process_exporter: 收集进程资源使用情况

process-exporter 是一个用于 Prometheus 生态的监控工具，专门用来收集和暴露 Linux 系统中特定进程的资源使用情况（如 CPU、内存、磁盘 I/O、线程数等）。

说明

通常我们使用 node_exporter 监控操作系统的整体资源（如整个服务器的 CPU 使用率），而 process-exporter 则可以让你知道具体是哪个进程（比如 java、mysql 或你的应用进程）吃掉了这些资源。

核心功能与工作原理

数据源：它通过读取 Linux 的 /proc 文件系统（如 /proc/<pid>/stat）来获取进程信息。
分组机制：它不会盲目监控系统上成千上万个进程，而是根据你提供的匹配规则（正则表达式），将符合条件的进程归类为一个“组”（Group）进行聚合监控。
指标：提供 CPU 时间、内存占用（RSS/Virtual）、磁盘读写字节、打开的文件描述符数量、线程状态等。

安装与部署

二进制包安装（Linux 主机）

最直接的安装方式，适合传统物理机或虚拟机。

下载：前往 GitHub Releases 下载最新版（例如 v0.8.5）。

    
    bash
  
wget https://github.com/ncabatoff/process-exporter/releases/download/v0.8.5/process-exporter-0.8.5.linux-amd64.tar.gz
tar -xvf process-exporter-0.8.5.linux-amd64.tar.gz
cd process-exporter-0.8.5.linux-amd64
sudo cp process-exporter /usr/local/bin/

创建配置文件 (config.yaml)： Process-exporter 需要知道你想监控哪些进程。创建一个 YAML 文件来定义规则。

bash

sudo mkdir -p /etc/process-exporter
sudo vim /etc/process-exporter/config.yaml

配置示例（监控名字包含 java 或 nginx 的进程）：

    
      
      
    
    yaml
  
process_names:
  # 匹配所有名字中包含 nginx 的进程，并以 "nginx" 作为组名
  - name: '{{.Comm}}'
    cmdline:
      - 'nginx'

  # 匹配 java 进程，利用正则提取 JAR 包名字作为组名 (例如 my-app.jar -> Group: my-app)
  - name: '{{.Matches.JarName}}'
    cmdline:
      - 'java -jar (?P<JarName>[^ ]+).jar'

创建 Systemd 服务并启动：

bash

sudo vim /etc/systemd/system/process-exporter.service

内容如下：

    
      
      
    
    ini
  
[Unit]
Description=Prometheus Process Exporter
Documentation=https://github.com/ncabatoff/process-exporter

[Service]
User=root
# 注意：-config.path 指定刚才创建的配置文件
ExecStart=/usr/local/bin/process-exporter -config.path /etc/process-exporter/config.yaml
Restart=on-failure

[Install]
WantedBy=multi-user.target

启动服务：

    
    bash
  
sudo systemctl daemon-reload
sudo systemctl enable process-exporter
sudo systemctl start process-exporter

Docker 安装

适合容器化环境。关键点是必须把宿主机的 /proc 挂载进去。

    
    bash
  
docker run -d --rm -p 9256:9256 --privileged \
  -v /proc:/host/proc \
  -v $(pwd)/config.yaml:/config/config.yaml \
  ncabatoff/process-exporter \
  --procfs /host/proc \
  -config.path /config/config.yaml

Kubernetes (K8s) 部署

通常以 DaemonSet 方式运行，以便监控每个节点上的进程。

Helm 安装（推荐）：可以使用社区提供的 Chart，例如 stable 或 prometheus-community。

    
    bash
  
helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
helm install process-exporter prometheus-community/prometheus-process-exporter \
  --set config.process_names[0].name="{{.Comm}}" \
  --set config.process_names[0].cmdline[0]=".+"

(上述命令配置了一个通用规则：监控所有进程并将进程名作为组名，生产环境建议缩小范围)

配置详解 (`config.yaml`)

Process-exporter 的核心在于如何通过正则匹配进程。

process_names: 定义匹配规则列表。
name: 定义在 Prometheus 中显示的指标标签值（groupname）。支持 Go 模板语法。
- {{.Comm}}: 进程的可执行文件名（通常被截断为 15 字符）。
- {{.ExeBase}}: 完整可执行文件的基名。
- {{.Matches.MyVar}}: 引用正则中捕获的变量。
cmdline: 正则表达式列表，用于匹配进程的完整命令行。

实战配置示例：

简单粗暴：监控所有进程（不推荐，指标量巨大）

    
    yaml
  
process_names:
  - name: '{{.Comm}}'
    cmdline:
      - '.+'

监控特定的 Python 脚本 假设你运行了 python worker.py 和 python server.py。
yaml
process_names: - name: 'python-{{.Matches.Script}}' cmdline: - 'python (.*\/)?(?P<Script>\w+\.py)'
效果：会生成组名为 python-worker.py 和 python-server.py 的指标。

Prometheus 集成

在 prometheus.yml 中添加一个 Job：

    
    yaml
  
scrape_configs:
  - job_name: 'process'
    static_configs:
      - targets: ['<安装了exporter的主机IP>:9256']

Grafana 看板

数据采集后，需要可视化展示。推荐使用 Grafana 官方社区看板 ID：249 或 14728。

导入方法：在 Grafana 中点击 + -> Import -> 输入 ID 249 -> 选择数据源 -> 完成。

总结

process-exporter 填补了 node_exporter 只能看“宏观”数据的空白。部署时最重要的是写好正则匹配规则，只监控关键进程，避免因监控所有进程导致 Prometheus 产生大量高基数（High Cardinality）数据而卡顿。