4、Exporter 概念与原理
Exporter 是 Prometheus 生态中负责将非原生指标转换为 Prometheus 可采集格式的中间代理程序。理解 Exporter 的作用、数据模型与四种核心 Metrics 类型，是构建可靠采集环境的基础。
4.1 Exporter 的作用
Prometheus 采用“拉取（Pull）”模式采集指标，但大多数业务系统、中间件或硬件设备并不直接暴露 Prometheus 格式的 HTTP /metrics 端点。Exporter 充当适配器，完成以下三项核心任务：
- 协议转换：将 JMX、SNMP、SQL、自定义日志等异构数据源转换为 Prometheus 文本格式。
- 指标暴露：在指定端口（通常为 9100、9308 等）启动 HTTP 服务，响应 Prometheus Server 的 /metrics 请求。
- 状态映射：将源系统的运行状态（如连接数、错误率、队列深度）映射为 Prometheus 的四种标准 Metrics 类型。
关键原则：Exporter 只负责“采集与转换”，不负责告警、存储或可视化。每个 Exporter 应保持无状态、轻量级，并遵循 Prometheus 的命名规范与标签设计。
4.2 Exporter 数据模型
Prometheus 的数据模型以 Metric Name 和 Labels 为核心标识。Exporter 输出的每个样本点由以下三部分组成：
| 组成部分 | 说明 | 示例 |
|---|---|---|
| Metric Name | 描述指标含义的字符串，遵循 [a-zA-Z_:][a-zA-Z0-9_:]* |
node_cpu_seconds_total |
| Labels | 键值对集合，用于维度区分；每个时间序列由 Metric Name + Labels 唯一确定 | {mode="user", cpu="0"} |
| Sample Value | 当前时间点的数值（float64） | 1234.56 |
Exporter 在输出时必须保证 Metric Name 符合规范，标签数量可控（避免高基数爆炸），且时间戳由 Prometheus Server 在拉取时自动附加。
4.3 四种核心 Metrics 类型
Prometheus 客户端库定义了四种标准指标类型。Exporter 必须根据指标语义选择正确的类型，否则会导致查询语义错误或聚合失真。
4.3.1 Counter（计数器）
- 语义：只增不减的累计值，系统重启后归零。
- 适用场景：请求总数、错误总数、CPU 时间累计、字节发送总量。
- 典型操作：
rate()、increase()。 - 示例：
http_requests_total{method="GET", status="200"} 1024
4.3.2 Gauge（仪表盘）
- 语义：可增可减的瞬时值，反映当前状态。
- 适用场景：内存使用量、当前连接数、温度、队列长度。
- 典型操作：
avg()、max()、min()。 - 示例：
node_memory_MemAvailable_bytes 8.64e+09
4.3.3 Histogram（直方图）
- 语义：对观测值进行分桶计数，同时记录总和与总次数。
- 适用场景：请求延迟、响应大小、执行耗时分布。
- 自动生成序列：
_bucket{le="..."}、_sum、_count。 - 典型操作：
histogram_quantile()计算分位数。 - 示例：
http_request_duration_seconds_bucket{le="0.5"} 240
4.3.4 Summary（摘要）
- 语义：在客户端直接计算分位数，同时暴露
_sum和_count。 - 适用场景：已知分位数需求（如 P99），且希望减少服务端计算开销。
- 自动生成序列：
{quantile="0.5"}、{quantile="0.9"}、{quantile="0.99"}、_sum、_count。 - 典型操作：直接读取分位数，无法在服务端聚合。
- 示例：
rpc_duration_seconds{quantile="0.99"} 1.5
选型建议：需要服务端灵活计算分位数（如动态调整分位点）时使用 Histogram；分位数固定且客户端计算更高效时使用 Summary。Gauge 和 Counter 的选择标准是“是否只增不减”。
4.4 Metrics 类型对比表
| 特性 | Counter | Gauge | Histogram | Summary |
|---|---|---|---|---|
| 增减方向 | 只增 | 可增可减 | 只增（桶计数） | 只增（计数/总和） |
| 分位数计算位置 | — | — | 服务端 | 客户端 |
| 是否可聚合 | 是 | 是 | 是（桶可合并） | 否（分位数不可聚合） |
| 典型函数 | rate() |
avg() |
histogram_quantile() |
直接读取 |
| 数据量 | 低 | 低 | 中（桶数×标签） | 中（分位数×标签） |
4.5 Exporter 指标暴露流程
下图展示了一个典型 Exporter 从数据源采集到 Prometheus 拉取的完整链路：
4.6 实战：Exporter 输出与类型验证
以 Node Exporter 为例，通过 curl 验证其输出格式与 Metrics 类型：
# 拉取 Node Exporter 指标
curl -s http://localhost:9100/metrics | head -30
# 输出片段（注意 HELP 与 TYPE 行）
# 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"} 2.345678e+06
node_cpu_seconds_total{cpu="0",mode="system"} 1.234567e+05
# HELP node_memory_MemAvailable_bytes Memory information field MemAvailable_bytes.
# TYPE node_memory_MemAvailable_bytes gauge
node_memory_MemAvailable_bytes 8.64e+09
常见陷阱：Exporter 必须为每个 Metric 显式声明
# TYPE 行，否则 Prometheus Server 默认将其视为无类型（Untyped），导致 rate() 或 histogram_quantile() 等函数无法正确执行。生产环境中应使用 promtool check metrics 验证 Exporter 输出合规性。