当前位置:首页 > 文章列表 > Golang > Go问答 > 从收集器中清除普罗米修斯指标

从收集器中清除普罗米修斯指标

来源:stackoverflow 2024-03-16 22:18:23 0浏览 收藏

在使用普罗米修斯 Mesos 导出器时,会产生过时的指标,因为它们不会在收集完成后被清除。为了解决这个问题,可以通过将收集器转换为 GaugeVec 并重置它来清除过时的指标。这样可以确保指标在收集完成时被清除,从而确保它们保持最新和准确。

问题内容

我正在尝试修改 prometheus mesos 导出器以公开框架状态: https://github.com/mesos/mesos_exporter/pull/97/files

关于 mesos 导出器的一些信息 - 它从 mesos /metrics/snapshot 端点和 /state 端点收集数据。 后者的问题是,无论是我的 PR 中的更改还是从属设备上报告的现有指标,创建的指标都会永远持续(直到导出程序重新启动)。 因此,如果一个框架已完成,则为此框架报告的指标将过时(例如,它仍会显示该框架正在使用 CPU)。

所以我试图弄清楚如何清除这些过时的指标。如果我每次都能在收集完成之前清除整个 mesosStateCollector 那就太棒了。 对于不同的 p8s 向量(例如 GaugeVec),有一个 delete 方法,但为了删除指标,我不仅需要标签名称,还需要相关指标的标签值。


解决方案


好吧,看来这比我想象的要容易(如果我在完成这个任务之前熟悉 go-lang 就好了)。 只需将收集器转换为 gaugevec 并重置它即可:

prometheus.NewGaugeVec(prometheus.GaugeOpts{
            Help:      "Total slave CPUs (fractional)",
            Namespace: "mesos",
            Subsystem: "slave",
            Name:      "cpus",
        }, labels): func(st *state, c prometheus.Collector) {
            c.(*prometheus.GaugeVec).Reset() ## <-- added  this for each GaugeVec
            for _, s := range st.Slaves {
                c.(*prometheus.GaugeVec).WithLabelValues(s.PID).Set(s.Total.CPUs)
            }
        },

今天关于《从收集器中清除普罗米修斯指标》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
使用一个秘密生成 totp 与使用多个秘密使用一个秘密生成 totp 与使用多个秘密
上一篇
使用一个秘密生成 totp 与使用多个秘密
如何提供 WASM 文件
下一篇
如何提供 WASM 文件
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    253次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    298次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    270次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    250次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    57次使用