- https://prometheus.io/docs/introduction/comparison/
- https://toutiao.io/posts/fsjq8t/preview
总结：白盒监控，或者需要监控一个动态的云环境，Prometheus更优。
一、适用范围
Graphite：
- 一个Python写的web应用，企业级的系统监控工具，可以在廉价机硬件上运行
- 作为被动机制的时间序列数据库，有自己的查询语言和绘图方式。其他特性需要通过外部组件来实现
- 由三个软件组件组成：
- carbon：一个Twisted守护进程，监听并接收时间序列数据
- whisper：固定大小文件的数据库，用来存储时间序列数据，在设计上类似于RRD（Round Robin Database，一种环形数据库，专门设计来存储时序数据）
- graphite-web：Django框架实现的一个webapp，可以从whisper数据库获取时间序列数据并且进行展示
小结：Graphite是一个被动接收的时间序列数据库，但提供了数据展示的功能。数据采集agent、警报等其它的功能，需要引入第三方软件来支持。
Prometheus
有一套完整的监控和趋势系统，在时序数据基础上内建主动抓取，搜索，绘图和报警系统，有丰富的官方和第三方贡献的监控收集工具(exporters).
全能监控，提供了基于时间序列数据的数据采集、存储、查询、画图和告警的功能
采用主动(pull)采集的方式，知道被监控的系统是什么样子的(哪个endpoints应该存在，那种时间序列模式意味着出问题)，能够为问题诊断提供强力的支持
二、数据模型
- 两者大体一致，Prometheus提供更加丰富的metadata模型：
- Graphite 的metric名称以点"."分割组件，这种方式是一种维度的编码方式，通过"."来潜在的提供分割数据标识。
- Prometheus 在提供metric名称之外，明确的通过标签键值对标识metric不同的维度，更易于通过查询语句来过滤、分组、匹配metrics。
- 当Graphite和StatsD结合使用时，它存储的数据一般是聚合过后的数据(维度降低)，Prometheus存原维度数据(这些数据有不同的维度，能够根据这些数据来定位更细节的问题)。
例子
- 使用Graphite/StatsD存储状态码为500、方法是POST、路径是"/tracks"、服务名称为api-server(api-server有多个实例)的http请求数，这样一个监控指标：
stats.api-server.tracks.post.500 -> 93 - 使用Prometheus存储同样的监控指标：
api_server_http_requests_total{method="POST",handler="/tracks",status="500",instance="<sample1>"} -> 34
api_server_http_requests_total{method="POST",handler="/tracks",status="500",instance="<sample2>"} -> 28
api_server_http_requests_total{method="POST",handler="/tracks",status="500",instance="<sample3>"} -> 31
即：Prometheus支持更高维度的监控指标
三、存储
- Graphite 使用Whisper格式在本地磁盘存储时间序列数据。Whisper是RRD-style database，它要求到达的采样数据间隔固定。每一个时间序列存储在一个单独的文件，在一定时间之后新的采样数据会覆盖老得数据。
- Prometheus 也为每一个时间序列创建一个本地文件，但是允许以任意时间间隔存储采样数据(数据采集、规则计算评估时间任意)。旧数据可以是任意长度，新的采样数据只是简单的附加在老数据的后面。Prometheus针对短生命周期、频繁更改标签集合的时间序列也能和好的支持。
四、总结
- Prometheus提供更丰富的数据模型和查询语句，此外还易于运行、整合到已有环境中。
- 如果想要集群化的解决方案，能够存储长期的历史数据，Graphite可能是更好的选择。
- 白盒监控，或者需要监控一个动态的云环境，Prometheus更优。