Docker已經成為了現代化應用中的必備技術，但使用Docker進行應用程式監控和日誌管理卻是一項挑戰。隨著Docker網路功能，如Service Discovery和Load Balancing的不斷增強，我們越來越需要一個完整、穩定，以及高效的應用監控系統。
在本文中，我們將簡單地介紹使用Docker進行應用監控和日誌管理的同時給出具體的程式碼範例。
利用Prometheus進行應用程式監控
Prometheus是一款開源，基於Pull模型的服務監測和警告工具，由SoundCloud開發。它使用Go語言編寫，並廣泛應用於微服務方案和雲端環境。作為一款監控工具，它可以對Docker的CPU、記憶體、網路和磁碟等進行監控，並且還支援多維資料切換、靈活的查詢、警報以及視覺化等功能，讓你可以快速做出反應，並快速做出決策。
還有一點要注意的是，Prometheus需要透過Pull方式的取樣，也就是存取被監控應用中的/metrics介面取得監控資料。所以，在啟動被監控應用程式鏡像時，需要先將可以存取到Prometheus的IP和連接埠配置到/metrics介面中。下面是一個簡單的Node.js應用程式。
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!')
})登入後複製
在該程式碼中，我們透過/metrics接口，返回了一個api_calls_total的監控指標。
接著，在官網上下載Prometheus的Docker映像，並建立一個docker-compose.yml文件，並且在該文件中，我們取得該Node.js應用的資料。
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登入後複製
該docker-compose.yml檔案中，我們定義了兩個服務，一個是運行Node.js應用程式的Node服務，另一個是用於監控的Prometheus服務。其中，Node服務發布的端口為3000端口，透過端口映射，可以透過docker-compose.yml中的IP和3000端口存取到該Node應用的/metrics接口。而Prometheus則可以透過9090埠存取對應的監控指標資料。
最後，在prometheus.yml檔案中，我們需要定義要取得的資料來源。
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']登入後複製
在該檔案中，我們定義了要擷取的所有的Node.js應用的指標，其中targets參數是Node.js應用的IP位址及其對應埠號。在這裡，我們使用的是node和3000連接埠。
最後，執行docker-compose up指令，即可啟動整個應用程式及其監控服務，並在Prometheus中查看該會員指標。
利用ElasticSearch和Logstash進行日誌管理
在Docker中，所應用的日誌資料分散在不同的Docker容器中。如果你要在集中的地方對這些日誌進行管理，那麼可以透過使用ELK中的ElasticSearch和Logstash,將日誌中心化管理，以便更輕鬆地實現電腦資源的監控和分析。
在開始之前，需要先下載Logstash和ElasticSearch的Docker映像，並建立一個docker-compose.yml檔案。
在該檔案中，我們定義了三個服務，其中bls是用來模擬業務日誌的API服務，其每次回應後，將記錄一條日誌到stdout和日誌檔案中。 logstash服務是由Logstash官方提供的Docker映像構建，用於收集、過濾和傳輸日誌。 ElasticSearch服務用於儲存和檢索日誌。
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登入後複製
在設定檔中，我們對應了容器內的路徑到宿主機的日誌檔案系統中。同時透過logging的option，則定義了日誌的磁碟區大小和數量，以限制日誌的佔用儲存。
在設定檔的logstash中，我們定義了一個新的pipeline，其名稱為nginx_pipeline.conf，該檔案用於處理nginx日誌的收集、過濾和傳輸。與ELK的工作原理相同，logstash將根據不同的條件，對接收到的日誌進行處理，並將其發送到已經建立的 Elasticsearch 叢集中。在這個設定檔中，我們定義瞭如下處理邏輯：
input {
file {
path => "/var/log/nginx/access.log"
}
}
filter {
grok {
match => { "message" => "%{COMBINEDAPACHELOG}" }
}
}
output {
elasticsearch {
hosts => [ "${ES_HOST}:9200" ]
index => "nginx_log_index"
}
}登入後複製
在該設定檔中，我們定義了一個name為file的輸入，表示要從本機Log檔案中讀取資料。接著，我們引進了使用grok函式庫來解析符合特定範本的日誌的filter。最後，我們定義了輸出，將資料傳輸到 Elasticsearch 叢集的位址，同時將檢索和報告透過環境變數ES_HOST傳遞到容器中。
在最後，如上完成整個ELK的配置後，我們會得到一個高效的日誌管理系統，每個日誌都將發送到集中的地方，並被整合在一起，可以實現簡單的搜索，過濾和可視化操作。
以上是如何使用Docker進行應用程式的監控與日誌管理的詳細內容。更多資訊請關注PHP中文網其他相關文章！
