JMX_EXPORTER配置详解

2024-05-28 02:08
文章标签 配置 详解 jmx exporter

本文主要是介绍JMX_EXPORTER配置详解，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

  • 启动方式

自启动

java -javaagent:./jmx_prometheus_javaagent-0.13.0.jar=8080:config.yaml -jar yourJar.jar

随组件启动

        随组件启动时启动，在组件运行命令中添加以下代码：

-javaagent:./jmx_prometheus_javaagent-0.13.0.jar=8080:config.yaml

        举例，要配置监控hadoop，可在hadoop配置中的hadoop-env.sh中添加以下配置：

if [[ $HADOOP_NAMENODE_OPTS != *jmx_prometheus_javaagent* ]];thenexport HADOOP_NAMENODE_OPTS="-javaagent:/opt/apps/exporters/jmx_prometheus_javaagent-0.15.1-SNAPSHOT.jar=30001:/opt/apps/exporters/hadoop/namenode.yaml $HADOOP_NAMENODE_OPTS"
fi

        可访问<ip>:30001/metrics访问prometheus格式的指标数据

  • jmx_exporter解析配置

        官方提供的文档：

        例如以上配置中/opt/apps/exporters/hadoop/namenode.yaml举例，参数意义见以下注释：

# jmx_exporter启动的延迟时间；启动前不会返回任何数据
startDelaySeconds: 0
# 这个是被监控组件的jmx的ip和端口号，如果不配置，默认设置是本地jvm
# 注：如果是随组件一起启动，此处建议不配置（除非自己变更过jmx端口）
hostPort: 127.0.0.1:1234
# jmx远程连接认证的用户名和密码
username: someuser
password: somepwd
# 完整的jmx的url，如果已配置以上三项，此处不用配置
jmxUrl: service:jmx:rmi:///jndi/rmi://127.0.0.1:1234/jmxrmi
# 是否使用ssl加密通讯，若要使用，需要额外在被监控组件启动命令中添加以下配置：
# -Djavax.net.ssl.keyStore=/home/user/.keystore -Djavax.net.ssl.keyStorePassword=changeit -Djavax.net.ssl.trustStore=/home/user/.truststore -Djavax.net.ssl.trustStorePassword=changeit
ssl: false
# 是否自动将指标名转换成小写，默认不转换
lowercaseOutputName: false
# 是否自动将指标的标签名转换成小写，默认不转换
lowercaseOutputLabelNames: false
# 白名单列表，只会查询白名单内的Bean。其它的不会被查询，也不会被rules中的规则匹配；如果为空，将匹配所有Bean；支持正则
whitelistObjectNames: ["org.apache.cassandra.metrics:*"]
# 黑名单列表，在黑名单内的Bean不会被查询，也不会被rules中的规则匹配；支持正则
blacklistObjectNames: ["org.apache.cassandra.metrics:type=ColumnFamily,*"]
# 将Bean转换为prometheus指标的规则，支持配置多个；每个规则可生成一个或多个指标
rules:# 匹配正则表达式，其底层实现是基于java的Pattern和Matcher，全匹配模式- pattern: 'org.apache.cassandra.metrics<type=(\w+), name=(\w+)><>Value: (\d+)'# 匹配到的bean，转换为哪个prometheus指标name: cassandra_$1_$2# 将attribute转换为蛇形模式，即JavaAgent转换为java_agent，不配置此项时默认不转换attrNameSnakeCase: false# 指标的值value: $3# 指标值的放大缩小倍数，一般用于单位转换；prometheus指标一般使用基本单位，如果放大可以写1000,缩小写0.0001，根据单位转换实际情况填写valueFactor: 0.001# 指标的标签labels: "tag1": $2"tag2": "some tag value"# 指标的描述说明help: "Cassandra metric $1 $2"# 指标的数据类型，可以是Counter,GAUGE,Histogram,Summary,不写是默认为Untypedtype: GAUGE

        发现目前网络上的文章都是从官网翻译而来，实际并未自已实践尝试过。作者对于每个配置项都进行了测试，通过研读源码，结合配置样例讲解以加深大家理解。

  • 配置样例

  • 简单解析

        jmx的bean样例：

        配置的解析规则：

        生成的指标：

  • 同时解析出多个指标

        jmx的bean样例：

        配置的解析规则：

        生成的指标：

  • 复杂对象解析

         jmx的bean样例：

{beans:[{"name" : "java.lang:type=MemoryPool,name=PS Old Gen","modelerType" : "sun.management.MemoryPoolImpl","Valid" : true,"CollectionUsage" : {"committed" : 932184064,"init" : 1431830528,"max" : 21474836480,"used" : 22340736}]
}

        配置的解析规则：

          对于多层属性的数据结构，可在第二个<>中依次分级添加属性，注意每个<>中的内容都顺序都不能错，且每个属性之间的逗号（,）后面必须要有空格；在最后的冒号（:）后面也必须要有空格

- pattern: 'java.lang<type=MemoryPool, name=PS Old Gen><CollectionUsage>(\w+): (.*)'name: Hadoop_DataNode_metricsvalue: $2help: "DataNodeStatus mem pool metric"type: COUNTERlabels:"version": "$2""atrrname": "$1"

        生成的指标：

# HELP Hadoop_DataNode_metrics_total DataNodeStatus mem pool metric
# TYPE Hadoop_DataNode_metrics_total counter
Hadoop_DataNode_metrics{atrrname="committed",version="932184064",} 9.32184064E8
Hadoop_DataNode_metrics{atrrname="init",version="1431830528",} 1.431830528E9
Hadoop_DataNode_metrics{atrrname="max",version="21474836480",} 2.147483648E10
Hadoop_DataNode_metrics{atrrname="used",version="22340736",} 2.2340736E7

  • 表格数据对象解析

         jmx的bean样例：

{"beans" : [ {"name" : "java.lang:type=Runtime","modelerType" : "sun.management.RuntimeImpl","BootClassPath" : "/usr/java/jdk1.8.0_162/jre/lib/resources.jar:/usr/java/jdk1.8.0_162/jre/lib/rt.jar:/usr/java/jdk1.8.0_162/jre/lib/sunrsasign.jar:/usr/java/jdk1.8.0_162/jre/lib/jsse.jar:/usr/java/jdk1.8.0_162/jre/lib/jce.jar:/usr/java/jdk1.8.0_162/jre/lib/charsets.jar:/usr/java/jdk1.8.0_162/jre/lib/jfr.jar:/usr/java/jdk1.8.0_162/jre/classes","LibraryPath" : "/opt/apps/hadoop_everdc/lib/native","Uptime" : 24540387,"VmName" : "Java HotSpot(TM) 64-Bit Server VM","VmVendor" : "Oracle Corporation","VmVersion" : "25.162-b12","BootClassPathSupported" : true,"InputArguments" : [ "-Dproc_datanode", "-Xmx1000m", "-Djava.net.preferIPv4Stack=true", "-Dhadoop.log.dir=/data/hadoop/log//hdfs", "-Dhadoop.log.file=hadoop.log", "-Dhadoop.home.dir=/opt/apps/hadoop_everdc", "-Dhadoop.id.str=hdfs", "-Dhadoop.root.logger=INFO,console", "-Djava.library.path=/opt/apps/hadoop_everdc/lib/native", "-Dhadoop.policy.file=hadoop-policy.xml", "-Djava.net.preferIPv4Stack=true", "-Djava.net.preferIPv4Stack=true", "-Djava.net.preferIPv4Stack=true", "-Dhadoop.log.dir=/data/hadoop/log//hdfs", "-Dhadoop.log.file=hadoop-hdfs-datanode-ambari58.log", "-Dhadoop.home.dir=/opt/apps/hadoop_everdc", "-Dhadoop.id.str=hdfs", "-Dhadoop.root.logger=INFO,RFA", "-Djava.library.path=/opt/apps/hadoop_everdc/lib/native", "-Dhadoop.policy.file=hadoop-policy.xml", "-Djava.net.preferIPv4Stack=true", "-Dhadoop.security.logger=ERROR,RFAS", "-Xmx30720m", "-Dhadoop.security.logger=ERROR,RFAS", "-Xmx30720m", "-javaagent:/opt/apps/exporters/jmx_prometheus_javaagent-0.15.1-SNAPSHOT.jar=30003:/opt/apps/exporters/hadoop/datanode.yaml", "-Dhadoop.security.logger=ERROR,RFAS", "-Xmx30720m", "-Dhadoop.security.logger=INFO,RFAS" ],"ManagementSpecVersion" : "1.2","SpecName" : "Java Virtual Machine Specification","SpecVendor" : "Oracle Corporation","SpecVersion" : "1.8","SystemProperties" : [ {"key" : "awt.toolkit","value" : "sun.awt.X11.XToolkit"}, {"key" : "file.encoding.pkg","value" : "sun.io"}, {"key" : "java.specification.version","value" : "1.8"}, {"key" : "sun.jnu.encoding","value" : "UTF-8"}],"StartTime" : 1625627195308,"Name" : "41805@ambari58"}]
}

        配置的解析规则：

- pattern: 'java.lang<type=Runtime, key=awt.toolkit><>SystemProperties: (.*)'name: runtime_info_system_properties_toolkitvalue: 1labels:"clz": "$1"

        生成的指标：

# HELP runtime_info_system_properties_toolkit java.util.Map<java.lang.String, java.lang.String> (java.lang<type=Runtime, key=awt.toolkit><>SystemProperties)
# TYPE runtime_info_system_properties_toolkit untyped
runtime_info_system_properties_toolkit{clz="sun.awt.X11.XToolkit",} 1.0

  •   复杂对象加表格数据对象解析

          jmx的bean样例：

 {beans:[{"name": "Hadoop:service=DataNode,name=DataNodeInfo","modelerType": "org.apache.hadoop.hdfs.server.datanode.DataNode","Version": "2.6.0-cdh5.14.2","XceiverCount": 26,"DatanodeNetworkCounts": [{"key": "/10.193.40.4","value": [{"key": "networkErrors","value": 27}]},{"key": "/10.193.40.3","value": [{"key": "networkErrors","value": 2545}]},{"key": "/10.193.40.5","value": [{"key": "networkErrors","value": 33}]}],"RpcPort": "50020","HttpPort": null,"NamenodeAddresses": "{\"yh-shhd-cdh05\":\"BP-1654582017-10.193.40.10-1585051030504\",\"yh-shhd-cdh02\":\"BP-1654582017-10.193.40.10-1585051030504\"}","VolumeInfo": "{\"/mnt/disk3/dfs/dn/current\":{\"usedSpace\":2123832329532,\"freeSpace\":5403410074903,\"reservedSpace\":10737418240,\"reservedSpaceForRBW\":263679405},\"/mnt/disk2/dfs/dn/current\":{\"usedSpace\":2141850634176,\"freeSpace\":5385258770496,\"reservedSpace\":10737418240,\"reservedSpaceForRBW\":396679168},\"/mnt/disk0/dfs/dn/current\":{\"usedSpace\":2185856311266,\"freeSpace\":5341126906910,\"reservedSpace\":10737418240,\"reservedSpaceForRBW\":522865664},\"/mnt/disk1/dfs/dn/current\":{\"usedSpace\":2132307337216,\"freeSpace\":5394803232768,\"reservedSpace\":10737418240,\"reservedSpaceForRBW\":395513856}}","ClusterId": "cluster7","DiskBalancerStatus": ""}]
}

          配置的解析规则：

注意当复杂数据模型在多层之间存在相同的属性名称时（例如本例中的key出现在了两层），在写匹配规则时，第二个key要在后面加_，第三个key要在后面加两个_（__），依次类推，第n层要加n-1个下划线。（这个是比较坑的，官方文档影儿都没有）

另外，几乎jmx相关的多层复杂数据模型在暴露jmx指标数据时，都是类似以上案例中的key，value的形式；

rules:- pattern: 'Hadoop<name=DataNodeInfo, service=DataNode, key=(.*), key_=networkErrors><>DatanodeNetworkCounts: (.*)'name: hadoop_datanode_network_errorsvalue: $2help: "DataNode networkErrors every host"type: COUNTERlabels: "host": "$1"

       以上案例中，如果DatanodeNetworkCounts不在bean属性的第一层，而在第3层，前两层为

a:{b:DatanodeNetworkCounts:....}，则只需要更改pattern为：

Hadoop<name=DataNodeInfo, service=DataNode, key=(.*), key_=networkErrors><a,b>DatanodeNetworkCounts: (.*)

         生成的指标：

# HELP hadoop_datanode_network_errors DataNode networkErrors every host
# TYPE hadoop_datanode_network_errors gauge
hadoop_datanode_network_errors{host="/10.193.40.4",} 27.0
hadoop_datanode_network_errors{host="/10.193.40.3",} 2545.0
hadoop_datanode_network_errors{host="/10.193.40.5",} 33.0

  • 其它问题

        官方jmx_exporter对于一个jvm最多只能有一个jmx_exporter运行进行监控，所以当一台机器安装了jdk后，有多个组件都使用这个jdk时，无法使用多个jmx_exporter监控所有组件；对于此问题，作者对官方exporter进行了改造，使其可以支持一个jvm使用多个jmx_exporter，可参见：https://gitee.com/keamspring/jmx_exporter/tree/multiplue_component_assist

这篇关于JMX_EXPORTER配置详解的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1009245。

相关文章

Spring Security基于数据库验证流程详解

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明（认真看哦） AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证，则会调用 #attemptAuthentica
阅读更多...
Zookeeper安装和配置说明

Zookeeper安装和配置说明

一、Zookeeper的搭建方式 Zookeeper安装方式有三种，单机模式和集群模式以及伪集群模式。 ■ 单机模式：Zookeeper只运行在一台服务器上，适合测试环境； ■ 伪集群模式：就是在一台物理机上运行多个Zookeeper 实例； ■ 集群模式：Zookeeper运行于一个集群上，适合生产环境，这个计算机集群被称为一个“集合体”（ensemble） Zookeeper通过复制来实现
阅读更多...
CentOS7安装配置mysql5.7 tar免安装版

CentOS7安装配置mysql5.7 tar免安装版

一、CentOS7.4系统自带mariadb # 查看系统自带的Mariadb[root@localhost~]# rpm -qa|grep mariadbmariadb-libs-5.5.44-2.el7.centos.x86_64# 卸载系统自带的Mariadb[root@localhost ~]# rpm -e --nodeps mariadb-libs-5.5.44-2.el7
阅读更多...
hadoop开启回收站配置

hadoop开启回收站配置

开启回收站功能，可以将删除的文件在不超时的情况下，恢复原数据，起到防止误删除、备份等作用。 开启回收站功能参数说明 （1）默认值fs.trash.interval = 0，0表示禁用回收站；其他值表示设置文件的存活时间。 （2）默认值fs.trash.checkpoint.interval = 0，检查回收站的间隔时间。如果该值为0，则该值设置和fs.trash.interval的参数值相等。
阅读更多...
NameNode内存生产配置

NameNode内存生产配置

Hadoop2.x 系列，配置 NameNode 内存 NameNode 内存默认 2000m ，如果服务器内存 4G ， NameNode 内存可以配置 3g 。在 hadoop-env.sh 文件中配置如下。 HADOOP_NAMENODE_OPTS=-Xmx3072m Hadoop3.x 系列，配置 Nam
阅读更多...
wolfSSL参数设置或配置项解释

wolfSSL参数设置或配置项解释

1. wolfCrypt Only 解释：wolfCrypt是一个开源的、轻量级的、可移植的加密库，支持多种加密算法和协议。选择“wolfCrypt Only”意味着系统或应用将仅使用wolfCrypt库进行加密操作，而不依赖其他加密库。 2. DTLS Support 解释：DTLS（Datagram Transport Layer Security）是一种基于UDP的安全协议，提供类似于
阅读更多...
OpenHarmony鸿蒙开发（ Beta5.0）无感配网详解

OpenHarmony鸿蒙开发（ Beta5.0）无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息，即可快速实现设备配网，是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递，利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力，实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后，即可发送相关配网数据。同时还支持与常规Sof
阅读更多...
【Python编程】Linux创建虚拟环境并配置与notebook相连接

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如，在当前目录下创建一个名为 myenv 的虚拟环境： python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行： source myenv/bin/activate 3.与notebook连接 在虚拟环境中，使用 pip 安装 Jupyter 和 ipykernel： pip instal
阅读更多...
6.1.数据结构-c/c++堆详解下篇（堆排序，TopK问题）

6.1.数据结构-c/c++堆详解下篇（堆排序，TopK问题）

上篇：6.1.数据结构-c/c++模拟实现堆上篇（向下，上调整算法，建堆，增删数据）-CSDN博客 本章重点 1.使用堆来完成堆排序 2.使用堆解决TopK问题 目录 一.堆排序 1.1 思路 1.2 代码 1.3 简单测试 二.TopK问题 2.1 思路(求最小)： 2.2 C语言代码（手写堆） 2.3 C++代码（使用优先级队列 priority_queue）
阅读更多...
K8S（Kubernetes）开源的容器编排平台安装步骤详解

K8S（Kubernetes）开源的容器编排平台安装步骤详解

K8S（Kubernetes）是一个开源的容器编排平台，用于自动化部署、扩展和管理容器化应用程序。以下是K8S容器编排平台的安装步骤、使用方式及特点的概述： 安装步骤： 安装Docker：K8S需要基于Docker来运行容器化应用程序。首先要在所有节点上安装Docker引擎。 安装Kubernetes Master：在集群中选择一台主机作为Master节点，安装K8S的控制平面组件，如AP
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2