Docker已經(jīng)成為了現(xiàn)代化應(yīng)用中的一項(xiàng)必備技術(shù)，但是使用Docker進(jìn)行應(yīng)用監(jiān)控和日志管理卻是一項(xiàng)挑戰(zhàn)。隨著Docker網(wǎng)絡(luò)功能，如Service Discovery和Load Balancing的不斷增強(qiáng)，我們?cè)絹碓叫枰粋€(gè)完整、穩(wěn)定，以及高效的應(yīng)用監(jiān)控系統(tǒng)。

在本文中，我們將簡單地介紹使用Docker進(jìn)行應(yīng)用監(jiān)控和日志管理的同時(shí)給出具體的代碼示例。

利用Prometheus進(jìn)行應(yīng)用監(jiān)控

Prometheus是一款開源，基于Pull模型的服務(wù)監(jiān)測(cè)和警告工具，由SoundCloud開發(fā)。它使用Go語言編寫，被廣泛應(yīng)用于微服務(wù)方案和云環(huán)境中。作為一款監(jiān)控工具，它可以對(duì)Docker的CPU、內(nèi)存、網(wǎng)絡(luò)和磁盤等進(jìn)行監(jiān)控，并且還支持多維數(shù)據(jù)切換、靈活的查詢、報(bào)警以及可視化等功能，讓你可以快速做出反應(yīng)，并快速做出決策。

還有一點(diǎn)需要注意的是，Prometheus需要通過Pull方式的采樣，也就是訪問被監(jiān)控應(yīng)用中的/metrics接口獲取監(jiān)控?cái)?shù)據(jù)。所以，在啟動(dòng)被監(jiān)控應(yīng)用鏡像時(shí)，需要先將可以訪問到Prometheus的IP和端口配置到/metrics接口中。下面是一個(gè)簡單的Node.js應(yīng)用。

const express = require('express')
const app = express()

app.get('/', (req, res) => {
  res.send('Hello World!')
})

app.get('/metrics', (req, res) => {
  res.send(`
    # HELP api_calls_total Total API calls
    # TYPE api_calls_total counter
    api_calls_total 100
  `)
})

app.listen(3000, () => {
  console.log('Example app listening on port 3000!')
})

在該代碼中，我們通過/metrics接口，返回了一個(gè)api_calls_total的監(jiān)控指標(biāo)。

接著，在官網(wǎng)上下載Prometheus的Docker鏡像，并創(chuàng)建一個(gè)docker-compose.yml文件，并且在該文件中，我們獲取該Node.js應(yīng)用的數(shù)據(jù)。

version: '3'
services:
  node:
    image: node:lts
    command: node index.js
    ports:
      - 3000:3000

  prometheus:
    image: prom/prometheus:v2.25.2
    volumes:
      - ./prometheus:/etc/prometheus
    command:
      - '--config.file=/etc/prometheus/prometheus.yml'
      - '--storage.tsdb.retention.time=15d'
    ports:
      - 9090:9090

該docker-compose.yml文件中，我們定義了兩個(gè)服務(wù)，一個(gè)是運(yùn)行Node.js應(yīng)用的Node服務(wù)，另一個(gè)是用于監(jiān)控的Prometheus服務(wù)。其中，Node服務(wù)發(fā)布的端口為3000端口，通過端口映射，可以通過docker-compose.yml中的IP和3000端口訪問到該Node應(yīng)用的/metrics接口。而Prometheus則可以通過9090端口訪問對(duì)應(yīng)的監(jiān)控指標(biāo)數(shù)據(jù)。

最后，在prometheus.yml文件中，我們需要定義要獲取的數(shù)據(jù)來源。

global:
  scrape_interval:     15s
  evaluation_interval: 15s

scrape_configs:
  - job_name: 'node-exporter'
    static_configs:
    - targets: ['node:9100']

  - job_name: 'node-js-app'
    static_configs:
    - targets: ['node:3000']

在該文件中，我們定義了要采集的所有的Node.js應(yīng)用的指標(biāo)，其中targets參數(shù)是Node.js應(yīng)用的IP地址及其對(duì)應(yīng)端口號(hào)。在這里，我們使用的是node和3000端口。

最后，運(yùn)行docker-compose up命令，即可啟動(dòng)整個(gè)應(yīng)用及其監(jiān)控服務(wù)，并在Prometheus中查看該會(huì)員指標(biāo)。

利用ElasticSearch和Logstash進(jìn)行日志管理

在Docker中，應(yīng)用的日志數(shù)據(jù)分布在不同的Docker容器中。如果你要在集中的地方對(duì)這些日志進(jìn)行管理，那么可以通過使用ELK中的ElasticSearch和Logstash,將日志中心化管理，以便更輕松地實(shí)現(xiàn)計(jì)算機(jī)資源的監(jiān)控和分析。

在開始之前，需要先下載Logstash和ElasticSearch的Docker鏡像，并創(chuàng)建一個(gè)docker-compose.yml文件。

在該文件中，我們定義了三個(gè)服務(wù)，其中bls是用來模擬業(yè)務(wù)日志的API服務(wù)，其每次響應(yīng)后，將記錄一條日志到stdout和日志文件中。logstash服務(wù)是由Logstash官方提供的Docker鏡像構(gòu)建，用于收集、過濾和傳輸日志。ElasticSearch服務(wù)用于存儲(chǔ)和檢索日志。

version: '3'
services:
  bls:
    image: nginx:alpine
    volumes:
      - ./log:/var/log/nginx
      - ./public:/usr/share/nginx/html:ro
    ports:
      - "8000:80"
    logging:
      driver: "json-file"
      options:
        max-size: "10m"
        max-file: "10"

  logstash:
    image: logstash:7.10.1
    volumes:
      - ./logstash/pipeline:/usr/share/logstash/pipeline
    environment:
      - "ES_HOST=elasticsearch"
    depends_on:
      - elasticsearch

  elasticsearch:
    image: elasticsearch:7.10.1
    environment:
      - "http.host=0.0.0.0"
      - "discovery.type=single-node"
    volumes:
      - ./elasticsearch:/usr/share/elasticsearch/data

在配置文件中，我們映射了容器內(nèi)的路徑到宿主機(jī)的日志文件系統(tǒng)中。同時(shí)通過logging的option，則定義了日志的卷大小和數(shù)量，以限制日志的占用存儲(chǔ)。

在配置文件的logstash中，我們定義了一個(gè)新的pipeline，其名為nginx_pipeline.conf，該文件用于處理nginx日志的收集、過濾和傳輸。與ELK的工作原理相同，logstash將根據(jù)不同的條件，對(duì)接收到的日志進(jìn)行處理，并將其發(fā)送到已經(jīng)創(chuàng)建的 Elasticsearch 集群中。在該配置文件中，我們定義了如下處理邏輯：

input {
  file {
    path => "/var/log/nginx/access.log"
  }
}

filter {
  grok {
    match => { "message" => "%{COMBINEDAPACHELOG}" }
  }
}

output {
  elasticsearch {
    hosts => [ "${ES_HOST}:9200" ]
    index => "nginx_log_index"
  }
}

在該配置文件中，我們定義了一個(gè)name為file的輸入，表示要從本地Log文件中讀取數(shù)據(jù)。接著，我們引入了使用grok庫來解析符合特定模板的日志的filter。最后，我們定義了輸出，其將數(shù)據(jù)傳輸?shù)?Elasticsearch 集群的地址，同時(shí)將檢索和報(bào)告通過環(huán)境變量ES_HOST傳遞到容器中。

在最后，如上完成整個(gè)ELK的配置后，我們會(huì)得到一個(gè)高效的日志管理系統(tǒng)，每條日志都將發(fā)送到集中的地方，并被整合在一起，可以實(shí)現(xiàn)簡便的搜索，過濾和可視化操作。

以上就是如何使用Docker進(jìn)行應(yīng)用的監(jiān)控和日志管理的詳細(xì)內(nèi)容，更多請(qǐng)關(guān)注php中文網(wǎng)其它相關(guān)文章！