使用 Thanos 扩展 Prometheus 高可用监控架构
内容提要
Prometheus是一款开源的监控和报警工具，专为容器化和云原生架构设计。Thanos是一套开源组件，用于解决Prometheus在多集群环境下的可用性和可扩展性限制。通过存储和查询历史数据，Thanos保证了Prometheus的可靠性和一致性。建议在亚马逊中国区域使用独立部署的监控架构，而在支持托管Prometheus服务的区域，建议直接使用托管服务。
延伸解读
中国区域与全球区域的部署差异
文章指出，亚马逊云科技中国区域尚未推出托管的 Prometheus 服务（AMP），因此中国客户需要自行部署 Prometheus 监控架构。而在已支持 AMP 的区域，建议直接使用托管服务，以降低维护成本。这种区域差异意味着中国客户在架构选型时需优先考虑自建方案，如基于 Thanos 的独立部署，并关注后续服务发布动态。
四种监控架构的适用场景解析
文章对比了四种基于 Thanos 的监控架构：第一种通过 Sidecar 归档数据到 S3，适合中国区域生产环境；第二种增加 Remote Write 到 Receiver，适合需要数据冗余的场景；第三种使用 Agent Mode 最小化资源占用；第四种直接使用 AMP，适合支持托管服务的区域。读者应根据集群规模、数据冗余需求和区域服务可用性选择。
Thanos 组件配置的关键要点
文章详细说明了 Thanos 核心组件的配置，如 Store 作为 API 网关访问对象存储，Query Frontend 提供 Prometheus 兼容 API 并支持查询分片，避免 OOM。Receiver 需配置与源 Prometheus 相当的资源。这些配置细节有助于读者理解 Thanos 的工作原理，并在实际部署中优化性能和资源使用。
部署实践与注意事项
文章提供了基于 Terraform 和 Prometheus Operator 的部署步骤，包括创建 EKS 集群、配置 S3 存储桶和 Route53 子域名。读者需注意提前准备域名和权限，并根据需要选择部署前三种架构。实验还展示了如何通过 Grafana 配置多集群查询，以及清理环境的步骤，为实际落地提供了参考。
Q&A
Thanos 是什么？它主要解决 Prometheus 的哪些问题？
Thanos 是一套开源组件，构建在 Prometheus 之上，用于解决 Prometheus 在多集群环境下的高可用性、可扩展性限制。它通过接收并存储 Prometheus 的多集群数据副本，提供全局查询和一致性数据访问接口，从而解决 Prometheus 单集群在存储、查询历史数据和备份等方面的扩展性挑战。
Thanos 的主要组件有哪些？各自的作用是什么？
Thanos 的主要组件包括：Sidecar（运行在 Prometheus Pod 中，读取数据供查询并上传到对象存储）、Store（从对象存储查询数据）、Compactor（压缩、聚合历史数据）、Receiver（接收 Prometheus 远程写入的数据并上传到对象存储）、Ruler（评估记录和警报规则）、Query（实现 Prometheus v1 API，查询并汇总底层组件数据）、Query Frontend（代理查询、缓存响应并拆分查询以提高性能）。
在亚马逊云科技中国区域，推荐使用哪种 Prometheus 监控架构？为什么？
在亚马逊云科技中国区域，由于暂时没有发布托管的 Prometheus 服务，推荐使用第一种监控架构，即被监控集群部署 Prometheus 并启用 Thanos Sidecar 将历史数据归档到 S3，集中监控集群部署 Thanos Store 和 Grafana。这种架构简单，只有一份监控数据，最小化存储成本和其他资源开销，适合绝大部分生产环境，是客户首选。
Thanos 的四种监控架构分别适用于什么场景？
第一种：适合绝大部分生产环境，尤其在中国区域是首选，架构简单但查询实时数据时可能给被监控集群带来额外性能损耗。第二种：适合需要多副本监控数据的特殊场景，直接从 Receiver 查询实时数据，对被监控集群无额外性能损耗，但架构复杂。第三种：适合需要最大程度减少被监控集群资源占用的场景，使用 Agent Mode 几乎无状态，但某些组件无法启用。第四种：在支持托管 Prometheus 服务的区域直接使用 AMP，提供最佳性能和最低维护成本，实现开箱即用。
如何部署基于 Thanos 的 Prometheus 监控架构？
部署步骤包括：使用 Terraform 创建 EKS 集群和相关资源（如 VPC、IAM 角色等），通过 Prometheus Operator 和 Bitnami Thanos Chart 部署 Prometheus 和 Thanos 组件，并定制 values.yaml 文件。具体操作：克隆 thanos-example 和 eks-blueprints-clusters 仓库，配置环境变量和 terraform.tfvars，依次在 environment、ekscluster1、ekscluster2、ekscluster3 目录下运行 terraform init 和 terraform apply。
Thanos Query Frontend 有什么作用？如何配置查询拆分？
Thanos Query Frontend 对外提供与 Prometheus 兼容的 API，可以直接作为 Prometheus 类型的数据源添加到 Grafana 中。它代理查询给 Query 组件，缓存响应，并可以拆分查询以提高性能。配置查询拆分通过参数 --query-range.split-interval 和 --labels.split-interval 设置，默认 24 小时，示例中设置为 4 小时，将一个跨度较大的查询分割成跨度较短的查询，以更好地利用 Query 组件的横向扩展实现并行查询，并防止 OOM。
Thanos Receiver 组件如何工作？配置时需要注意什么？
Thanos Receiver 组件接收来自 Prometheus 远程写入（Remote Write）的数据，并将其保存到对象存储桶中，同时使用自己的标签组以区分数据。配置时建议分配 Receiver 组件的资源和数量与被监控集群中 Prometheus 采集组件的资源和数量相当。在 Receiver 的配置中需要指定对象存储桶的配置，并设置标签如 replica、receive、cluster、cluster_name、origin_prometheus 等。
如何将 Grafana 配置为支持多集群数据查询？
首先添加 Thanos Query Frontend 作为 Prometheus 类型的数据源，设置 URL 为 http://thanoslab-query-frontend.thanos.svc.cluster.local:9090 并设为默认。然后对于预置的 Dashboard，可以修改 cluster 变量，将 Data source 设置为 thanoslab，并保存 Dashboard。这样即可实现多集群数据查询。
