要开发一个prometheus exporter，需使用golang结合prometheus/client_golang库实现指标定义、采集和暴露。1. 引入依赖包；2. 定义指标类型（如counter、gauge、histogram）；3. 实现数据采集逻辑；4. 注册指标并启动http服务暴露/metrics接口；5. 可选编写配置或参数处理。指标命名应统一前缀、使用小写和下划线分隔，合理选择标签和指标类型。部署时可编译为二进制或容器化运行，并在prometheus中配置抓取目标。注意异步更新、性能优化及添加日志与版本信息以提升可靠性。
在监控和运维领域，构建一个完整的可观测性平台是现代系统不可或缺的一部分。Golang 作为开发 Prometheus Exporter 的首选语言之一，凭借其高性能、并发模型以及丰富的生态支持，成为了很多开发者的选择。如果你打算从头开始开发一个 Prometheus Exporter，这篇文章会告诉你整个流程中你需要知道的关键点。
什么是 Prometheus Exporter？
Prometheus Exporter 是一种用于暴露监控指标的服务程序，它将第三方系统的状态信息以 Prometheus 可识别的格式（通常是 /metrics 接口）提供出来。这些指标可以是数据库连接数、HTTP 请求延迟、队列长度等。
Prometheus 官方维护了大量常用服务的 Exporter（如 Node Exporter、MySQL Exporter），但如果你需要监控的是自定义系统或者内部服务，就需要自己开发 Exporter。
立即学习“go语言免费学习笔记（深入）”；
如何用 Golang 开发一个 Exporter
使用 Golang 开发 Exporter 主要依赖于 Prometheus 提供的客户端库 prometheus/client_golang。这个库提供了注册指标、暴露 HTTP 接口等功能。
基本步骤如下：
- 引入必要的依赖包
- 定义你想要收集的指标类型（Counter、Gauge、Histogram 等）
- 实现数据采集逻辑（可能是调用 API、执行命令或查询本地状态）
- 注册指标并启动 HTTP server 暴露
/metrics - 编写配置文件或命令行参数处理（可选）
举个简单例子：你想监控某个服务的请求数和响应时间。
TurboShop是一套使用强大、安全的JAVA语言开发，基于企业级J2EE架构设计的免费商城系统。整个商城逻辑业务搭建在我们自主研发的TurboPortal平台上，保证了商城具备优秀的负载性能、极快的响应速度、稳定的产品质量、牢固的安全特性、流畅的web流程控制、良好的跨平台特性和后续开发的可扩展性。 TurboShop V4.0.0(Spring版) 更新：久别的4.0版本，时隔4年归来。本版
package main
import (
"net/http"
"math/rand"
"time"
"github.com/prometheus/client_golang/prometheus"
"github.com/prometheus/client_golang/prometheus/promhttp"
)
var (
httpRequestsTotal = prometheus.NewCounterVec(
prometheus.CounterOpts{
Name: "myapp_http_requests_total",
Help: "Total number of HTTP requests.",
},
[]string{"method", "status"},
)
httpRequestLatency = prometheus.NewHistogram(
prometheus.HistogramOpts{
Name: "myapp_http_request_latency_seconds",
Help: "Latency distribution of HTTP requests.",
Buckets: []float64{0.1, 0.3, 0.5, 0.7, 1.0},
},
)
)
func init() {
prometheus.MustRegister(httpRequestsTotal)
prometheus.MustRegister(httpRequestLatency)
}
func handler(w http.ResponseWriter, r *http.Request) {
start := time.Now()
// 模拟业务处理
time.Sleep(time.Duration(rand.Intn(800)) * time.Millisecond)
// 记录指标
httpRequestsTotal.WithLabelValues(r.Method, "200").Inc()
latency := time.Since(start).Seconds()
httpRequestLatency.Observe(latency)
w.Write([]byte("OK"))
}
func main() {
http.HandleFunc("/", handler)
http.Handle("/metrics", promhttp.Handler())
http.ListenAndServe(":8080", nil)
}这段代码定义了两个指标，并模拟了一个 HTTP 请求的监控过程。你可以根据自己的业务逻辑替换掉里面的采集部分。
指标设计与命名规范
设计良好的指标名称和标签对后续的可视化和报警非常关键。以下是一些通用建议：
-
命名规则：使用小写字母，以下划线分隔单词；前缀为应用名（如
myapp_）。 - 标签使用：避免过多标签值组合爆炸；选择有意义的维度（如 status、method）。
-
指标类型选择：
-
Counter：单调递增，适合累计计数，比如请求总数。 -
Gauge：表示瞬时值，适合内存使用量、当前连接数等。 -
Histogram：用于分布统计，比如延迟、响应大小。 -
Summary：类似 Histogram，但在客户端做分位数计算。
-
例如：
-
myapp_queue_size（Gauge） -
myapp_db_connections_active（Gauge） -
myapp_api_response_time_seconds（Histogram）
打包部署与集成 Prometheus
开发完成后，下一步是打包你的 Exporter 并部署到目标机器上。
打包方式：
- 使用
go build直接编译成二进制文件 - 利用 Docker 镜像进行容器化部署
- 使用 systemd 或 supervisord 进行进程管理
Prometheus 配置示例：
scrape_configs:
- job_name: 'my-exporter'
static_configs:
- targets: ['localhost:8080']确保 Prometheus 能访问 Exporter 的 /metrics 接口，之后就可以在 Prometheus UI 中查看你的自定义指标了。
最后几句细节提醒
-
指标更新频率：Exporter 不应该主动拉取数据，而是被动地在
/metrics被抓取时返回最新值。 - 性能考虑：如果采集逻辑比较耗时，建议使用 goroutine 异步更新指标，避免阻塞 Prometheus 抓取。
-
版本控制：给 Exporter 添加
/version接口，便于排查问题。 - 日志输出：添加基本的日志记录，方便调试和运行时观察行为。
基本上就这些。虽然流程看起来不复杂，但细节容易忽略，尤其是在指标设计和采集逻辑实现上，多花点时间打磨会让你的 Exporter 更加稳定可靠。
