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
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 StartedRust0211
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0135
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
871
2.01 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
468
461
Ascend Extension for PyTorch
Python
756
956
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
695
1.39 K
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
182
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
644