Implantação de Prometheus: guia prático para provedores

O que entra na implantação de Prometheus num provedor

Entram cinco peças: o servidor Prometheus, os exportadores que leem cada tipo de equipamento, o Alertmanager e o Grafana. Cada uma tem uma função e pode rodar no mesmo servidor no começo.

O Prometheus nasceu para monitorar aplicações em nuvem, mas se adaptou bem a redes de provedor. Ele não espera que os equipamentos mandem dados: vai até cada alvo no intervalo configurado, lê as métricas e guarda tudo com data e hora.

Ele é uma das peças possíveis do monitoramento de rede para provedores, ao lado ou no lugar de ferramentas como o Zabbix. A escolha depende mais da equipe que vai manter a ferramenta do que da ferramenta em si.

Uma implantação de Prometheus exige pouco hardware no começo, mas cresce com o número de séries coletadas. O que pesa é a quantidade de interfaces e de métricas por interface, não o número de equipamentos.

Onde instalar o servidor de coleta

O servidor precisa alcançar todos os equipamentos pela rede de gerência e continuar de pé quando a borda cair. Coleta que passa pelo mesmo link que está com problema some justo na hora em que mais faz falta.

• Rede de gerência: o acesso SNMP sai de uma VLAN ou VRF própria, separada do tráfego dos assinantes.
• Perto do núcleo: o servidor fica no POP principal, com caminho para os POPs remotos por mais de uma rota.
• Olho de fora: uma sonda simples fora do seu ASN confirma se a rede está acessível pela internet.

Como funciona a implantação de Prometheus?

A métrica sai do equipamento, passa pelo exportador, é gravada no Prometheus e, se uma regra for violada, vira alerta no Alertmanager. O Grafana lê o mesmo histórico para desenhar os painéis.

Prometheus ou Zabbix para o provedor?

Os dois atendem bem uma rede de provedor, e muitos usam os dois ao mesmo tempo. A diferença está no jeito de trabalhar de cada um.

Se a equipe gosta de arquivo de texto e controle de versão, o Prometheus tende a encaixar melhor. Se prefere telas prontas e descoberta automática, o Zabbix costuma ser mais rápido de colocar no ar.

Configuração de referência do prometheus.yml

O exemplo coleta SNMP de dois roteadores pelo snmp_exporter, com endereços reservados para documentação. A parte que mais confunde é o relabel, que manda o Prometheus perguntar ao exportador em vez de ao roteador.

global:
  scrape_interval: 60s
  evaluation_interval: 60s

rule_files:
  - /etc/prometheus/regras/*.yml

scrape_configs:
  - job_name: roteadores
    metrics_path: /snmp
    params:
      module: [if_mib]
      auth: [comunidade_ro]
    static_configs:
      - targets: [192.0.2.1, 192.0.2.2]
    relabel_configs:
      - source_labels: [__address__]
        target_label: __param_target
      - source_labels: [__param_target]
        target_label: instance
      - target_label: __address__
        replacement: 127.0.0.1:9116

• Intervalo de 60s: coleta e avaliação de regras a cada minuto, um ritmo que a maioria dos equipamentos aguenta sem sobrecarga de CPU.
• Módulo if_mib: lê os contadores de interface, como tráfego, erros e descartes.
• Relabel: o endereço do roteador vira parâmetro, a etiqueta instance guarda o nome certo e a consulta vai para o exportador.
• Porta 9116: é onde o snmp_exporter escuta, aqui no mesmo servidor do Prometheus.

Implantação de Prometheus passo a passo

O roteiro abaixo leva da lista de equipamentos ao primeiro alerta testado. Vale fazer com um POP ou uma parte da rede antes de ampliar para tudo.

1. Faça o inventário: liste roteadores, switches, OLTs, concentradores e servidores, com endereço e modelo.
2. Prepare o SNMP: crie usuário SNMPv3 de leitura e libere o acesso só para o servidor de coleta.
3. Gere os módulos: use o gerador do snmp_exporter com as MIBs de cada fabricante para coletar só as OIDs úteis.
4. Configure a coleta: monte o prometheus.yml por grupo de equipamentos, com intervalo compatível.
5. Escreva as regras: comece com poucos alertas que exigem ação e deixe os de planejamento como aviso.
6. Ligue o Alertmanager: defina agrupamento, silêncio de manutenção e o canal de cada gravidade.
7. Monte os painéis: crie as telas do NOC no Grafana por POP, por link e por serviço.
8. Versione tudo: guarde regras, painéis e configuração num repositório, com cópia fora do servidor.

O Grafana entra no fim de propósito: painel bonito montado antes dos alertas tende a virar a única coisa que a equipe olha, e o alerta que importa passa despercebido.

Quanto histórico guardar e onde?

Por padrão, o Prometheus guarda 15 dias de histórico. Para planejar capacidade de links e prever falhas, isso costuma ser pouco.

• Retenção local maior: basta aumentar o prazo no servidor, desde que haja disco para isso.
• Armazenamento remoto: o Prometheus envia as séries para outra base, feita para guardar meses ou anos.
• Menos séries: coletar só as OIDs que alguém usa reduz o disco mais do que qualquer ajuste.

O espaço necessário depende do número de séries e do intervalo de coleta, e deve ser medido na primeira semana de operação. [CONFIRMAR dimensionamento de disco com os dados do provedor]

Alertas que valem a pena no começo

Comece com poucos alertas que exigem uma ação concreta e diga, em cada um, o que aconteceu e o que fazer. O resto fica como aviso de planejamento.

• Interface de uplink caída: alerta imediato.
• Uso acima de 85% por 15 minutos: aviso para planejamento.
• Erros de CRC crescendo: aviso para a equipe de campo.
• Equipamento sem responder à coleta: alerta imediato.

Alertas que projetam falhas futuras, como potência óptica caindo, usam funções de tendência e estão no guia de análise preditiva de falhas. Quando o mesmo alerta volta toda semana, o caminho é a gestão de problemas no NOC.

Exemplo: os quatro alertas escritos em PromQL

As métricas do módulo if_mib já trazem o necessário para os quatro alertas acima. O arquivo vai para a pasta indicada em rule_files e é lido pelo Prometheus no próximo recarregamento.

groups:
  - name: rede-basico
    rules:
      - alert: UplinkCaido
        expr: ifOperStatus{ifAlias=~".*UPLINK.*"} == 2
        for: 1m
        labels:
          severidade: critico
      - alert: LinkAcimaDe85
        expr: rate(ifHCInOctets[5m]) * 8 / (ifHighSpeed * 1000000) > 0.85
        for: 15m
        labels:
          severidade: aviso
      - alert: ErrosCrescendo
        expr: rate(ifInErrors[15m]) > 0
        for: 30m
        labels:
          severidade: aviso
      - alert: EquipamentoSemColeta
        expr: up{job="roteadores"} == 0
        for: 5m
        labels:
          severidade: critico

O filtro por descrição só funciona se as interfaces de uplink tiverem um padrão no nome, como UPLINK no ifAlias. Sem esse padrão, a regra precisa listar as interfaces uma a uma, e esse costuma ser o primeiro ajuste de padronização que a implantação revela.

Quem recebe e como registra

Ferramenta sem processo não reduz chamados. Defina quem recebe cada alerta, em quanto tempo responde e como registra. [CONFIRMAR tempos de resposta do contrato]

Esse combinado é o que sustenta o SLA com os clientes corporativos. A forma de organizar incidentes, problemas e mudanças em volta dos alertas está em ITIL na operação de rede.

Erros comuns na implantação

Os problemas de uma implantação nova costumam ser de volume, de retenção e de segurança. Quase todos aparecem nas primeiras semanas e são fáceis de evitar com planejamento.

A Táquion Tech implanta Prometheus, snmp_exporter, Alertmanager e Grafana com acesso só de leitura aos equipamentos e entrega a configuração documentada e versionada para a equipe do provedor.

Checklist de validação antes de entregar ao NOC

Valide a implantação com falhas simuladas antes de colocar a equipe para depender dela. O teste mostra se a coleta está certa e se o alerta chega ao lugar combinado.

Depois da entrega, reveja os alertas com o NOC a cada mês: os que ninguém tratou devem virar aviso ou sair, e as falhas que passaram sem alerta pedem uma regra nova.

Perguntas frequentes sobre Prometheus

Thiago Manoel

Responsável técnico da Táquion Tech · Registro profissional [PREENCHER]

Mais de 15 anos em operações de rede, com gestão de infraestruturas de TI, administração de data centers e condução de equipes em migrações de TI e telecomunicações, com foco em alta disponibilidade e segurança.

A Táquion Tech é uma empresa de engenharia de redes de Balneário Camboriú (SC) que projeta, opera e dá suporte a redes de provedores de internet e de empresas.

Conheça a equipe da Táquion Tech