Prometheus JMX Exporter中配置黑名单过滤JMX指标的最佳实践
2025-06-26 00:48:53作者:瞿蔚英Wynne
在使用Prometheus JMX Exporter监控Java应用时,合理配置黑名单(blacklistObjectNames)是优化监控数据收集的重要环节。本文将通过一个实际案例,深入解析如何正确配置JMX Exporter来过滤不需要的JMX指标。
问题背景
在监控Apache Artemis消息队列时,用户希望过滤掉特定前缀的地址队列指标,特别是以"Queue.PlannedEvent"开头的地址。这些指标在JMX中表现为artemis_address_size_bytes,但直接配置黑名单规则时遇到了过滤无效的问题。
关键发现
1. ObjectName的精确匹配
JMX MBean的ObjectName必须完全匹配才能生效。在案例中,Artemis的ObjectName包含引号包裹的属性值,如:
org.apache.activemq.artemis:broker="0.0.0.0",component=addresses,address="Queue.PlannedEvent"
而最初配置的黑名单规则缺少这些引号,导致匹配失败。
2. 通配符的使用技巧
在黑名单配置中,可以使用通配符(*)来匹配多个指标。正确的通配符使用方式是在ObjectName的末尾或特定属性值上,例如:
org.apache.activemq.artemis:broker="0.0.0.0",component=addresses,address="Queue.PlannedEvent*",*
这种模式可以匹配所有以"Queue.PlannedEvent"开头的地址指标。
配置建议
- 使用JConsole验证ObjectName:在配置前,先用JConsole等工具确认实际的MBean名称格式
- 保持属性值引号:如果JMX Bean的属性值包含特殊字符或空格,确保在配置中保留引号
- 合理使用通配符:在需要批量过滤的场合,使用通配符提高配置效率
- 测试验证:每次修改配置后,重启JMX Exporter并检查/metrics端点确认过滤效果
完整配置示例
lowercaseOutputName: true
lowercaseOutputLabelNames: true
whitelistObjectNames:
- "org.apache.activemq.artemis:*"
blacklistObjectNames:
- "org.apache.activemq.artemis:broker=\"0.0.0.0\",component=addresses,address=\"Queue.PlannedEvent*\",*"
rules:
- pattern: 'org.apache.activemq.artemis<broker="\S+", component=addresses, address="(\S+)"><>AddressSize:'
name: artemis_address_size_bytes
type: GAUGE
labels:
address: $1
help: 队列预估使用的字节数,用于控制分页和阻塞
通过以上配置,可以有效地过滤掉不需要监控的特定队列指标,同时保留其他有价值的监控数据。理解JMX ObjectName的格式要求和通配符的正确使用方式是配置成功的关键。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
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
112
134