Repositório ensinando como implementar um coletor de métricas Prometheus em um sistema com FastAPI.

• Python 3.6+
• Docker Compose
• Python venv

• backend/main.py: Arquivo python com backend em FastAPI configurado para enviar métricas para o Prometheus.
• prometheus/prometheus.yml: Arquivo de configuração do Prometheus utilizado pelo docker-compose.yaml na hora de subir o prometheus.
• docker-compose.yaml: Arquivo para subir as imagens do Prometheus e Grafana na máquina local.
• requirements.txt: Requisitos Python para o backend funcionar.

Primeiro vamos criar um volume no docker para o grafana armazenar seus dados fora do container.

docker volume create grafana-storage

Execute:

docker-compose up -d

Para levantar o Prometheus e o Grafana.

Se você receber um erro de $PWD, troque a linha :

- /$PWD/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml para o seu diretório onde está esses arquivos, como o exemplo abaixo:

- /home/lucas-sossai/dev-pessoal/learn-fastapi-prometheus-grafana/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml

Execute:

docker-compose ps E verifique se o output é:

                    Name                                   Command               State   Ports
----------------------------------------------------------------------------------------------
learn-fastapi-prometheus-grafana_grafana_1      /run.sh                          Up           
learn-fastapi-prometheus-grafana_prometheus_1   /bin/prometheus --config.f ...   Up   

Acesse http://127.0.0.1:9090 para ver se a UI do Prometheus está funcionando.

Acesse http://127.0.0.1:3000 para ver se a UI do Grafana está funcionando.

Dados padrão de acesso:

• Usuário: admin
• Senha: admin

Após realizar login no Grafana, vá para:

Configuration -> Data Sources -> Add Data Sources

Selecione Prometheus, mude a url para http://localhost:9090

Clique em Save & Test para validar se o novo Data Source está funcionando.

• Clique na opção Explore
• Coloque a métrica process_cpu_seconds_total e execute a query
• Verifique se foi gerado um gráfico com dados de uso da CPU

Primeiro vamos criar um ambiente virtual:

python3 -m venv. env

Para entrar dentro do ambiente:

source .env/bin/activate

E agora instalando os requisitos:

pip install -r requirements.txt

Dentro do venv execute o seguinte comando:

uvicorn backend.main:app --reload

Acesse http://127.0.0.1:8000 e verifique se recebe o seguinte output:

{"Hello":"World"}

Podemos ver todos endpoints criados na docs criadas automaticamente pela FastAPI no seguinte link: http://127.0.0.1:8000/docs

As métricas do Prometheus estão configuradas para serem coletadas no endpoint: http://127.0.0.1:8000/metrics

É possível verificar a quantidade de requests por endpoint no Grafana na sessão Explore realizando a query na métrica starlette_requests_created.