Docker 监控体系总结

Docker 监控体系总结

一、监控背景与必要性

随着线上服务全面容器化，传统物理机监控无法区分单个物理机上多个容器的资源占用情况，无法满足容器化环境下的精细化监控需求，因此需针对性的 Docker 监控方案

二、Docker 自带监控工具

Docker 内置ps、top、stats三个子命令，适用于快速了解容器实时状态，但存在数据维度有限、无历史数据记录的缺陷

命令	功能	示例（核心输出）	优缺点
docker ps	查看当前运行的容器列表	展示容器 ID（CONTAINER ID）、镜像（IMAGE）、创建时间（CREATED）、状态（STATUS）等	优点：快速查看运行中容器；缺点：仅显示基础状态，无资源数据
docker top [容器名]	查看指定容器内运行的进程	展示进程 UID、PID、PPID、CMD 等（如 nginx 的 master/worker 进程）	优点：定位容器内进程；缺点：仅实时进程信息，无资源占用
docker stats	实时显示所有容器资源使用情况	包含 CPU 使用率、内存使用 / 可用量、网络 IO、磁盘 IO	优点：实时资源数据全面；缺点：无历史趋势，容器未指定内存 limit 时显示主机总内存，易误导

三、主流 Docker 监控解决方案：cAdvisor+Prometheus+Grafana

该组合是目前主流方案，分工明确：cAdvisor 负责数据采集、Prometheus 负责数据存储与作为数据源、Grafana 负责可视化展示，解决了自带工具无历史数据、展示简陋的问题

（一）组件功能与定位

组件	开发方	核心功能	定位
cAdvisor	Google（开源）	1. 采集 Docker host 和容器两层监控数据；2. 记录历史变化数据；3. 支持将数据导出给第三方工具	监控数据收集器（强项：数据采集与导出；弱项：自带展示界面简陋，仅支持单主机监控）
Prometheus	最初由 SoundCloud 开发（开源）	1. 时间序列数据库，存储 cAdvisor 采集的数据；2. 通过 HTTP 协议周期性抓取被监控组件状态；3. 支持多种 exporter（如 Nginx、MySQL、Linux 系统等）	数据源与数据存储中心，适配 Docker/K8s 等虚拟化环境
Grafana	开源	1. 可视化仪表盘（Dashboard），支持多种数据源；2. 提供丰富图形化选项、日夜模式、自定义布局；3. 直观展示 CPU、内存、IO 等资源趋势	前端展示工具，实现监控数据的可视化与多维度分析

（二）组件部署步骤（基于 Docker 部署）

1. cAdvisor 部署

1. 拉取镜像：docker pull google/cadvisor
2. 启动容器（挂载主机关键目录，暴露 8080 端口）：

docker run -d -v /:/rootfs:ro -v /var/run:/var/run:ro -v /sys:/sys:ro -v /var/lib/docker/:/var/lib/docker:ro -v /dev/disk/:/dev/disk:ro -p 8080:8080 --detach=true --name=cadvisor --privileged --device=/dev/kmsg google/cadvisor

1. 验证：访问http://[主机IP]:8080/containers/docker，查看 host 和容器监控界面

2. Prometheus 部署

1. 准备配置文件：

   • 创建目录：mkdir -p /etc/prometheus
   • 编写prometheus.yml（添加 cAdvisor 为数据源，设置抓取间隔 15s）：

   global:scrape_interval: 15sevaluation_interval: 15s
   alerting:alertmanagers:- static_configs:- targets:
   rule_files:
   scrape_configs:
   - job_name: 'prometheus'static_configs:- targets: ['localhost:9090']
   - job_name: 'cadvisor'static_configs:- targets: ['[cAdvisor所在主机IP]:8080']
   

   • 授权配置文件：chmod 777 /etc/prometheus/prometheus.yml
   • 时钟同步：systemctl restart chronyd && systemctl enable chronyd（避免时间不一致导致数据异常）

2. 拉取并启动容器（挂载配置文件，启用远程热加载）：

docker pull prom/prometheus
docker run -itd --name=prometheus -p 9090:9090 -v /etc/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml prom/prometheus --config.file=/etc/prometheus/prometheus.yml --web.enable-lifecycle

1. 验证：访问http://[主机IP]:9090/targets，确认prometheus和cadvisor数据源状态为 “UP”

3. Grafana 部署

1. 拉取并启动容器（暴露 3000 端口）：

docker pull grafana/grafana
docker run -itd --name=grafana -p 3000:3000 grafana/grafana

1. 初始化与配置：
   • 访问http://[主机IP]:3000/login，默认账号密码均为admin，首次登录需重置密码
   • 添加数据源：点击 “Add data source”→选择 “Prometheus”→填写 URL 为http://[Prometheus所在主机IP]:9090→点击 “Save & Test”
   • 导入 Docker 监控仪表盘：点击左侧 “+”→“Import”→输入仪表盘 ID “193”→选择 Prometheus 数据源→点击 “Import”
2. 验证：导入后即可查看容器 CPU、内存、IO 等资源的可视化监控画面

具体示例：

随着线上服务的全面容器化，对Docker容器的监控就很重要了。传统的监控系统是物理机的监控，在一个物理机跑多个容器的情况 下 ， 我 们 是 没 法 从 一 个 监 控 图 表 里 面 区 分 各 个 容 器 的 资 源 占 用 情 况 的 。 为 了 更 好 的 监 控 容 器 运 行 情 况 ， 建 议 采 用cAdvisor+Prometheus+Grafana组合进行Docker监控，或者采用cAdvisor+InfluxDB+Grafana组合进行Docker监控。首先我们先学
习Docker自带的几个监控子命令：ps、top和stats。Docker 自带的监控子命令如下：
docker ps是我们早已熟悉的命令了，方便我们查看当前运行的容器，示例如下：

[root@docker ~]# docker ps
CONTAINER ID   IMAGE                                                                          COMMAND                  CREATED          STATUS          PORTS                                                           NAMES
2e53e21f3c58   nginx:latest                                                                   "/docker-entrypoint.…"   28 minutes ago   Up 28 minutes   0.0.0.0:32768->80/tcp, :::32768->80/tcp                         test123
76e7e71eb37f   portainer/portainer                                                            "/portainer"             44 minutes ago   Up 44 minutes   8000/tcp, 9443/tcp, 0.0.0.0:9001->9000/tcp, :::9001->9000/tcp   syportainer
9b7bf30d7fd9   swr.cn-north-4.myhuaweicloud.com/ddn-k8s/docker.io/uifd/ui-for-docker:latest   "/ui-for-docker"         3 hours ago      Up 3 hours      0.0.0.0:9000->9000/tcp, :::9000->9000/tcp                       dockerui

如果想知道某个容器中运行了哪些进程，可以执行docker top命令，示例如下：

[root@docker ~]# docker top test123 
UID                 PID                 PPID                C                   STIME               TTY                 TIME                CMD
root                18210               18188               0                   19:30               ?                   00:00:00            nginx: master process nginx -g daemon off;
101                 18283               18210               0                   19:30               ?                   00:00:00            nginx: worker process
101                 18284               18210               0                   19:30               ?                   00:00:00            nginx: worker process
101                 18285               18210               0                   19:30               ?                   00:00:00            nginx: worker process
101                 18286               18210               0                   19:30               ?                   00:00:00            nginx: worker process

docker stats用于显示每个容器各种资源的使用情况，示例如下：

[root@docker ~]# docker statsCONTAINER ID   NAME          CPU %     MEM USAGE / LIMIT    MEM %     NET I/O           BLOCK I/O         PIDS
2e53e21f3c58   test123       0.00%     5.238MiB / 3.84GiB   0.13%     656B / 0B         33.4MB / 21.5kB   5
76e7e71eb37f   syportainer   0.02%     22.95MiB / 3.84GiB   0.58%     2.89MB / 6.63MB   0B / 2.84MB       7
9b7bf30d7fd9   dockerui      0.00%     4.012MiB / 3.84GiB   0.10%     39.3kB / 1.25MB   0B / 0B           5

cAdvisor部署
cAdvisor是google开发的容器监控工具，下面部署cAdvisor，示例如下，基于docker部署cAdvisor，对外提供8080服务端口号

[root@docker ~]# docker pull google/cadvisor
Using default tag: latest
latest: Pulling from google/cadvisor
ff3a5c916c92: Pull complete 
44a45bb65cdf: Pull complete 
0bbe1a2fe2a6: Pull complete 
Digest: sha256:815386ebbe9a3490f38785ab11bda34ec8dacf4634af77b8912832d4f85dca04
Status: Downloaded newer image for google/cadvisor:latest
docker.io/google/cadvisor:latest
[root@docker ~]# docker run -itd --name cadvisor -v /:/rootfs:ro -v /var/run:/var/run:ro -v /sys:/sys:ro -v /var/lib/docker:/var/lib/docker:ro -v /dev/disk:/dev/disk:ro -p 8080:8080 --detach=true --privileged --device=/dev/kmsg google/cadvisor:latest
5bad33a52a1cb3d28f8fa5466e22ab9dec0cd7f8cafe15b5e4fb0b6aa2aa39bd

部署完毕后，访问http://ip:8080/containers/docker，即可看到监控界面。如图1所示，显示的是
Docker host的监控。如图2所示，显示的是docker容器的监控

prometheus部署
基于docker部署Prometheus，需要先编写Prometheus配置文件，将cAdvisor数据源添加进来，然后做好时钟同步，示例如下：

[root@docker ~]# mkdir /etc/prometheus
[root@docker ~]# cd /etc/prometheus/
[root@docker prometheus]# vim prometheus.yml
global:scrape_interval: 15sevaluation_interval: 15s
alerting:alertmanagers:- static_configs:- targets:
rule_files:
scrape_configs:- job_name: 'prometheus'static_configs:- targets: ['localhost:9090']- job_name: 'cadvisor'static_configs:- targets: ['192.168.100.10:8080']
~  
~  
[root@docker prometheus]# chmod 777 prometheus.yml 
[root@docker prometheus]# systemctl restart chronyd
[root@docker prometheus]# systemctl enable chronyd
Created symlink from /etc/systemd/system/multi-user.target.wants/chronyd.service to /usr/lib/systemd/system/chronyd.service.
[root@docker prometheus]# hwclock -w

部署Prometheus，将编辑好的文件映射到容器中，启动时加上–web.enable-lifecycle的作用是启用远程热加载配置文件，在修改prometheus配置文件后不用重启容器即可生效

[root@docker ~]# docker pull prom/prometheus
Using default tag: latest
latest: Pulling from prom/prometheus
9fa9226be034: Pull complete 
1617e25568b2: Pull complete 
15e2cd5823b3: Pull complete 
d14d9311398e: Pull complete 
4314b14247f8: Pull complete 
03def9af9150: Pull complete 
7dc70dd519ad: Pull complete 
92fd369f57f0: Pull complete 
0357ac67262f: Pull complete 
e9fa37e588a8: Pull complete 
Digest: sha256:76947e7ef22f8a698fc638f706685909be425dbe09bd7a2cd7aca849f79b5f64
Status: Downloaded newer image for prom/prometheus:latest
docker.io/prom/prometheus:latest
[root@docker ~]# docker run -itd --name prometheus -p 9090:9090 -v /etc/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml prom/prometheus:latest --config.file=/etc/prometheus/prometheus.yml --web.enable-lifecycle
2fe2e9bfc663eac343a3b36f53f93f578595c8f7b49346109c997845d15297ec
[root@docker ~]# docker ps
CONTAINER ID   IMAGE                    COMMAND                  CREATED         STATUS         PORTS                                       NAMES
2fe2e9bfc663   prom/prometheus:latest   "/bin/prometheus --c…"   4 seconds ago   Up 3 seconds   0.0.0.0:9090->9090/tcp, :::9090->9090/tcp   prometheus

如图所示，部署完毕后，访问http://ip:9090/targets，可以看到两个数据源已经UP，其中一个就是cAdvisor：

Grafana部署
Grafana是一个可视化面板（Dashboard），有着非常漂亮的图表和布局展示，功能齐全的度量仪表盘和图形编辑器，支持Graphite、zabbix、InfluxDB、Prometheus和OpenTSDB作为数据源。Grafana主要特性：灵活丰富的图形化选项；可以混合多种风格；支持白天和夜间模式；多个数据源。其项目官方地址为https://grafana.com
基于Daocker部署Grafana，示例如下：

[root@docker ~]# docker pull grafana/grafana
Using default tag: latest
latest: Pulling from grafana/grafana
9824c27679d3: Pull complete 
f28af41ca6c1: Pull complete 
08b443d0d1f0: Pull complete 
01a7b2849125: Pull complete 
b24c04af690f: Pull complete 
f04b4ef9a69c: Pull complete 
0a5ad0679b58: Pull complete 
41d23bd5dd1c: Pull complete 
ef84c8d2bf22: Pull complete 
f671127533d7: Pull complete 
Digest: sha256:74144189b38447facf737dfd0f3906e42e0776212bf575dc3334c3609183adf7
Status: Downloaded newer image for grafana/grafana:latest
docker.io/grafana/grafana:latest
[root@docker ~]# docker run -itd --name grafana -p 3000:3000 grafana/grafana
e1ecb131b7abe95cfb4d33bcc6c32a642b6d425df7be0b29f876a85dcaf8966c

部署完毕后，访问http://ip:3000/login，默认账号密码都是admin，如图所示。接下来Grafana会强制用户重新设置登陆密码，如图所示：

如图所示，登陆成功后，点击Add data source，创建数据源。或者点击左侧设置图标，也可以创建数据源：

如图所示，点击第一个Prometheus：

如图所示，填写数据源信息，在URL填写http://ip:9090，点击Save & Test：

如图所示，添加仪表盘，鼠标移到左侧的加号位置，点击Import，输入ID号：193：

如图所示，点击空白处，就会自动从Grafana官网下载所对应的仪表盘，在prometheus处，选择数据源，点击Import：

接下来既可以看到docker容的监控画面，会显示每个容器对CPU、内存和IO的使用情况，如图所示：

四、关键注意事项与总结

1. 核心结论：cAdvisor+Prometheus+Grafana 是 Docker 监控的优选方案，弥补了自带工具的不足，实现 “采集 - 存储 - 展示” 全流程监控
2. 组件分工：cAdvisor（采集）、Prometheus（存储）、Grafana（展示），需明确各组件定位，确保部署配置正确
3. 常见问题：若 Grafana 无数据，优先检查 Docker host 与本地机器的时间同步（需通过chronyd确保时间一致）
4. 监控价值：帮助 Linux 系统工程师实时掌握容器运行状态，通过历史数据分析容器资源趋势，保障容器化服务稳定运行