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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00