4、指标采集：Exporter原理、常用Exporter部署与配置，自定义Exporter开发入门

Prometheus 采用“拉取（Pull）”模式获取监控数据，这意味着 Prometheus 服务端需要主动访问目标端点（Endpoint）的 HTTP 端口来采集指标。然而，业务系统、数据库、操作系统本身并不会直接暴露 Prometheus 格式的指标数据。Exporter 正是承担“翻译官”与“代理”角色的关键组件：它将目标系统的内部状态（如 CPU 使用率、数据库连接数、Redis 内存碎片率）转换为 Prometheus 能够识别的标准指标格式，并通过 HTTP 服务暴露给 Prometheus 服务端。本章将深入剖析 Exporter 的工作原理，详细讲解 node_exporter、mysqld_exporter、redis_exporter 的部署与配置实战，并带领读者完成一个自定义 Exporter 的开发入门，为构建完整的监控体系打下坚实基础。

4.1 Exporter 核心原理与指标暴露机制

4.1.1 核心原理：从“被监控”到“可拉取”的转换器

Exporter 的本质是一个小型的 HTTP 服务，它通过目标系统提供的接口（如 Linux 的 /proc 文件系统、MySQL 的 performance_schema、Redis 的 INFO 命令）获取原始状态数据，然后按照 Prometheus 的文本格式规范（Text-based Format）将这些数据组织成指标（Metric）。Prometheus 服务端通过 HTTP 请求访问 Exporter 的 /metrics 端点，获取这些指标并存入时序数据库。

一个标准的指标输出格式如下：

# HELP node_cpu_seconds_total Seconds the cpus spent in each mode.
# TYPE node_cpu_seconds_total counter
node_cpu_seconds_total{cpu="0",mode="idle"} 12345.67
node_cpu_seconds_total{cpu="0",mode="system"} 234.56

其中 # HELP 提供指标描述，# TYPE 声明指标类型（counter、gauge、histogram、summary），后续每一行是一个样本（Sample），由指标名、标签（Label）和样本值组成。Exporter 的核心职责就是高效、准确地生成这些文本数据。

4.1.2 判断方法：如何验证 Exporter 是否正常工作

部署 Exporter 后，需要从三个层面验证其健康状态：

1. 进程层面：确认 Exporter 进程是否存活，端口是否监听。使用 ss -lntp | grep 9100 或 curl http://localhost:9100/metrics 检查。
2. 数据层面：访问 /metrics 端点，检查返回的指标是否包含预期的关键指标（如 node_cpu_seconds_total、node_memory_MemAvailable_bytes）。
3. 集成层面：在 Prometheus 的 Target 页面（Status → Targets）中查看该 Exporter 的端点状态是否为 UP，且 Scrape Duration 正常。

4.1.3 案例拆解：一次典型的指标采集链路

假设我们监控一台生产环境的 Linux 服务器（IP: 192.168.1.10）。管理员在服务器上部署了 node_exporter，监听 9100 端口。Prometheus 配置了如下抓取任务：

scrape_configs:
  - job_name: 'linux-node'
    static_configs:
      - targets: ['192.168.1.10:9100']

当 Prometheus 执行抓取时，会向 http://192.168.1.10:9100/metrics 发送 HTTP GET 请求。node_exporter 收到请求后，会遍历注册的各个采集器（Collector），如 cpu、memory、diskstats、filesystem 等，读取 /proc 和 /sys 下的数据，并转换为 Prometheus 格式返回。Prometheus 解析响应体，将指标数据追加到本地存储，并更新该 Target 的抓取状态。整个过程通常在毫秒级完成，如果超过 10 秒（默认 scrape_timeout），则视为抓取失败。

4.1.4 常见误区与总结复盘

• 误区一：认为 Exporter 是守护进程。实际上 Exporter 只是一个普通的 HTTP 服务，需要借助 systemd、supervisor 或容器编排来保证其开机自启和异常重启。
• 误区二：忽略指标类型。Counter 只能递增，适合请求数；Gauge 可增可减，适合内存使用量。错误使用类型会导致 PromQL 查询结果无意义。
• 误区三：标签基数爆炸。在自定义 Exporter 中，如果标签值包含用户 ID、IP 等无限增长的维度，会严重消耗 Prometheus 内存和磁盘。

4.2 常用 Exporter 部署与配置实战

4.2.1 node_exporter：主机监控的基石

node_exporter 是 Prometheus 官方提供的主机监控 Exporter，用于采集 Linux/Unix 系统的硬件和内核指标。它通过读取 /proc、/sys 等虚拟文件系统获取数据，覆盖 CPU、内存、磁盘、网络、文件系统等维度。

部署步骤（以二进制方式为例）：

# 1. 下载并解压
wget https://github.com/prometheus/node_exporter/releases/download/v1.7.0/node_exporter-1.7.0.linux-amd64.tar.gz
tar xvf node_exporter-1.7.0.linux-amd64.tar.gz
cd node_exporter-1.7.0.linux-amd64

# 2. 创建 systemd 服务
sudo useradd -M -s /bin/false node_exporter
sudo cp node_exporter /usr/local/bin/
sudo chown node_exporter:node_exporter /usr/local/bin/node_exporter

# 3. 创建 systemd unit 文件
sudo tee /etc/systemd/system/node_exporter.service <<EOF
[Unit]
Description=Node Exporter
After=network.target

[Service]
User=node_exporter
Group=node_exporter
Type=simple
ExecStart=/usr/local/bin/node_exporter --web.listen-address=:9100 --collector.systemd --collector.processes

[Install]
WantedBy=multi-user.target
EOF

# 4. 启动并验证
sudo systemctl daemon-reload
sudo systemctl enable --now node_exporter
curl http://localhost:9100/metrics | head -20

关键配置参数说明：

4.2.2 mysqld_exporter：数据库监控的利器

mysqld_exporter 用于采集 MySQL 服务器的运行状态，包括连接数、慢查询、缓冲池命中率、复制状态等。它通过连接 MySQL 实例执行 SHOW GLOBAL STATUS、SHOW GLOBAL VARIABLES 等 SQL 语句获取数据。

部署与配置要点：

# 1. 创建监控账号（在 MySQL 中执行）
CREATE USER 'exporter'@'localhost' IDENTIFIED BY 'StrongPass123' WITH MAX_USER_CONNECTIONS 3;
GRANT PROCESS, REPLICATION CLIENT, SELECT ON *.* TO 'exporter'@'localhost';

# 2. 创建配置文件 .my.cnf
cat > /etc/mysqld_exporter/.my.cnf <<EOF
[client]
user=exporter
password=StrongPass123
host=127.0.0.1
port=3306
EOF

# 3. 启动 Exporter（指定配置文件）
mysqld_exporter --config.my-cnf=/etc/mysqld_exporter/.my.cnf --web.listen-address=:9104

核心指标解读：

• mysql_global_status_threads_connected：当前连接数，用于判断连接池是否耗尽。
• mysql_global_status_queries：累计查询次数（Counter），可用于计算 QPS。
• mysql_global_status_innodb_buffer_pool_read_requests 与 ..._reads：缓冲池读请求与物理读次数，用于计算命中率。
• mysql_slave_status_slave_io_running 与 ..._sql_running：复制线程状态，0 表示停止，1 表示运行。

4.2.3 redis_exporter：缓存监控的快速上手

redis_exporter 支持 Redis 和 Redis Cluster，通过调用 INFO 命令获取键空间命中率、内存碎片率、客户端连接数等关键指标。

# 启动方式（支持 Redis 密码）
redis_exporter --redis.addr=redis://localhost:6379 --redis.password=YourPass --web.listen-address=:9121

# 对于 Redis Cluster
redis_exporter --redis.addr=redis://cluster-node1:6379 --redis-cluster-mode=true

常用监控指标：

4.3 自定义 Exporter 开发入门

4.3.1 开发框架与核心接口

Prometheus 官方为 Go 语言提供了 client_golang 库，这是开发自定义 Exporter 最主流的方式。核心是实现 prometheus.Collector 接口，该接口包含两个方法：

• Describe(chan<- *prometheus.Desc)：将指标描述符发送到 channel，用于告知 Prometheus 该 Exporter 会暴露哪些指标。
• Collect(chan<- prometheus.Metric)：实际采集指标值，并将指标发送到 channel。

更简单的开发方式是使用 prometheus.NewGaugeVec 等向量指标，配合 prometheus.MustRegister 注册，然后通过 HTTP Handler 暴露。

4.3.2 实战案例：开发一个监控网站可用性的 Exporter

假设我们需要监控多个业务网站的健康状态（HTTP 状态码、响应时间），并暴露给 Prometheus。以下是核心代码逻辑：

package main

import (
    "net/http"
    "time"
    "github.com/prometheus/client_golang/prometheus"
    "github.com/prometheus/client_golang/prometheus/promhttp"
)

var (
    // 定义指标：网站可用性（1=正常，0=异常）
    websiteUp = prometheus.NewGaugeVec(
        prometheus.GaugeOpts{
            Name: "website_up",
            Help: "Whether the website is up (1) or down (0)",
        },
        []string{"url"},
    )
    // 定义指标：HTTP 响应时间（毫秒）
    websiteResponseTime = prometheus.NewHistogramVec(
        prometheus.HistogramOpts{
            Name:    "website_response_time_ms",
            Help:    "HTTP response time in milliseconds",
            Buckets: []float64{50, 100, 200, 500, 1000, 2000},
        },
        []string{"url"},
    )
)

func init() {
    prometheus.MustRegister(websiteUp)
    prometheus.MustRegister(websiteResponseTime)
}

func probeWebsite(url string) {
    start := time.Now()
    resp, err := http.Get(url)
    duration := time.Since(start).Milliseconds()
    
    if err != nil || resp.StatusCode >= 400 {
        websiteUp.WithLabelValues(url).Set(0)
    } else {
        websiteUp.WithLabelValues(url).Set(1)
    }
    websiteResponseTime.WithLabelValues(url).Observe(float64(duration))
    if resp != nil {
        resp.Body.Close()
    }
}

func main() {
    // 每 15 秒采集一次目标网站
    targets := []string{"https://www.example.com", "https://api.example.com"}
    go func() {
        for {
            for _, url := range targets {
                go probeWebsite(url)
            }
            time.Sleep(15 * time.Second)
        }
    }()
    
    http.Handle("/metrics", promhttp.Handler())
    http.ListenAndServe(":8080", nil)
}

开发要点与注意事项：

1. 指标命名：遵循 namespace_subsystem_name_unit 的规范，如 website_response_time_ms。
2. 标签设计：标签应保持低基数，避免将请求 URL 的完整路径作为标签值，应只保留域名或服务名。
3. 并发安全：如果多个 goroutine 同时写入同一个指标，需要使用 prometheus.NewGaugeVec 等线程安全的向量指标。
4. 采集频率：Exporter 内部可以自行控制采集频率，但更推荐由 Prometheus 的 scrape_interval 控制，Exporter 只负责在收到请求时返回最新数据。

4.3.3 测试与集成

开发完成后，编译并运行程序，访问 http://localhost:8080/metrics 验证输出。然后在 Prometheus 配置中添加抓取任务：

scrape_configs:
  - job_name: 'website-probe'
    static_configs:
      - targets: ['localhost:8080']

4.4 本章知识结构总览

在实际生产环境中，Exporter 的部署应遵循“就近采集”原则，即 Exporter 尽量部署在被监控对象所在的机器上，避免跨网络抓取带来的延迟和故障域扩大。同时，建议将所有 Exporter 的端口统一规划，并在防火墙层面仅允许 Prometheus 服务器访问这些端口，以降低安全风险。