Monitorar uma frota de VMs
Uma frota pequena de VMs (menos de ~50 VMs) normalmente não precisa de um serviço de monitoramento pago. Rode o Prometheus + Grafana em uma das VMs, colete as métricas do node_exporter em cada uma e emita uma métrica para cada dimensão que importa. Este guia percorre a configuração de ponta a ponta.
Para frotas maiores (~50+ VMs, ou várias regiões), o Prometheus auto-hospedado deixa de dar conta e você vai querer um serviço gerenciado (Grafana Cloud, Datadog) ou uma configuração de Prometheus com sharding. A abordagem abaixo escala bem até esse ponto.
O que você vai configurar
- O
node_exporterem cada VM da frota (CPU, RAM, disco, rede) - Uma VM com Prometheus coletando as métricas de todas elas
- Uma VM com Grafana consultando o Prometheus
- 6 alertas que cobrem "as coisas pelas quais você realmente quer ser acionado"
O que isso custa: as VMs do Prometheus + Grafana (uma vCPU e 2 GB de RAM cada, nos exemplos abaixo), mais o armazenamento das métricas. Os preços estão em Dados de preços.
1 · Subir a VM do Prometheus
Início rápido mostra de onde vêm a imagem, a rede, o grupo de segurança e os valores de spec. sshs indica uma chave SSH que você registrou.
export SSH_KEY_NAME="<ssh-key-name>"
curl -X POST https://api.nimbusnexus.net/api/v1/instance/ \
-H "X-API-Key: $NIMBUS_KEY" \
-H "Content-Type: application/json" \
-d "{
\"name\": \"monitoring-prometheus\",
\"image\": \"$IMAGE_ID\",
\"spec\": {
\"architecture\": \"$ARCHITECTURE\",
\"vm_class\": \"$VM_CLASS\",
\"cpu\": 1,
\"ram\": 2048,
\"volume_type\": \"$VOLUME_TYPE\"
},
\"volume_size\": 50,
\"network\": [\"$NETWORK_ID\"],
\"security_group\": [\"$SECURITY_GROUP_ID\"],
\"sshs\": \"$SSH_KEY_NAME\"
}"Conecte-se por SSH e instale o Prometheus:
sudo apt update && sudo apt install -y prometheusA configuração padrão em /etc/prometheus/prometheus.yml coleta as métricas do próprio Prometheus. Em seguida, vamos apontá-lo para a nossa frota.
2 · Instalar o node_exporter em cada VM da frota
O node_exporter é o coletor de métricas de referência para Linux — CPU, RAM, disco, rede, load average. Por padrão, ele escuta na porta 9100.
# On every fleet VM
sudo apt install -y prometheus-node-exporter
sudo systemctl enable --now prometheus-node-exporterPara uma frota com mais do que algumas poucas VMs, use uma imagem de VM com o node_exporter já incluído, ou rode um script único de Ansible / cloud-init no boot. Entrar por SSH manualmente em 20 VMs não é a resposta certa a longo prazo.
Um grupo de segurança não deixa entrar nada até que você diga o contrário, então dê ao grupo da frota uma regra que abra a porta TCP 9100 para o grupo da VM do Prometheus (Grupos de segurança).
3 · Configurar o Prometheus para coletar as métricas da frota
# /etc/prometheus/prometheus.yml
global:
scrape_interval: 30s
evaluation_interval: 30s
scrape_configs:
- job_name: 'fleet'
static_configs:
- targets:
- '10.0.1.10:9100'
- '10.0.1.11:9100'
- '10.0.1.12:9100'
# … one entry per VMPara frotas dinâmicas (autoscaling, provisionamento frequente), gere a lista em vez de escrevê-la à mão: GET /api/v1/instance/ retorna todas as VMs com os endereços delas em nics, e o file_sd_configs do Prometheus lê os alvos de um arquivo que você reescreve. A API não tem nenhuma rota feita para a descoberta de serviços do Prometheus.
Recarregue o Prometheus:
sudo systemctl reload prometheus4 · Subir o Grafana
curl -X POST https://api.nimbusnexus.net/api/v1/instance/ \
-H "X-API-Key: $NIMBUS_KEY" \
-H "Content-Type: application/json" \
-d "{
\"name\": \"monitoring-grafana\",
\"image\": \"$IMAGE_ID\",
\"spec\": {
\"architecture\": \"$ARCHITECTURE\",
\"vm_class\": \"$VM_CLASS\",
\"cpu\": 1,
\"ram\": 2048,
\"volume_type\": \"$VOLUME_TYPE\"
},
\"volume_size\": 25,
\"network\": [\"$NETWORK_ID\"],
\"security_group\": [\"$SECURITY_GROUP_ID\"],
\"sshs\": \"$SSH_KEY_NAME\"
}"# On the Grafana VM
sudo apt install -y software-properties-common
sudo add-apt-repository "deb https://packages.grafana.com/oss/deb stable main"
sudo apt install -y grafana
sudo systemctl enable --now grafana-serverLibere a porta 3000 para o seu próprio IP no grupo de segurança da VM do Grafana e abra http://<grafana-vm-ip>:3000 no navegador. O login padrão é admin/admin (troque imediatamente). Adicione o Prometheus como fonte de dados, apontando para o IP interno da VM do Prometheus, porta 9090.
Para os painéis: importe o painel de id 1860 ("Node Exporter Full") da biblioteca do Grafana. Ele cobre todas as métricas que o node_exporter emite, separadas por instância e agregadas.
5 · Os 6 alertas que importam
Em /etc/prometheus/alerts.yml:
groups:
- name: fleet
rules:
# 1. VM unreachable
- alert: VMDown
expr: up{job="fleet"} == 0
for: 2m
labels: { severity: page }
annotations:
summary: "{{$labels.instance}} unreachable for 2 minutes"
# 2. High CPU sustained
- alert: HighCPU
expr: 100 - (avg by (instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 90
for: 10m
labels: { severity: warn }
annotations:
summary: "{{$labels.instance}} CPU > 90% for 10 minutes"
# 3. Memory pressure
- alert: HighMemory
expr: (1 - (node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes)) * 100 > 90
for: 5m
labels: { severity: warn }
annotations:
summary: "{{$labels.instance}} memory > 90%"
# 4. Disk filling up
- alert: DiskAlmostFull
expr: (1 - (node_filesystem_avail_bytes{mountpoint="/"} / node_filesystem_size_bytes{mountpoint="/"})) * 100 > 85
for: 5m
labels: { severity: page }
annotations:
summary: "{{$labels.instance}} root disk > 85% — page now or it fills"
# 5. Disk-fill rate (catches "10 GB/hour log spike")
- alert: DiskFillingFast
expr: predict_linear(node_filesystem_avail_bytes{mountpoint="/"}[1h], 4 * 3600) < 0
for: 10m
labels: { severity: warn }
annotations:
summary: "{{$labels.instance}} disk will be full in <4h at current rate"
# 6. Network errors
- alert: NetworkErrors
expr: rate(node_network_receive_errs_total[5m]) + rate(node_network_transmit_errs_total[5m]) > 10
for: 5m
labels: { severity: warn }
annotations:
summary: "{{$labels.instance}} network error rate > 10/s — bad NIC or driver"Por que estes seis:
- VMDown — o alerta mais barato e mais útil. Partição de rede, kernel panic, falha do qemu; você quer saber.
- HighCPU — sustentado, não picos. O
for:de 10 minutos filtra "uma consulta pesou" sem deixar passar "chegamos ao limite". - HighMemory — a pressão de memória vem antes dos OOM kills. Pegue-a com 10 minutos de antecedência.
- DiskAlmostFull — disco cheio = serviço fora do ar. 85% é o limiar certo para acionar alguém porque, durante um pico de logs, ir de 85% a 100% pode levar só minutos.
- DiskFillingFast — pega o caso do "pico de logs" antes de o limiar disparar. Usa o
predict_lineardo Prometheus para extrapolar. - NetworkErrors — quase sempre é uma NIC com defeito ou um problema de driver. Vale perceber antes que o problema se propague.
O que NÃO está nesta lista: load average (ruidoso, varia conforme a carga de trabalho), métricas de processos individuais (use APM, não o Prometheus), métricas de negócio (essas ficam em um job próprio).
6 · Conectar as notificações
Instale o Alertmanager na VM do Prometheus:
sudo apt install -y prometheus-alertmanagerConfiguração em /etc/prometheus/alertmanager.yml:
route:
receiver: 'default'
group_by: ['alertname', 'instance']
group_wait: 30s
group_interval: 5m
repeat_interval: 4h
receivers:
- name: 'default'
slack_configs:
- api_url: 'https://hooks.slack.com/services/T.../B.../...'
channel: '#alerts'A URL do incoming webhook do Slack vem do seu workspace do Slack. Para rotas de acionamento (PagerDuty, OpsGenie), o Alertmanager tem blocos de configuração nativos para cada um.
O que isto não é
- Não é monitoramento de desempenho de aplicações. O Prometheus é ótimo para métricas de infraestrutura (CPU, RAM, disco); para acompanhar a latência no nível da aplicação, ele é grosseiro. Para isso, use OpenTelemetry + um backend (Honeycomb, Jaeger, Tempo).
- Não é agregação de logs. Logs precisam de outra stack (Loki, Elastic etc.).
- Não é um serviço de métricas. É uma configuração auto-hospedada; ela tem as desvantagens de hospedar por conta própria (você mantém a VM do Prometheus e a escala manualmente). Quando ela ficar pequena para você, parta para outra.
Próximos passos
- Referência de máquinas virtuais — as VMs que esta configuração monitora.
- Backups — faça backup do volume da VM do Prometheus para que um ano de histórico não desapareça com a perda de uma única VM.