一、为什么我们需要关注Docker性能监控？

当你每天用Docker部署十几个微服务时，是否遇到过这些场景：

  • 凌晨三点收到报警短信，却不知道哪个容器吃光了内存
  • 生产环境CPU使用率莫名飙升，但无法快速定位问题容器
  • 想给老板展示系统健康度，却要花半天时间拼凑监控数据

传统监控方案（如Zabbix+自定义脚本）需要配置exporter、写采集规则、定制看板...整个过程就像在拼一副没有图纸的乐高积木。本文将通过三个实际方案，带你直击监控痛点。

二、方案选择：从轻量到企业级的监控组合

方案1：cAdvisor+Prometheus+Grafana（生产推荐）
version: '3'

services:
  cadvisor:
    image: gcr.io/cadvisor/cadvisor:v0.47.0
    ports:
      - "8080:8080"
    volumes:
      - /:/rootfs:ro
      - /var/run:/var/run:rw
      - /sys:/sys:ro
      - /var/lib/docker/:/var/lib/docker:ro

  prometheus:
    image: prom/prometheus:latest
    ports:
      - "9090:9090"
    volumes:
      - ./prometheus.yml:/etc/prometheus/prometheus.yml

  grafana:
    image: grafana/grafana:10.1.5
    ports:
      - "3000:3000"

# prometheus.yml 核心配置
scrape_configs:
  - job_name: 'docker'
    static_configs:
      - targets: ['cadvisor:8080'] # 自动发现所有容器指标

操作步骤：

  1. 创建prometheus.yml配置文件
  2. 执行docker-compose up -d
  3. 访问Grafana导入ID=193的官方看板

指标覆盖范围：

  • 容器级CPU/内存/磁盘/网络
  • 进程树资源消耗
  • 容器重启次数统计
方案2：Netdata全家桶（开发环境最爱）
# 单行命令启动监控（技术栈：Netdata）
docker run -d --name=netdata \
  -p 19999:19999 \
  -v /proc:/host/proc:ro \
  -v /sys:/host/sys:ro \
  -v /var/run/docker.sock:/var/run/docker.sock:ro \
  --cap-add SYS_PTRACE \
  netdata/netdata

功能亮点：

  • 开箱即用的Web控制台
  • 自动检测异常波动
  • 实时进程监控
  • 存储空间预测
方案3：Elastic Stack方案（日志监控二合一）
# filebeat配置片段（技术栈：Elasticsearch）
filebeat.inputs:
- type: container
  paths: 
    - /var/lib/docker/containers/*/*.log

output.elasticsearch:
  hosts: ["http://es01:9200"]
  indices:
    - index: "docker-%{+yyyy.MM.dd}"

三、技术选型对比表

维度 方案1 方案2 方案3
部署复杂度 中等（需配3组件） 简单（单容器） 复杂（集群部署）
数据粒度 容器级 主机+容器 容器日志+指标
存储成本 可调控（PromTSDB） 中等 高（原始日志）
报警能力 需配Alertmanager 内置 需X-Pack
适合场景 生产环境监控 开发调试 日志关联分析

四、避坑指南：监控系统的正确使用姿势

  1. 指标采样控制
# Prometheus抓取间隔优化
scrape_interval: 15s # 生产环境建议15-30s
evaluation_interval: 30s
  1. 存储空间估算公式
每日数据量 = (指标数量 × 8字节) × 86400秒 / 抓取间隔
  1. 报警规则黄金模板
# alert.rules 关键配置
- alert: ContainerMemoryUsage
  expr: (container_memory_usage_bytes{name!=""} / container_spec_memory_limit_bytes) > 0.8
  for: 5m

五、场景化解决方案

案例1：电商大促期间

  • 使用方案1的Grafana看板
  • 重点关注指标： 
    sum(rate(container_cpu_usage_seconds_total[5m])) by (pod)

案例2：物联网设备

  • 选用方案2的Netdata
  • 关键配置： 
    # 限制监控数据保留周期
docker run ... -e NETDATA_DBENGINE_DISK_SPACE_MB=500

六、技术方案深度解析

Prometheus的存储秘密

  • TSDB采用V3存储格式
  • 每个Block包含：
    • index（倒排索引）
    • chunks（压缩数据）
    • meta.json（元数据）

Netdata的内存优化

  • 采用环形缓冲区设计
  • 单个指标仅占32字节
  • 默认保留30天历史数据

七、总结与展望

经过三个方案的实践对比，我们可以看到：

  1. 中小团队首选方案1，成本可控且扩展性强
  2. 临时调试用方案2，秒级搭建零配置
  3. 已有ELK集群可延展方案3

未来趋势预测：

  • eBPF技术将实现零侵入监控
  • WASM插件体系增强扩展能力
  • 智能基线预警替代阈值报警