Falco 项目中的 Prometheus 指标优化实践

在 Falco 安全监控项目中，Prometheus 指标的设计经历了重要优化。本文将深入分析指标格式的改进过程及其技术考量。

原有指标设计的问题

Falco 最初实现的 Prometheus 指标存在几个明显问题：

1. 指标碎片化：同类指标被拆分为多个独立的时间序列。例如，关于事件丢弃(drops)的指标被拆分为多个独立指标，每个指标对应不同的事件类型和方向(enter/exit)。

2. 命名不一致：指标命名缺乏统一规范，部分指标存在重复前缀，如"falcosecurity_falco_falco_"这样重复的命名结构。

3. 标签使用不足：本应作为标签(label)的维度信息被硬编码到了指标名称中，导致查询效率低下。

优化方案与实现

经过社区讨论，确定了以下优化原则：

1. 合理使用标签：将事件类型和方向等维度信息从指标名称移到标签中。例如：

   • 旧格式：falcosecurity_falco_n_drops_buffer_clone_fork_enter_total
   • 新格式：falcosecurity_falco_n_drops_total{drop="clone_fork", dir="enter"}

2. 统一命名规范：

   • 移除重复前缀，如将"falcosecurity_falco_falco_"简化为"falcosecurity_falco_"
   • 为内核相关指标使用正确的子系统名称"scap"而非"falco"

3. 指标分类聚合：

   • 将CPU相关指标统一为falcosecurity_falco_n_evts_cpu_total和falcosecurity_falco_n_drops_cpu_total
   • 将规则匹配计数器更名为rules_matches以更准确表达其含义

技术优势

新的指标设计带来了多方面改进：

1. 查询效率提升：使用标签后，可以通过单个查询获取所有相关指标数据，不再需要为每个子类型单独查询。

2. 可视化简化：在Grafana等监控系统中，可以轻松创建聚合视图，如按事件类型分组的丢弃率饼图。

3. 扩展性增强：新增事件类型时只需添加新的标签值，无需创建新的指标。

4. 一致性提高：统一的命名规范使指标更易于理解和管理。

兼容性考虑

由于这些改动属于破坏性变更，社区决定：

1. 在Falco 0.39.0版本中仍将指标功能标记为"孵化中"(incubating)状态
2. 计划在0.40.0版本中将指标功能升级为稳定状态
3. 明确告知用户指标名称在0.39.0版本中与之前版本不兼容

总结

Falco项目的Prometheus指标优化展示了监控指标设计的最佳实践。通过合理使用标签、统一命名规范和聚合相关指标，显著提升了监控系统的效率和可用性。这种演进也体现了开源项目在保持功能演进与兼容性平衡方面的成熟考量。