Prometheus入門：クラウドネイティブ時代の監視スタンダードを学ぶ

Prometheusを理解するためには、まずいくつかの重要な概念を知っておく必要があります。

1. メトリクス (Metrics) と時系列データ (Time Series)

Prometheusが収集・保存するデータの基本単位はメトリクスです。メトリクスは、システムの特定の側面を測定した数値データ（例: CPU使用率、メモリ使用量、リクエスト数など）です。

Prometheusはこれらのメトリクスを時系列データとして扱います。これは、特定のメトリクス名と、そのメトリクスを一意に識別するための一連のキーバリューペア（ラベルと呼ばれます）によって識別される、タイムスタンプ付きの値のストリームです。

• メトリクス名 (Metric Name): 測定対象の一般的な特徴を示します (例: http_requests_total)。
• ラベル (Labels): メトリクスをさらに詳細化・分類するためのキーバリューペアです (例: {method="POST", handler="/api/users"})。
• タイムスタンプ (Timestamp): データが収集された時点の時刻 (通常はミリ秒単位のUnix時間)。
• 値 (Value): 測定された数値 (常にfloat64)。

例えば、api_http_requests_total{method="GET", handler="/messages"} という時系列データは、「/messages エンドポイントへのGETリクエストの総数」を表します。

2. データモデル

Prometheusのデータモデルは、このメトリクス名とラベルの組み合わせに基づいています。これにより、多次元的なデータ分析が可能になります。同じメトリクス名でも、異なるラベルセットを持つことで、様々な角度からシステムの状態を捉えることができます。

3. メトリクスの種類

Prometheusは主に4つのメトリクスタイプを定義しています。

• Counter (カウンター): 単調増加する累積値。リクエスト数、完了したタスク数、エラー数などに使用されます。リセットされることもありますが、減少することはありません (例: http_requests_total)。
• Gauge (ゲージ): 任意に上下する単一の数値。現在のメモリ使用量、キュー内のジョブ数、CPU温度などに使用されます (例: memory_usage_bytes)。
• Histogram (ヒストグラム): 観測値を設定可能なバケット（区間）に分類し、その度数をカウントします。また、全観測値の合計値も提供します。リクエストのレイテンシやレスポンスサイズなどの分布を把握するのに適しています (例: http_request_duration_seconds)。
• Summary (サマリー): ヒストグラムと同様に観測値の分布を測定しますが、クライアントサイドで設定可能なクォンタイル（分位数、例: 0.5, 0.9, 0.99）を直接計算して提供します。全観測値の合計と観測回数も提供します (例: rpc_duration_seconds)。

Prometheusのエコシステムは、いくつかの主要なコンポーネントで構成されています。

これらのコンポーネントが連携することで、包括的な監視システムが構築されます。

Prometheusの最大の特徴の一つは、Pull (プル) モデルに基づいたメトリクス収集です。

Pullモデルとは？

Prometheus Serverが、設定された間隔で、監視対象のHTTPエンドポイント (通常は /metrics) にアクセスし、メトリクスデータを「取得 (scrape)」しに行きます。監視対象側 (アプリケーションやExporter) は、このエンドポイントに現在のメトリクス値を特定のテキスト形式 (Prometheus exposition format) で公開しておく必要があります。

サービスディスカバリ (Service Discovery)

クラウド環境のように、インスタンスが動的に増減する状況では、監視対象のリストを手動で管理するのは現実的ではありません。そこでPrometheusはサービスディスカバリ機能を備えています。

これにより、Kubernetes API, AWS EC2, Azure VM, Consul, DNSなど、様々なメカニズムを通じて監視対象のターゲットを自動的に発見し、設定ファイルに動的に反映させることができます。これにより、インフラの変動に自動で追従する監視が可能になります。✨

Prometheusを実際に動かすのは比較的簡単です。ここでは基本的な流れを紹介します。

1. インストール

最も簡単な方法は、公式サイトから自分のOS用のバイナリをダウンロードして展開することです。Dockerイメージも提供されています。

# 例: Linux (amd64) の場合
wget https://github.com/prometheus/prometheus/releases/download/v2.XX.Y/prometheus-2.XX.Y.linux-amd64.tar.gz
tar xvfz prometheus-2.XX.Y.linux-amd64.tar.gz
cd prometheus-2.XX.Y.linux-amd64

(※ バージョン番号 2.XX.Y は最新のものに置き換えてください)

2. 設定ファイル (prometheus.yml)

Prometheusの動作は prometheus.yml というYAML形式の設定ファイルで制御します。最低限必要な設定は以下の通りです。

# グローバル設定
global:
  scrape_interval: 15s # デフォルトの収集間隔 (15秒)
  evaluation_interval: 15s # ルール評価の間隔 (15秒)
  # scrape_timeout はデフォルトで10s

# アラートルールファイルの読み込み場所
rule_files:
  # - "first_rules.yml"
  # - "second_rules.yml"

# メトリクス収集の設定
scrape_configs:
  # 'prometheus' というジョブ名で、自分自身 (Prometheus) を監視する設定
  - job_name: 'prometheus'
    # scrape_interval と scrape_timeout は global 設定を継承

    # サービスディスカバリを使わず、静的にターゲットを指定
    static_configs:
      - targets: ['localhost:9090'] # Prometheus Serverのデフォルトポート

この設定では、Prometheus Server自体が公開しているメトリクス (自身の状態やパフォーマンスに関するもの) を15秒ごとに収集します。

監視対象を追加するには、scrape_configs セクションに新しいジョブを追加します。例えば、ローカルホストの9100番ポートで動作している node_exporter (OSメトリクスを公開) を監視対象に追加する場合は、以下のように追記します。

scrape_configs:
  - job_name: 'prometheus'
    static_configs:
      - targets: ['localhost:9090']

  - job_name: 'node'
    static_configs:
      - targets: ['localhost:9100'] # node_exporter のデフォルトポート

3. 起動

設定ファイルを用意したら、以下のコマンドでPrometheus Serverを起動します。

./prometheus --config.file=prometheus.yml

起動に成功すると、デフォルトでは http://localhost:9090 でPrometheusのWeb UIにアクセスできます。🎉

Web UIでは、設定の確認、ターゲットの状態確認、そしてPromQLを使ったデータのクエリやグラフ表示が可能です。

Prometheusの真価を発揮するのが、PromQL (Prometheus Query Language) です。これを使って、収集した時系列データを柔軟に選択、集計、操作できます。

PrometheusのWeb UIの “Graph” タブで、Expression入力フィールドにPromQLクエリを入力して実行できます。

基本的なクエリ

• 特定のメトリクス名の最新の値を取得:

  node_memory_MemAvailable_bytes

  これは、node_memory_MemAvailable_bytes という名前のすべての時系列データの最新の値を返します。

• ラベルでフィルタリング:

  http_requests_total{job="prometheus", group="canary"}

  job ラベルが “prometheus” で、かつ group ラベルが “canary” である http_requests_total メトリクスの最新値を返します。

• 範囲ベクトル (Range Vector): 過去の一定期間のデータを取得します。[ ] 内に期間を指定します (例: 5m = 5分間)。

  http_requests_total{job="prometheus"}[5m]

  これは、過去5分間のすべてのサンプルデータを返します。単体ではグラフ化できませんが、関数と組み合わせて使います。

関数と集計

PromQLには多くの関数や集計演算子が用意されています。

• rate(): カウンターメトリクスの秒間平均増加率を計算します。範囲ベクトルと組み合わせて使います。

  rate(http_requests_total{job="prometheus"}[5m])

  過去5分間の秒間平均リクエスト数を計算します。

• sum(): ラベルに基づいて値を集計します。

  sum(rate(http_requests_total[5m]))

  すべての http_requests_total の秒間平均増加率を合計します。

• sum by (label1, label2) (...): 指定したラベルの組み合わせごとに集計します。

  sum by (job) (rate(node_cpu_seconds_total{mode="idle"}[1m]))

  job ごとに、CPUのアイドル時間の秒間平均増加率 (≒ CPU使用率の逆数のようなもの) を合計します。

• topk(k, ...): 値が大きい方からk個の時系列データを返します。

  topk(5, node_memory_Usage_bytes)

  メモリ使用量が上位5つのインスタンスのデータを返します。

監視システムの重要な役割は、問題が発生したときに通知することです。Prometheusでは、PromQL式に基づいてアラートルールを定義し、条件が満たされたときにアラートを生成します。

アラートルールは、Prometheusの設定ファイル (prometheus.yml) の rule_files で指定されたファイルに記述します。

# alert.rules.yml の例
groups:
- name: example
  rules:
  - alert: HighRequestLatency # アラート名
    expr: job:request_latency_seconds:mean5m{job="myjob"} > 0.5 # アラートを発火させるPromQL式 (例: 5分間の平均レイテンシが0.5秒を超えたら)
    for: 10m # 条件が10分間継続したらアラート状態 (Pending -> Firing)
    labels: # アラートに追加するラベル
      severity: page
    annotations: # アラートに付加する追加情報 (通知メッセージなどで利用)
      summary: High request latency on {{ $labels.instance }}
      description: "{{ $labels.instance }} has high request latency ({{ $value }}s)"

Prometheus Serverはこのルールを定期的に評価し、expr の条件が満たされるとアラートを “Pending” 状態にします。for で指定された期間、条件が継続すると、アラートは “Firing” 状態になり、設定されたAlertmanagerに送信されます。

Alertmanager は、受け取ったアラートを処理し、設定に基づいて通知を送信します。グルーピング機能により、関連する多くのアラートを1つの通知にまとめたり、抑制機能により、特定のアラートが発生している間は、それに関連する他のアラートを抑制したりすることができます。これにより、アラート疲れを防ぎ、重要な問題に集中できます。😌

PrometheusのWeb UIでも基本的なグラフ表示は可能ですが、より高度でインタラクティブなダッシュボードを作成するには、Grafana と連携するのが一般的です。

Grafanaは、Prometheusをデータソースとして簡単に追加でき、PromQLクエリを使って様々な形式のグラフやパネル（表、ゲージ、ヒートマップなど）を作成できます。Grafana Labsやコミュニティによって、一般的なアプリケーションやExporterに対応したダッシュボードのテンプレートも多数公開されており、すぐに活用を始めることができます。📈

Prometheus + Grafana の組み合わせは、クラウドネイティブ環境における監視・可視化の鉄板構成と言えるでしょう。

Prometheusを採用することには多くのメリットがあります。

これらの特徴から、Prometheusは以下のようなユースケースで特に力を発揮します。

• マイクロサービスアーキテクチャの監視
• コンテナ環境 (Kubernetes, Docker Swarmなど) の監視
• 動的なクラウドインフラストラクチャの監視
• 信頼性工学 (SRE) プラクティスにおけるSLO/SLIの計測とアラート
• アプリケーションパフォーマンスモニタリング (APM) の基礎データ収集

今回は、クラウドネイティブ時代の監視ツールとして広く使われているPrometheusの基本について解説しました。メトリクスとラベルに基づく強力なデータモデル、Pull型の収集、PromQLによる柔軟なクエリ、Alertmanagerによる高度なアラート、そしてGrafanaとの連携による可視化など、Prometheusがなぜこれほど支持されているのか、その一端を感じていただけたでしょうか。

Prometheusは非常に奥が深く、今回紹介したのはほんの入り口に過ぎません。Exporterの活用、サービスディスカバリの詳細設定、高度なPromQLテクニック、高可用性構成、長期ストレージ連携など、さらに学ぶべきトピックはたくさんあります。

ぜひ、公式ドキュメントなどを参考に、実際にPrometheusを触ってみてください。きっと、あなたのシステムの安定運用に大きく貢献してくれるはずです。🚀