Apache APISIX中Prometheus插件内存消耗问题分析与优化实践

问题背景

在Apache APISIX的实际生产部署中，我们遇到了一个典型的内存消耗问题。当启用Prometheus插件并配置了额外标签后，系统内存使用量显著增加。特别是在处理3000-4000个不同URI请求的性能测试场景下，内存消耗问题尤为突出。

问题诊断

通过一系列测试和验证，我们发现：

1. 最初怀疑是file-logger插件的请求体日志记录导致内存增加，但禁用该功能后内存问题依旧存在
2. 当禁用Prometheus插件时，内存使用量显著下降
3. 重新启用插件后，内存问题再次出现
4. 通过调整额外标签配置，最终实现了70-80%的内存使用降低

根本原因分析

深入分析表明，问题的核心在于Prometheus监控指标的标签配置不当，特别是包含了高基数(high-cardinality)的标签字段。在监控系统中，标签基数是指标签可能取值的数量，高基数标签会显著增加内存消耗。

以apisix_http_status指标为例，假设：

• 其他标签(如code、route等)各有10个可能值
• URI标签有100个可能值

这种情况下，理论上可能生成的活跃时间序列数量将达到10亿(10^8×100)级别，这对内存资源造成了不可预测的巨大压力。

优化方案

基于以上分析，我们推荐以下优化措施：

1. 避免高基数标签：特别是URI这类可能取值非常多的字段，不应作为全局配置的标签
2. 精简标签集合：只保留真正必要的监控维度，移除非关键标签
3. 合理使用privileged agent：对于确实需要URI维度监控的场景，可以考虑通过privileged agent方式实现，而非直接配置为全局标签

实施建议

在实际配置中，应当：

1. 审慎评估每个标签的必要性
2. 对标签的基数有清晰认识，避免引入无限制增长的标签
3. 在全局配置中保持标签的稳定性
4. 对于需要灵活监控的场景，考虑使用更专业的监控方案而非直接暴露所有细节

总结

Apache APISIX的Prometheus插件提供了强大的监控能力，但不恰当的配置可能导致严重的内存问题。通过理解监控指标标签的基数特性，合理配置标签集合，可以在保证监控能力的同时维持系统稳定性。这要求运维人员在便利性和资源消耗之间找到平衡点，根据实际业务需求制定合适的监控策略。