JMeter-Prometheus-Plugin 安装及使用指南
2026-01-16 10:01:33作者:薛曦旖Francesca
一、项目介绍
JMeter-Prometheus-Plugin 是一个针对 Apache JMeter 的插件,旨在提供一种方式将性能测试结果导出至Prometheus监控系统中,便于进一步的数据分析和实时监控。该插件通过HTTP API暴露结果数据,允许与Prometheus及其他基于Prometheus的工具进行集成。
特点概述:
- 高度可配置: 允许自定义指标名称、类型等。
- 兼容性: 支持与Maven集成,简化部署流程。
- 开源协议: 遵循Apache-2.0许可,鼓励社区贡献和支持。
- 扩展性: 提供创建自定义收集器的功能,满足特定需求。
二、项目快速启动
准备环境
确保你的开发环境中已安装Java(推荐版本8或以上)以及Maven。
获取并构建插件
你可以通过以下步骤来获取和构建JMeter-Prometheus-Plugin:
方法一:通过Git克隆项目仓库
git clone https://github.com/johrstrom/jmeter-prometheus-plugin.git
cd jmeter-prometheus-plugin
mvn clean package
完成构建后,目标目录下的.jar文件即可用于JMeter。
方法二:从Maven中央仓库下载
如果你更倾向于直接下载最新的.jar文件,可以使用以下命令(记得替换其中的版本号):
curl https://search.maven.org/remotecontent?filepath=com/github/johrstrom/jmeter-prometheus-plugin/0.6.0/jmeter-prometheus-plugin-0.6.0.jar -O
集成到JMeter
将构建好的或下载的.jar文件复制到你的 $JMETER_HOME/lib/ext 目录下,并重启JMeter以加载新插件。
三、应用案例和最佳实践
使用示例
在你的JMeter测试计划中添加 Prometheus Listener 和 Prometheus Config Element 来开始监测和配置结果。
例如,在你的测试脚本中使用 Prometheus Listener ,它将记录所有请求并将它们发送给Prometheus服务器。确保已经正确配置了Prometheus服务器地址和端口号。
<!-- 在测试计划中加入Prometheus监听器 -->
<JMeterTestPlan guiclass="TestPlanGui" testclass="TestPlan" testname="Test Plan">
<!-- 省略其他元素... -->
<elementProp name="listener_prometheus_listener.gui_class" elementType="ResultCollector"
guiclass="org.apache.jmeter.report.ResultCollectorGui" testclass="ResultCollector"
testname="Prometheus Listener" enabled="true">
<boolProp name="ResultCollector.saveAssertionResults_failure_message">false</boolProp>
<stringProp name="prometheus.host">localhost</stringProp>
<intProp name="prometheus.port">9090</intProp>
<!-- 省略其他属性... -->
</elementProp>
</JMeterTestPlan>
最佳实践
为了保证最优性能和准确性,请确保:
- 对Prometheus服务器进行适当的容量规划。
- 合理设置采样频率,避免过高的频率导致资源耗尽。
- 利用Prometheus查询语言PromQL进行数据聚合和过滤,提高数据分析效率。
四、典型生态项目
此插件广泛应用于各种生态系统中,包括但不限于:
- 持续集成/持续部署(CI/CD): 结合Jenkins等CI工具,自动执行性能测试并将结果直接上传至Prometheus。
- DevOps团队: 将性能测试作为日常运维的一部分,监测系统健康状况。
- 微服务架构: 检测不同服务间的通信延迟,优化整体系统响应时间。
请注意上述指南中的具体配置可能需要依据你的实际环境调整,如Prometheus服务器的具体位置和端口等细节。对于深入的定制化需求,建议查阅官方文档或访问项目主页获得更多帮助。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0151- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.74 K
Ascend Extension for PyTorch
Python
610
794
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
392
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.16 K
150
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
198
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.67 K
987