Exporter 生态概览：Prometheus Exporter 原理与常见类型

在可观测性体系中，Exporter 是 Prometheus 生态的数据采集代理，负责将目标系统的内部指标转换为 Prometheus 能够抓取的格式。理解 Exporter 的工作原理与常见类型，是构建自愈剧本、缩短 MTTR 的基础。

Exporter 核心原理

Exporter 本质上是一个 HTTP 服务，遵循以下工作流程：

1. 指标采集：通过系统调用、API 请求、日志解析等方式从目标系统获取原始数据。
2. 格式转换：将原始数据转换为 Prometheus 规定的 Metrics 格式（文本格式或 Protobuf 格式）。
3. HTTP 暴露：在 /metrics 端点暴露指标数据，等待 Prometheus Server 拉取。

常见 Exporter 类型

根据采集目标的不同，Exporter 可分为系统级、网络级、应用级和自定义四类。下表对比了最常用的三种 Exporter：

Node Exporter 详解

Node Exporter 是 Prometheus 生态中最基础的 Exporter，用于采集主机级别的系统指标。其核心特性包括：

• 多 Collector 架构：每个 Collector 负责一类指标（如 cpu、memory、diskstats），可通过 --collector.disable-defaults 选择性启用。
• 文本文件辅助采集：支持 --collector.textfile.directory 参数，允许用户将自定义指标写入文本文件，由 Node Exporter 统一暴露。
• 系统资源占用极低：单实例内存占用通常低于 50MB，适合大规模部署。

Blackbox Exporter 详解

Blackbox Exporter 采用“黑盒”探测模式，从外部对目标端点发起网络请求，判断服务是否可达。其工作模式如下：

1. 配置探测模块：在 blackbox.yml 中定义 http_2xx、tcp_connect、icmp 等模块。
2. Prometheus 发起探测：通过 scrape_config 中的 params 指定模块和目标地址。
3. 返回探测结果：Exporter 返回 probe_success（0/1）、probe_duration_seconds 等指标。

Custom Exporter 开发要点

当标准 Exporter 无法满足需求时，需要开发自定义 Exporter。推荐使用 Prometheus 官方客户端库：

# Python 示例：使用 prometheus_client 库
from prometheus_client import start_http_server, Gauge
import time

# 定义自定义指标
request_latency = Gauge('app_request_latency_seconds', 'Request latency in seconds')
error_count = Gauge('app_error_total', 'Total error count')

def collect_metrics():
    # 模拟采集业务指标
    request_latency.set(0.125)
    error_count.set(42)

if __name__ == '__main__':
    start_http_server(8000)  # 暴露 /metrics 端点
    while True:
        collect_metrics()
        time.sleep(15)

自定义 Exporter 开发需遵循以下规范：

• 指标命名：使用 snake_case，以应用名称为前缀（如 myapp_requests_total）。
• 标签设计：避免高基数标签（如 UserID、RequestID），防止 Prometheus 内存膨胀。
• 错误处理：采集失败时返回 up{job="..."} 0，而非直接崩溃。

Exporter 异常模式与自愈切入点

在 MTTR 优化场景中，Exporter 常见的异常模式包括：