Prometheus Aggregation Gateway 使用教程
1. 项目介绍
Prometheus Aggregation Gateway 是一个用于 Prometheus 的聚合推送网关。与官方的 Prometheus Pushgateway 不同,这个服务会聚合它接收到的样本值。对于所有标签匹配的计数器,它们的值会被累加。直方图也会被累加,如果桶边界不匹配,则结果将包含所有桶的并集,并将计数分配给最小的适合桶。仪表也会被累加(但这可能没有意义)。摘要被视为一对计数器(如果存在分位数信息,则会被丢弃)。
2. 项目快速启动
2.1 安装
你可以通过以下命令克隆项目并安装依赖:
git clone https://github.com/zapier/prom-aggregation-gateway.git
cd prom-aggregation-gateway
go mod download
2.2 启动服务
使用以下命令启动服务:
go run main.go
2.3 推送指标
你可以使用 curl 命令推送指标到 /metrics/ 端点。例如:
echo 'http_requests_total{method="post",code="200"} 1027' | curl --data-binary @- http://localhost/metrics/
2.4 使用 Prometheus 客户端推送指标
你也可以使用 Prometheus 客户端推送指标。例如,在 Python 中使用 prometheus_client:
from prometheus_client import CollectorRegistry, Counter, push_to_gateway
registry = CollectorRegistry()
counter = Counter('some_counter', 'A counter', registry=registry)
counter.inc()
push_to_gateway('localhost', job='my_job_name', registry=registry)
3. 应用案例和最佳实践
3.1 应用案例
Prometheus Aggregation Gateway 特别适用于需要从客户端 Web 应用程序接收指标的场景。由于官方的 Prometheus Pushgateway 不会忘记推送的系列,并且会永久暴露它们,因此不适合这种用例。Prometheus Aggregation Gateway 通过聚合来自多个发送者的计数器,解决了这个问题。
3.2 最佳实践
- 标签管理:确保所有推送的指标具有一致的标签,以便正确聚合。
- 定期清理:虽然 Prometheus Aggregation Gateway 会聚合指标,但仍建议定期清理旧的或不再需要的指标。
- 监控和告警:配置 Prometheus 以定期抓取
/metrics端点,并设置相应的告警规则。
4. 典型生态项目
4.1 Prometheus
Prometheus 是一个开源的系统监控和告警工具包,广泛用于云原生应用的监控。Prometheus Aggregation Gateway 是 Prometheus 生态系统中的一个重要组件,用于处理推送的指标。
4.2 Grafana
Grafana 是一个开源的度量分析和可视化套件,通常与 Prometheus 一起使用,用于创建仪表盘和可视化监控数据。
4.3 Kubernetes
Kubernetes 是一个开源的容器编排平台,广泛用于管理容器化应用。Prometheus 和 Prometheus Aggregation Gateway 可以与 Kubernetes 集成,用于监控集群和应用的性能。
通过以上步骤和案例,你可以快速上手并使用 Prometheus Aggregation Gateway 进行指标的聚合和推送。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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
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