您好，登录后才能下订单哦！
密码登录
登录注册
点击 登录注册 即表示同意《亿速云用户服务条款》
这篇文章主要介绍“如何使用go自定义prometheus的exporter”，在日常操作中，相信很多人在如何使用go自定义prometheus的exporter问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”如何使用go自定义prometheus的exporter”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
在prometheus中如果要监控服务器和应用的各种指标，需要用各种各样的exporter服务，例如node_exportes、mysql_exportes、pgsql_exportes等。这些都是官方或者第三方已经提供好的。但是如果自己想要监控一些其它exportes没有的指标，则就需要自己去构建一个属于自己的exportes，好在官方提供相关的库，目前支持以下语言：
官方支持语言：
Go
Java or Scala
Python
Ruby
Rust
在开始之前需要了解下metric的类型划分
Counter（计数器）：只增不减的计数器，用于记录事件发生的次数，例如请求数量、错误数量等。
Gauge（仪表盘）：可增可减的指标，用于记录当前的状态，例如 CPU 使用率、内存使用量等。
Histogram（直方图）：用于记录数据的分布情况，例如请求响应时间的分布情况。
Summary（摘要）：与 Histogram 类似，但是它会在客户端计算出一些摘要信息，例如平均值、标准差等。
Gauge的特点： 1. 可以任意上升或下降，没有固定的范围限制。 2. 可以被设置为任何值，不像Counter只能递增。 3. 可以被用来表示瞬时值或累计值。 4. 可以被用来表示单个实体的状态，例如单个服务器的CPU使用率。 5. 可以被用来表示多个实体的总体状态，例如整个集群的CPU使用率。 Gauge的使用： 1. Gauge的值可以通过set()方法进行设置。 2. Gauge的值可以通过inc()和dec()方法进行增加或减少。 3. Gauge的值可以通过add()方法进行增加或减少指定的值。 4. Gauge的值可以通过set_to_current_time()方法设置为当前时间戳。 5. Gauge的值可以通过observe()方法进行设置，这个方法可以用来记录样本值和时间戳。
Counter的特点： 1. Counter只能增加，不能减少或重置。 2. Counter的值是一个非负整数。 3. Counter的值可以随时间增加，但不会减少。 4. Counter的值在重启Prometheus时会重置为0。 5. Counter的值可以被多个Goroutine同时增加，不需要加锁。 6. Counter的值可以被推送到Pushgateway中，用于监控非Prometheus监控的数据。 Counter的使用方法： 1. 在程序中定义一个Counter对象，并初始化为0。 2. 当需要记录计数时，调用Counter的Inc()方法增加计数器的值。 3. 将Counter对象暴露给Prometheus，使其能够收集数据。 4. 在Prometheus中定义一个相应的指标，并将Counter对象与该指标关联。
示例代码：
import (
"github.com/prometheus/client_golang/prometheus"
"github.com/prometheus/client_golang/prometheus/promauto"
)
// 定义一个Counter对象
var requestCounter = promauto.NewCounter(prometheus.CounterOpts{
Name: "http_requests_total",
Help: "The total number of HTTP requests",
})
// 记录请求计数
func handleRequest() {
requestCounter.Inc()
// 处理请求
}在上面的代码中，我们定义了一个名为http_requests_total的Counter对象，用于记录HTTP请求的总数。每当处理一个请求时，我们调用requestCounter.Inc()方法增加计数器的值。最后，我们将Counter对象暴露给Prometheus，并在Prometheus中定义了一个名为http_requests_total的指标，将Counter对象与该指标关联。这样，Prometheus就能够收集和展示http_requests_total指标的数据了
Histogram是一种Prometheus指标类型，用于度量数据的分布情况。它将数据分成一系列桶(bucket)，每个桶代表一段范围内的数据。每个桶都有一个计数器(counter)，用于记录该范围内的数据数量。在Prometheus中，Histogram指标类型的名称以“_bucket”结尾。 Histogram指标类型通常用于度量请求延迟、响应大小等连续型数据。例如，我们可以使用Histogram指标类型来度量Web应用程序的请求延迟。我们可以将请求延迟分成几个桶，例如0.1秒、0.5秒、1秒、5秒、10秒、30秒等。每个桶都记录了在该范围内的请求延迟的数量。 Histogram指标类型还有两个重要的计数器：sum和count。sum用于记录所有数据的总和，count用于记录数据的数量。通过这两个计数器，我们可以计算出平均值和其他统计信息。 在Prometheus中，我们可以使用histogram_quantile函数来计算某个百分位数的值。例如，我们可以使用histogram_quantile(0.9, my_histogram)来计算my_histogram指标类型中90%的请求延迟的值。 总之，Histogram指标类型是一种非常有用的指标类型，可以帮助我们了解数据的分布情况，从而更好地监控和优化应用程序的性能。
Summary是Prometheus中的一种指标类型，用于记录一组样本的总和、计数和分位数。它适用于记录耗时、请求大小等具有较大变化范围的指标。 Summary指标类型包含以下几个指标： 1. sum：样本值的总和。 2. count：样本值的计数。 3. quantile：分位数。 其中，sum和count是必须的，而quantile是可选的。 在使用Summary指标类型时，需要注意以下几点： 1. 每个Summary指标类型都会记录所有样本的总和和计数，因此它们的值会随时间变化而变化。 2. 每个Summary指标类型都可以记录多个分位数，例如50%、90%、95%、99%等。 3. 每个Summary指标类型都可以设置一个时间窗口，用于计算分位数。 4. 每个Summary指标类型都可以设置一个最大样本数，用于限制内存使用。 5. 每个Summary指标类型都可以设置一个标签集，用于区分不同的实例。 总之，Summary指标类型是一种非常有用的指标类型，可以帮助我们更好地了解系统的性能和健康状况
以下示例实现了通过传入的端口号监听对应的进程，并输出进程的一些信息，如pid、cmdline、exe、ppid、内存使用等信息（通过读/proc/pid/目录下的文件来实现），后面如果有其他需要可自行修改。因为写的比较仓促，这里也不详细介绍代码中的含义，有兴趣的可以留言，或者直接拿走代码试试。
|-main.go |-go.mod |-go.sum |-collector |-- exec.go |-- port.go
package main
import (
"fmt"
"net/http"
"time"
"exporter/collector"
"github.com/alecthomas/kingpin"
"github.com/prometheus/client_golang/prometheus"
"github.com/prometheus/client_golang/prometheus/promhttp"
)
// 定义命令行参数
var (
ticker = kingpin.Flag("ticker", "Interval for obtaining indicators.").Short('t').Default("5").Int()
mode = kingpin.Flag("mode", "Using netstat or lsof for specified port pid information.").Short('m').Default("netstat").String()
port = kingpin.Flag("port", "This service is to listen the port.").Short('p').Default("9527").String()
ports = kingpin.Arg("ports", "The process of listening on ports.").Required().Strings()
)
func main() {
kingpin.Version("1.1")
kingpin.Parse()
// 注册自身采集器
prometheus.MustRegister(collector.NewPortCollector(*ports, *mode))
// fmt.Printf("Would ping: %s with timeout %s \n", *mode, *ports)
go func() {
for {
collector.NewPortCollector(*ports, *mode).Updata()
time.Sleep(time.Duration(*ticker) * time.Second)
}
}()
http.Handle("/metrics", promhttp.Handler())
fmt.Println("Ready to listen on port:", *port)
if err := http.ListenAndServe("0.0.0.0:"+*port, nil); err != nil {
fmt.Printf("Error occur when start server %v", err)
}
}package collector
import (
"bufio"
"fmt"
"io"
"os"
"os/exec"
"strings"
)
var (
order int
awkMap = make(map[int]string)
result = make(map[string]string)
// 定义要在status文件里筛选的关键字
targetList = []string{"Name", "State", "PPid", "Uid", "Gid", "VmHWM", "VmRSS"}
targetResult = make(map[string]map[string]string)
)
func stringGrep(s string, d string) (bool, error) {
for k, v := range d {
if v != rune(s[k]) {
return false, fmt.Errorf("string does not match")
}
}
order = 1
resolv, err := stringAWK(s[len(d):])
if len(resolv) == 0 {
return false, err
}
order = 0
return true, nil
}
func stringAWK(s string) (map[int]string, error) {
i := 0
for k, v := range s {
if v != rune(9) && v != rune(32) && v != rune(10) {
i = 1
awkMap[order] += string(v)
} else {
if i > 0 {
order++
i = 0
}
stringAWK(s[k+1:])
return awkMap, nil
}
}
return awkMap, fmt.Errorf("awk error")
}
func GetProcessInfo(p []string, m string) map[string]map[string]string {
for _, port := range p {
// 通过端口号获取进程pid信息
// 通过组合命令行的方式执行linux命令，筛选出pid
cmd := "sudo " + m + " -tnlp" + "|grep :" + port + "|awk '{print $NF}'|awk -F'/' '{print $1}'"
getPid := exec.Command("bash", "-c", cmd)
out, err := getPid.Output()
if err != nil {
fmt.Println("exec command failed", err)
return nil
}
dir := strings.ReplaceAll(string(out), "\n", "")
if len(dir) == 0 {
fmt.Println("'dir' string is empty")
return nil
// panic("'dir' string is empty")
}
// fmt.Println("test_dir", dir)
result["pid"] = dir
// 获取命令行绝地路径
cmdRoot := "sudo ls -l /proc/" + dir + "/exe |awk '{print $NF}'"
getCmdRoot := exec.Command("bash", "-c", cmdRoot)
out, err = getCmdRoot.Output()
if err != nil {
fmt.Println("exec getCmdRoot command failed", err)
}
// fmt.Println("test_cmdroot", strings.ReplaceAll(string(out), "\n", ""))
result["cmdroot"] = strings.ReplaceAll(string(out), "\n", "")
// 获取/proc/pid/cmdline文件内信息
cmdline, err := os.Open("/proc/" + dir + "/cmdline")
if err != nil {
fmt.Println("open cmdline file error :", err)
panic(err)
}
cmdlineReader, err := bufio.NewReader(cmdline).ReadString('\n')
if err != nil && err != io.EOF {
fmt.Println(err)
}
result["cmdline"] = strings.ReplaceAll(cmdlineReader, "\x00", " ")
// 获取/proc/pid/status文件内信息
status, err := os.Open("/proc/" + dir + "/status")
if err != nil {
fmt.Println("open status file error :", err)
}
// 执行函数返回前关闭打开的文件
defer cmdline.Close()
defer status.Close()
statusReader := bufio.NewReader(status)
if err != nil {
fmt.Println(err)
}
for {
line, err := statusReader.ReadString('\n') //注意是字符
if err == io.EOF {
if len(line) != 0 {
fmt.Println(line)
}
break
}
if err != nil {
fmt.Println("read file failed, err:", err)
// return
}
for _, v := range targetList {
istrue, _ := stringGrep(line, v)
if istrue {
result[v] = awkMap[2]
// fmt.Printf("%v结果是：%v\n", v, awkMap[2])
awkMap = make(map[int]string)
}
}
}
// fmt.Println("数据的和:", result)
// fmt.Println("test_result", result)
targetResult[port] = result
// 给result map重新赋值，要不然使用的是同一个map指针，targetResult结果是一样的
result = make(map[string]string)
}
// fmt.Println("test_total", targetResult)
return targetResult
}package collector
import (
"sync"
"github.com/prometheus/client_golang/prometheus"
"github.com/shirou/gopsutil/host"
)
var (
isexist float64 = 1
namespace = "own_process"
endetail = "datails"
endmems = "mems"
)
// 定义收集指标结构体
// 分为进程信息和内存信息
type PortCollector struct {
ProcessDetail portMetrics
ProcessMems portMetrics
mutex sync.Mutex // 使用于多个协程访问共享资源的场景
// value prometheus.Gauge
}
type portMetrics []struct {
desc *prometheus.Desc
value map[string]string
}
func (p *PortCollector) Describe(ch chan<- *prometheus.Desc) {
for _, metric := range p.ProcessDetail {
ch <- metric.desc
}
for _, metric := range p.ProcessMems {
ch <- metric.desc
}
// ch <- p.ProcessMems
}
func (p *PortCollector) Collect(ch chan<- prometheus.Metric) {
p.mutex.Lock()
defer p.mutex.Unlock()
// ch <- prometheus.MustNewConstMetric(p.ProcessMems, prometheus.GaugeValue, 0)
for _, metric := range p.ProcessDetail {
ch <- prometheus.MustNewConstMetric(metric.desc, prometheus.GaugeValue, isexist, metric.value["cmdroot"], metric.value["cmdline"], metric.value["Name"], metric.value["State"], metric.value["PPid"], metric.value["Uid"], metric.value["Gid"])
}
for _, metric := range p.ProcessMems {
ch <- prometheus.MustNewConstMetric(metric.desc, prometheus.GaugeValue, isexist, metric.value["Name"], metric.value["pid"], metric.value["VmHWM"], metric.value["VmRSS"])
}
}
func (p *PortCollector) Updata() {
// Do nothing here as the value is generated in the Collect() function
}
func newMetrics(p []string, s map[string]map[string]string, u string) *portMetrics {
host, _ := host.Info()
hostname := host.Hostname
var detailList, memsList portMetrics
for _, v := range p {
// fmt.Println(k, v)
detailList = append(detailList, struct {
desc *prometheus.Desc
value map[string]string
}{
desc: prometheus.NewDesc(
prometheus.BuildFQName(namespace, v, endetail),
"Process-related information of port "+v,
[]string{"cmdroot", "cmdline", "process_name", "status", "ppid", "ownuser", "owngroup"}, // 设置动态labels,collect函数里传来的就是这个变量的值
prometheus.Labels{"host_name": hostname}), // 设置静态labels
value: s[v],
})
memsList = append(memsList, struct {
desc *prometheus.Desc
value map[string]string
}{
desc: prometheus.NewDesc(
prometheus.BuildFQName(namespace, v, endmems),
"Process memory usage information of port "+v,
[]string{"process_name", "pid", "vmhwm", "vmrss"}, // 设置动态labels,collect函数里传来的就是这个变量的值
prometheus.Labels{"host_name": hostname}), // 设置静态labels
value: s[v],
})
}
if u == "detail" {
return &detailList
} else {
return &memsList
}
}
// NewPortCollector 创建port收集器，返回指标信息
func NewPortCollector(p []string, m string) *PortCollector {
final := GetProcessInfo(p, m)
// fmt.Printf("test_fanal:%#v", len(final))
if len(final) == 0 {
isexist = 0
} else {
isexist = 1
}
return &PortCollector{
ProcessDetail: *newMetrics(p, final, "detail"),
ProcessMems: *newMetrics(p, final, "mems"),
}
}到此，关于“如何使用go自定义prometheus的exporter”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。