1. 引言VictoriaMetrics 是一款高性能、低成本的开源时序数据库和监控解决方案兼容 Prometheus 查询语法同时提供了更优的存储压缩率和资源占用表现。它不仅是 Prometheus 的替代品更是一套完整的可观测性生态包含数据采集、告警规则、可视化查询等多个组件。本文将从整体架构出发重点介绍 VictoriaMetrics 生态中三个高频使用的组件vmalert告警与记录规则、vmagent轻量级数据采集器以及vmui内置可视化查询界面并结合常见使用方式给出可落地的实践建议。2. VictoriaMetrics 整体架构VictoriaMetrics 采用单节点VictoriaMetrics single和集群版VictoriaMetrics cluster两种部署形态。单节点版适合中小规模场景集群版则面向大规模、高可用需求。核心组件包括vmstorage负责数据存储与查询是集群版的核心存储节点。vminsert接收写入请求并分发到 vmstorage承担数据入口职责。vmselect处理查询请求从 vmstorage 聚合数据并返回结果。vmagent轻量级采集器负责抓取指标并转发到存储端。vmalert告警规则引擎支持告警与记录规则。vmui内置 Web 查询界面提供指标探索与可视化能力。在单节点模式下上述部分能力被整合进一个二进制文件中部署更加简单集群模式则适合需要水平扩展和更高可用性的生产环境。3. vmagent轻量级数据采集器3.1 vmagent 是什么vmagent 是 VictoriaMetrics 生态中的轻量级指标采集组件兼容 Prometheus 的抓取配置scrape_config可以替代 Prometheus 完成指标采集任务。它最大的优势在于资源占用低、支持数据缓冲和远程写入适合在边缘节点或大规模采集场景下使用。3.2 常见使用方式vmagent 最常见的用法是作为 Prometheus 的替代采集器将抓取到的指标远程写入 VictoriaMetrics 或其他兼容存储。以下是一个基础配置示例scrape_configs: - job_name: node-exporter static_configs: - targets: [localhost:9100] - job_name: prometheus static_configs: - targets: [localhost:9090]启动 vmagent 时通过-remoteWrite.url参数指定远程写入地址./vmagent -prometheus.config/path/to/scrape.yml -remoteWrite.urlhttp://victoria-metrics:8428/api/v1/write除了基础抓取vmagent 还支持以下常见能力数据过滤与改写通过-remoteWrite.filter或 relabel 规则对指标进行过滤和标签改写。多租户写入集群版下可通过-remoteWrite.url配合租户 ID 实现多租户数据隔离。数据缓冲当远程存储不可用时vmagent 会在本地缓冲数据避免采集数据丢失。服务发现支持 Kubernetes、Consul、File SD 等多种服务发现方式。在生产环境中vmagent 常以 DaemonSet 或 Sidecar 方式部署在 Kubernetes 集群中实现节点级指标采集既降低了资源消耗又提升了采集可靠性。4. vmalert告警与记录规则引擎4.1 vmalert 是什么vmalert 是 VictoriaMetrics 的告警规则引擎负责执行告警规则alerting rules和记录规则recording rules并将告警事件发送到 Alertmanager 或其他通知渠道。它兼容 Prometheus 的规则语法可以无缝迁移现有规则。4.2 常见使用方式vmalert 通过规则文件定义告警和记录规则规则文件采用 YAML 格式。以下是一个简单的告警规则示例groups: - name: example-alerts rules: - alert: HighCPULoad expr: avg(rate(node_cpu_seconds_total{modeidle}[5m])) 0.2 for: 5m labels: severity: critical annotations: summary: CPU 使用率过高 description: CPU 空闲率低于 20%持续 5 分钟启动 vmalert 时需要指定规则文件、数据源地址和通知地址./vmalert -rule/path/to/rules.yml -datasource.urlhttp://victoria-metrics:8428 -notifier.urlhttp://alertmanager:9093vmalert 的常见使用方式包括告警规则管理通过-rule参数加载规则文件支持多文件加载和热更新。记录规则将复杂查询结果预先计算并存储为新的时间序列加速仪表盘查询。多数据源支持vmalert 不仅支持 VictoriaMetrics还可以对接 Prometheus 等兼容数据源。告警去重与分组通过与 Alertmanager 配合实现告警分组、去重和静默。Web UIvmalert 内置了简单的 Web 界面可以查看规则状态和告警历史。在实践中最常见的做法是vmagent 负责采集数据VictoriaMetrics 负责存储vmalert 负责执行规则并推送告警到 Alertmanager再由 Alertmanager 完成通知分发。这一链路构成了完整的监控告警闭环。5. vmui内置可视化查询界面5.1 vmui 是什么vmui 是 VictoriaMetrics 内置的 Web 查询界面随 VictoriaMetrics 单节点版或集群版 vmselect 一起提供。它提供了指标查询、可视化图表、探索性分析等功能是日常排查问题和构建临时仪表盘的得力工具。5.2 常见使用方式启动 VictoriaMetrics 单节点版后默认在http://localhost:8428/vmui即可访问 vmui 界面。vmui 的核心功能包括Metrics Explorer通过指标名搜索和标签过滤快速定位目标指标。查询与图表支持 PromQL / MetricsQL 查询语法实时渲染图表。Cardinality 分析查看高基数指标帮助优化标签设计。查询历史自动保存查询记录方便回溯和复用。Raw 数据查看以表格形式查看原始数据点便于精确排查。以下是一个典型的 vmui 查询示例查看某台机器的 CPU 使用率100 - (avg(rate(node_cpu_seconds_total{modeidle}[5m])) * 100)在 vmui 中执行上述查询后可以直观看到 CPU 使用率的时间序列曲线。vmui 还支持将查询结果导出为 JSON 或 CSV方便进一步分析。对于日常运维vmui 是快速验证告警规则表达式、排查指标异常的首选工具。它无需额外部署随 VictoriaMetrics 开箱即用极大降低了可视化门槛。6. 三组件协同实践在实际监控体系中vmagent、vmalert 和 vmui 往往协同工作形成完整的数据处理链路采集层vmagent 从各类 exporter 抓取指标并通过远程写入发送到 VictoriaMetrics。存储与查询层VictoriaMetrics 负责存储时序数据并提供查询 API。告警层vmalert 周期性查询数据源执行告警规则将触发的事件发送到 Alertmanager。可视化层用户通过 vmui 或 Grafana 查询指标、构建仪表盘、排查问题。以一个典型的 Kubernetes 集群监控为例vmagent 以 DaemonSet 方式部署在每个节点采集节点和 Pod 指标vmalert 加载集群告警规则如节点宕机、Pod 重启频繁等运维人员通过 vmui 快速定位异常指标并结合 Grafana 构建长期可视化大盘。7. 总结VictoriaMetrics 凭借高性能、低资源占用和良好的 Prometheus 兼容性正在成为越来越多团队的首选监控方案。vmagent 解决了大规模采集的资源与可靠性问题vmalert 提供了灵活的告警规则引擎vmui 则让数据查询与探索变得简单直观。三者结合可以构建一套从采集、存储、告警到可视化的完整可观测性平台。建议读者从单节点版入手先通过 vmui 熟悉查询语法再逐步引入 vmagent 和 vmalert最终形成适合自身业务规模的监控体系。