参数指定了自定义的数据存储路径，务必确保该路径的权限也归属于 prometheus 用户。否则，服务可能在首次尝试写入时序数据库时失败并静默退出，给问题排查带来困难。

Targets配置：为何配置localhost:9100却无法采集数据？

这是新手在配置监控目标时最高频遇到的问题。关键在于理解：prometheus.yml 中 scrape_configs 下的 targets 地址，是从Prometheus服务器自身的网络视角进行解析和访问的。

举例说明：假设你在服务器A上部署了Prometheus，希望监控服务器B上运行的 node_exporter。如果在配置中写成 targets: ['localhost:9100']，那么Prometheus会尝试连接它自己（即A服务器）的9100端口，而非B服务器的。这必然导致采集失败。

• 正确配置方法：应填写目标服务器的真实IP地址或可在Prometheus服务器上解析的主机名，例如 targets: ['192.168.1.26:9100']。
• 确保网络连通性：确认目标服务器的防火墙规则已放行9100端口（可使用 ufw allow 9100 或 firewall-cmd --add-port=9100/tcp --permanent 等命令）。
• 两步排查法：
  1. 在目标服务器B上执行 curl http://localhost:9100/metrics，确认 node_exporter 服务本身运行正常，能够返回指标数据。
  2. 在Prometheus服务器A上执行 curl http://192.168.1.26:9100/metrics，验证从监控端到被监控端的网络连通性。如果此步骤失败，则问题在于网络或目标服务可达性，而非Prometheus配置本身。
• 采集间隔生效：注意 scrape_interval 参数默认值为1分钟。修改此配置后，需要重启Prometheus服务才能使新的采集间隔生效。

控制数据增长：TSDB存储目录膨胀过快的解决方案

Prometheus默认会永久保存所有采集到的时序数据，这在生产环境中显然不可行，磁盘空间迟早会被耗尽。控制数据保留周期的关键配置并不在主配置文件 prometheus.yml 中，而是通过Prometheus的启动参数来设定。

• 核心保留参数：通过添加启动参数 --storage.tsdb.retention.time=30d 来设置数据的保留时长（支持 d（天）、w（周）、y（年）等单位）。这是最常用且推荐的方式。
• 避免使用废弃参数：切勿使用已被废弃的参数，例如 --storage.local.retention（该参数在v2.0及以上版本中已被移除）。
• 关于WAL日志：如果启用了预写日志（WAL），其大小主要由内存和写入负载决定，没有直接的配置上限。但只要上述 retention.time 设置合理，过期的WAL文件会在后续的数据块压缩与清理过程中被自动删除。
• 注意版本差异：执行 prometheus --version 确认你的版本。不同大版本的行为可能存在差异，例如从v3.x版本开始，引入了 --storage.tsdb.retention.size 参数，允许直接限制TSDB占用的磁盘空间大小。

另一个常见的误解是：设置的数据保留时间到期后，Prometheus不会立即执行删除操作。它会等待下一个预定的压缩周期（默认约为2小时）才清理过期数据。因此，在调整保留时间后，如果发现磁盘空间没有立刻释放，请勿认为配置未生效，只需给予系统一定的处理时间即可。