本文主要是介绍【监控】prometheus自定义指标 exporter，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！
一、【写在前面】
prometheus自定义指标本质是用代码自己写一个网络访问的采集器，你可以在官网看到，Client libraries | Prometheus官方支持的语言有GO JAVA PYTHON RUBY RUST, 第三方的库就支持的更多了，有BASH C CPP LUA C# JS PHP R PERL等，所以基本都可以找到自己需要的语言
因为考虑到prometheus官方提供的node exporter有限，社区的exporter需要找找找然后自己魔改，所以这篇文章写一个自定义指标的示例，小改一下就能自己用，但是当然您需要提前搭建一套prometheus才行，所以此文章作为以下的补充grafana + Prometheus + node-exporter + pushgateway + alertmanager的监控解决方案-CSDN博客
二、【基本介绍】
1. exporter是什么
exporter就是我们传统意义上说的agent。笔者到网上找了张架构图，你可以看到exporter部署在目标机器或者目标机器外，采集所需的指标，然后再由Prometheus定期拉取，也就是说，你可以看到，这个过程可能存在两个定时过程，一个是exporter处指标的定时更新，另一个是prometheus的定时拉取。
2. 支持哪些类型的指标
这个库还是蛮清楚明了的，官网文档一页就能看完，它支持这么几种类型，根据需要选取就行，这是他的官网，Instrumenting | client_python, 下面是用GPT总结的几个常用类
1. Counter（计数器）
特点：
- 单调递增，只能增加或重置为零，不能减少。
使用场景：
- 统计事件发生的总次数，如请求数、错误数等。
from prometheus_client import Counterc = Counter('requests_total', 'Total number of requests')
c.inc() # 增加1
c.inc(5) # 增加5
2. Gauge（仪表）
特点：
- 可以增加、减少或设置为任意值。
使用场景：
- 表示瞬时值，如当前温度、内存使用量、并发请求数等。
from prometheus_client import Gaugeg = Gauge('memory_usage_bytes', 'Memory usage in bytes')
g.set(12345) # 设置为12345
g.inc() # 增加1
g.dec(2) # 减少2
3. Summary（摘要）
特点：
- 统计事件的持续时间或大小，提供总量、次数以及可配置的分位数信息。
使用场景：
- 记录请求的响应时间、数据包的大小等。
from prometheus_client import Summarys = Summary('request_latency_seconds', 'Request latency in seconds')
s.observe(0.5) # 记录一个0.5秒的请求延迟
4. Histogram（直方图）
特点：
- 类似于Summary，但提供详细的桶分布信息，统计每个桶内的值的个数。
使用场景：
- 记录请求的响应时间，并分析其分布情况；记录数据包的大小分布。
from prometheus_client import Histogramh = Histogram('request_latency_seconds', 'Request latency in seconds')
h.observe(0.5) # 记录一个0.5秒的请求延迟
5. Info
特点：
- 记录一些静态的信息，如版本号、配置信息等。
使用场景：
- 记录应用的版本号、配置参数等。
from prometheus_client import Infoi = Info('app_version', 'Application version')
i.info({'version': '1.0.0', 'build': 'abc123'})
6. Enum
特点：
- 表示一组离散的互斥状态。
使用场景：
- 记录应用的运行状态（如启动、运行、停止）；记录服务器的健康状态。
from prometheus_client import Enume = Enum('app_state', 'Application state', states=['starting', 'running', 'stopping', 'stopped'])
e.state('running')
7. Labels（标签）
特点：
- 为指标附加维度，可以在同一指标名称下记录多个不同维度的数据。
使用场景：
- 记录每个API端点的请求次数；记录不同状态的任务数。
from prometheus_client import Counterc = Counter('http_requests_total', 'Total number of HTTP requests', ['method', 'endpoint'])
c.labels(method='get', endpoint='/home').inc()
c.labels(method='post', endpoint='/submit').inc()
这里我说一句，这个标签特别适合做多维表，prometheus这个东西它自定义生成的大都是键值对，如果要做多维，用这个会方便一些，但是只限于在label里（也就是[]中）写常量，因为他本质还是在键里写信息，如果键里内容变了，prometheus会认为是新的条目
8. Exemplars（示例）
特点：
- 关联指标数据和具体的事件样本，帮助在分析时追踪和关联具体的事件。
使用场景：
- 关联慢请求的具体trace；提供异常事件的上下文信息。
from prometheus_client import Histogramh = Histogram('request_latency_seconds', 'Request latency in seconds')
h.observe(0.5, {'trace_id': '12345'}) # 记录一个0.5秒的请求延迟，并附加trace ID
# 本质上不是一个新类三、【代码实现】
1. 安装prometheus client 库
pip install prometheus_client2. 复制代码
让GPT写了一个用线程精准定时的采集指标，你可以看到，本质就是创建一个 指标类型（这里是Counter和Gauge） 然后把数字用set塞进去就行。
from prometheus_client import start_http_server, Counter, Gauge
import threading
import random
import time# 创建计数器
REQUEST_COUNTER = Counter('periodic_tasks_total', 'Total number of periodic tasks executed')
# 创建仪表
PERIODIC_GAUGE = Gauge('periodic_task_value', 'Value generated by periodic task')def generate_metrics():"""生成指标的函数，每30秒执行一次"""REQUEST_COUNTER.inc() # 增加计数器value = random.uniform(0, 100)PERIODIC_GAUGE.set(value) # 设置仪表值print(f"Generated metrics: {value}")def schedule_periodic_metrics(interval):"""调度定时任务的函数，确保每interval秒执行一次"""generate_metrics()# 使用threading.Timer确保精确的定时threading.Timer(interval, schedule_periodic_metrics, [interval]).start()if __name__ == '__main__':# 启动一个Prometheus HTTP服务器，用于抓取指标数据start_http_server(8000)# 启动精确定时任务，每30秒生成一次指标schedule_periodic_metrics(30)# 保持主线程运行while True:time.sleep(1)
3. 确认连通情况
把上面的脚本跑起，然后另一边在Prometheus里的yml写上连接的ip和端口，并且重启prometheus，随后网页 “1.1.1.1:8000/targets” 查看情况
- job_name: 'trading_observer'static_configs:- targets: ['1.1.1.1:8000']
看到这个up就是连接上了
之后就可以在grafana中通过指标名获取数据了
这篇关于【监控】prometheus自定义指标 exporter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！
