Telegraf介绍和使用(安装、使用、内部数据结构-InfluxDB行协议、配置、架构、Glob的使用、插件的集成和实现、集合Prometheus)

除了基础语法外，bash还支持glob的一些扩展语法，主要包含三种。

• Brace Expansion
• globstar
• extglob

三种拓展语法的定义和描述如下：

pattern-list是一组以 | 作分隔符的模式集合，例如 abc | a?c | ac*

与regexp的差异

glob 模式主要用于匹配文件路径，当然也可以用于匹配字符串，不过在匹配字符串的能力上比 regexp 要弱很多。由于 glob 模式和 regexp 存在相同的元字符，但是含义却不同，容易导致混淆，为了避免混淆，下面将 glob 模式转换成对应的 regexp 表示，以便区分他们的异同点。

glob匹配的是整个字符串，而regexp默认匹配的是子串，regexp如果要匹配整个字符串需显式指定^ 和 $。正则表达式中的(?!\.)，其表示不匹配隐藏文件。

Telegraf架构

责任链设计模式

Telegraf是典型的Pipeline（流水线或者管道）架构，这种架构使用了责任链设计模式的思想。

简单来说，这种设计模式的关键点就在“链”这个字上，代码的功能被拆分成一个一个独立的组件，而且能够根据需求，灵活地进行组合。

设计模式是针对代码来说的，在这里，我们还是把关注点放到Telegraf的Pipeline架构上。

Pipeline架构

Telegraf将输出的处理流程抽象为由多个插件组成的流水线。插件和插件之间用管道相连（可以理解为一个先进先出的队列）。这种架构至少能体现出两种优势。

• 插件和插件之间实现了松耦合，下一个插件可以不用管上一个插件的内部逻辑是怎么实现的。他们只要按照约定好的格式传递数据就行。

• 流程配置化，谁和谁组合的决定可以推迟到运行时决定，而不是开发人员必须在开发时就把各种处理流程写死，相当于交给了用户一堆积木。

通常的pipeline架构，除了要配置插件和组合顺序外，还会包括一层上下文配置，所以最终的常见Pipeline架构是如下图所示的。

Telegraf的实现

（1）架构角度

Telegraf内部设计了4种类型的插件。它们必须按照特定的顺序进行组合。

1. 输入插件

2. 处理插件

3. 聚合插件

4. 输出插件

而且输出插件、处理插件、聚合插件、输出插件之间，框架是如何控制他们传值的，这一点也有特别的约定。

• 所有的input插件会将数据放入同一个管道。

• 所有的processor插件会按先后顺序传递数据（在配置文件中必须显示地指定顺序，否则Processor之间会以随机顺序组合）

• Aggregator前的管道会把数据复制给所有的Aggregator插件，不过Telegraf还为插件们设计了指标过滤器，插件可以选择性地接收部分数据。

• Output前的管道也会将数据复制给所有的output组件，不过同样可以使用过滤器组件选择性地接收。

（2）性能角度

Telegraf使用Go语言开发，如果你使用的都是内部组件，那么每个插件都是一个独立的goroutine（协程、用户线程、轻量级线程）

集成官方未提供的外部插件

用python写一个查看文件数的input插件（exec版）

编写python脚本

可以自己找个地方集中存放python脚本。当前，为了方便，我们还是将python脚本放到/opt/module/telegraf_conf目录下。

在这个目录下创建我们的第一个python文件1.py。

vim dir_num_input_exec.py

键入以下内容。

import globimport sysimport time# 获取给定目录下的文件数# 定义输出的 模板字符串template = "PathFileNum,name=test num={num} {timestamp}"# 获取传入的第一个参数path = sys.argv[1]# 使用glob进行文件匹配，得到匹配到文件数量path_file_num = glob.glob(path).__len__()# 套用模板data = template.format(num=path_file_num)print(data)sys.exit(0)

程序讲解

• sys.args[1] 获取命令行的第一个参数，在这里是我们要监控的路径

• glob.glob(path).__len__( ) python提供的glob库，使用这个库可以匹配操作系统上的文件，比如/home/atguigu/*.log，就能得到/home/atguigu/目录下，所有以.log结尾的文件的列表，接着调用__len__( )方法，就能得到这个列表的长度。

• template.format( )，这行代码最终的返回值，就是符合Telegraf格式的数据了。在我们的程序里。会返回如下的数据。我们没有在字符串里声明时间戳，这是因为Telegraf会自动帮我们补上。

  PathFileNum,host=hadoop102,name=test num=0

• print(data)，打印，也就是将数据输出到stdout（标准输出）

• sys.exit(0)，对操作系统而言，以0为状态退出表示程序成功运行，过程中没有遇到异常。这里我们用代码将它显示声明了，其实不写也可以。通常，在面对不可靠场景时需要将它显示声明。比如，接口返回的数据不是我想要的，这个时候程序其实是正常退出的，但是我想将这种情况标记为异常，那么你可以写一个条件语句，后面写sys.exit(1)就行了。

编写Telegraf配置文件

创建example_dir_num_input_exec.conf。

vim example_dir_num_input_exec.conf

键入以下内容。

[agent]interval="3s"flush_interval="5s"[[inputs.exec]]commands = ["python3 /opt/module/telegraf_conf/dir_num_input_exec.py /home/atguigu/*"]data_format = "influx"[[outputs.file]]files = ["stdout"]

配置解释：

这里主要解释commands，我们最终传入的参数是 /home/atguigu/*，也就是统计/home/atguigu/目录下，所有文件的数量。

运行Telegraf

运行下面的命令，并观察控制台输出。

telegraf --config example_dir_num_input_exec.conf

可以发现，我们的Output组件已经输出了我们想要的数据，而且为我们补上了时间戳。

现在，可以尝试在/home/atguigu/路径下创建一个文件，观察数据的变化。

创建文件，观察数据变化

在Telegraf正在运行的情况下，另起一个终端，执行下述命令，在/home/atguigu/路径下创建一个文件。

touch /home/atguigu/haha

回到原先的控制台，可以看到数据已经发生变化。而且观察时间戳可以发现，指标数据是每3秒统计一次的。

用python写一个查看文件数的input插件（execd版）

上文说过exec和execd的区别，一个是到时间就调用一次，一个是将外部程序作为守护进程管理。现在，我们使用Python写一个execd版的。

（1）编写python脚本

还是在/opt/module/telegraf_conf目录下，创建dir_num_input_execd.py文件。

vim dir_num_input_execd.py

键入以下内容。

import globimport sys# 定义输出的 模板字符串template = "PathFileNum,name=test num={num}"# 获取传入的第一个参数path = sys.argv[1]# 获取命令行参数，这个参数应当是一个路径for _ in sys.stdin:# 使用glob进行文件匹配，得到匹配到文件数量path_file_num = glob.glob(path).__len__()# 构造数据data = template.format(num=path_file_num)# 标准输出数据print(data)# 一定要手动刷掉缓冲区# 除了使用sys库，你还可以在print()函数中将flush参数设为Truesys.stdout.flush()

程序讲解：

• for_in sys.stdin：这其实是一个死循环，sys.stdin其实是可以阻塞程序的。程序会一直等待标准输入有内容了，才会继续向下运行。不过这里的标准输入是谁给的呢？后面会仔细讲解。
• sys.stdout.flush( )：手动刷掉缓冲区，当你使用print( )函数打印字符串时，字符串并不会直接出现在控制台上，而是会先进入缓冲区。等到缓冲区满，或者程序退出时，字符串才会打印到控制台上。我们之前写exec版的时候print( )之后用不着手动刷写缓冲区，因为程序执行完后会直接退出，退出时自动把缓冲区刷写。但是execd版的程序是要作为守护进程一直运行的，如果想要立刻得到数据就必须手动刷写缓冲区。

（2）编写Telegraf配置文件

创建example_dir_num_input_execd.conf文件。

vim example_dir_num_input_execd.conf

键入以下内容。

[agent]interval = "3s"flush_interval = "5s"[[inputs.execd]]command = ["python3","/opt/module/telegraf_conf/dir_num_input_execd.py", "/home/atguigu/*"]data_format = "influx"signal = "STDIN"[[outputs.file]]files = ["stdout"]

配置解释：

command：这个配置和exec插件中的commands不是一个风格，execd中的command虽然也是一个数组，但它其实是用，分隔开了一条完整的命令。在运行时，逗号会被空格取代，数组中的字符串最终会拼成一条完整的命令。

signal：字面意思，信号。是execd插件中一个非常巧妙的设计。execd会在采集时间到的时候向守护进程发送一个信号。这里将signal设为STDIN（标准输入），含义就是Telegraf会在每次采集时间到的时候，向python进程的标准输入发送一个信号。这也就是前面python脚本中，写for _ in sys.stdin 的意义。这也做是为了让python进程能够知道，到该采集指标的时候了。Telegraf上的interval配置就能作用与Python进程。否则，就需要自己写time.sleep( )和读取参数的操作。

（3）运行Telegraf

运行下面的命令，并观察控制台输出。

telegraf --config example_dir_num_input_execd.conf

可以看到，程序成功观测到了/home/atguigu/目录下的文件数量。

（4）创建文件，观察数据变化

同样，在Telegraf程序正在运行的情况下，我们新建另一个终端。使用touch命令新建一个文件，并回头观察Telegraf中指标数据的变化。

touch /home/atguigu/haha2

数据变化，说明execd版的输入插件也能成功运作。

用python写一个外部处理插件（execd版）

Telegraf还有一个processors.execd的插件。注意，exec没有提供处理插件。这个插件允许我们把Telegraf中的数据拿出来做一些花式转换。这里，我们做一个最简单的，就是给每条数据的最前面加上atguigu，这样相当于改了每条数据的measurement（测量名称）

（1）编写python脚本

/opt/module/telegraf_conf目录下，创建add_atguigu_processor.py文件。

vim add_atguigu_processor.py

键入以下内容：

import sys# 循环获取标准输入for line in sys.stdin:# 给输入前面加点东西接着输出print("atguigu"+line,end="",flush=True)

程序解释：

• for line in sys.stdin：循环等待标准输入，上游的processor或者input插件会将指标数据以标准输出的方式写到当前python程序里，我们只需按行读取就好了。
• print(“atguigu”+line,end=“”,flush=True)：给输入的内容前面加上一个atguigu：

（2）编写Telegraf配置文件

拷贝一份example01.conf，命名为example_processor_python.conf

cp example01.conf example_processor_python.conf

键入以下内容，红色部分是相对example01.conf新加的内容。

[agent]interval = "3s"flush_interval = "5s"[[inputs.cpu]]percpu = truetotalcpu = truecollect_cpu_time = falsereport_active = falsecore_tags = false[[processors.execd]]command = ["python3","/opt/module/telegraf_conf/add_atguigu_processor.py"][[outputs.file]]files = ["stdout"]

（3）运行Telegraf，观察数据变化

使用下面的命令，运行Telegraf程序。观察控制台数据输出

telegraf --config ./example_processor_python.conf

原先的数据输出每条以cpu打头，现在则是atguigucpu。

任务完成！

用Go语言在框架基础上实现插件

准备项目

（1）git clone Telegraf源码时指定版本

注意，我们目前使用的是v1.23.3的发行版，对于二次开发来说，原则上应以1.23.3发布时的源码作为起点。所以这里在clone时可以用-b来指定对应的版本号。

git clone -b v1.23.3 https://github.com/influxdata/telegraf.git

clone完成后，目录下会多出一个telegraf子目录。

（2）使用GoLand打开项目

进入项目后，GoLand需要对项目下的文件进行索引和依赖分析。时间会久一些。可以等待右下方的进度条跑完。

（3）对GoLand项目进行配置

点击File > Settings进入设置页面。

• GOPATH

  如果你是用的Go 1.11后的版本，在开启Go Module模式的前提下GOPATH就是一个放项目依赖的地方。我们之前在环境变量里配过一次。现在GoLand可以扫描到这个环境变量。

  另外，你也可以为当前项目单独设一个GOPATH放依赖。

• Go Modules & Environment

  Go自1.11退出Go Module包管理工具后，就一直推荐这种方式来进行包管理。当前，在项目范围内，GoLand默认是帮我们开启的，不用动。但是Go下载依赖库的时候会去访问Github，由于Github在国内不能直接访问，这里需要借助GoLand设置一个项目级的环境变量。

  GOPROXY=https://goproxy.cn,direct

  

下载依赖

点击项目目录下的go.mod文件。

mod文件里面就是Telegraf项目所需的依赖，第一个require快里面全是直接依赖的库。GoLand标红表示我们目前还确实这些依赖。

打开GoLand窗口下方的Terminal。使用下面的命令，下载依赖。

go mod download -x

-x的意思是将下载过程打印到控制台。

下载完成后，等待GoLand重新索引文件。时间可能会比较久。

依赖成功下载的标志就是go.mod文件中的依赖，颜色全变绿了。

示例：实现一个生成随机数的Input插件

创建自定义插件所在的路径

首先，打开项目的/plugins/inputs/目录，这里面放的是所有的输入插件。我们创建一个子目录atguigu_random，以后这里面就是我们生成随机数插件的代码。

在github上找input插件的模板

访问Telegraf在Github上的仓库（最好跳到1.23.3分支上）

https://github.com/influxdata/telegraf/tree/v1.23.3

拉到下面查看项目的README。我们可以看到一个开发引导，向你介绍该怎么开发插件的。此处，点击Input Plugins

点进来之后可以发现，具体怎么开发，人家已经列明白了。

再向下拉，可以看到一个输出插件的示例代码。

这样，我们就能愉快地做一个CV工程师了。

在 atguigu_random 目录下，创建atguigu_random.go文件。并将以下代码，复制粘贴到atguigu_random.go文件中。

注意，把包名从simple修改为atguigu_random。

//go:generate ../../../tools/readme_config_includer/generator// package simplepackage atguigu_randomimport (_ "embed""github.com/influxdata/telegraf""github.com/influxdata/telegraf/plugins/inputs")// DO NOT REMOVE THE NEXT TWO LINES! This is required to embed the sampleConfig data.//go:embed sample.confvar sampleConfig stringtype Simple struct {Okbool`toml:"ok"`Log telegraf.Logger `toml:"-"`}func (*Simple) SampleConfig() string {return sampleConfig}// Init is for setup, and validating config.func (s *Simple) Init() error {return nil}func (s *Simple) Gather(acc telegraf.Accumulator) error {if s.Ok {acc.AddFields("state", map[string]interface{}{"value": "pretty good"}, nil)} else {acc.AddFields("state", map[string]interface{}{"value": "not great"}, nil)}return nil}func init() {inputs.Add("simple", func() telegraf.Input { return &Simple{} })}

把自己插件的逻辑写到这个文件的函数中，我们的插件就能正常运作了。

接下来我们就一边解释一边开发我们的插件。

插件开发

（1）头部go:generate

编译阶段，帮助框架自动整合帮助文档的。它会找你包下的README.md文件，然后找到其中的toml @sample.conf代码块，然后做一些生成文档的操作。

README.md可写可不写，不会影响编译最终通过。如果你希望成为Telegraf的源码贡献者，那么是应该按照社区规范写README.md的。

（2）中间不能删除的两行

//go:embed sample.conf

这行看样子是注释，但是它更像java里面的注解。这行代码会影响程序的编译行为。在编译阶段，包下的sample.conf文件会被读取，将其中的内容作为字符串复制给sampleConfig变量。

所以，按照注释的要求，不仅这行不能删，包下还必须有sample.conf文件。

（3）创建sample.conf文件

在atguigu_random包下创建一个sample.conf文件。

（4）编写示例sample.conf

sample.conf里面的内容取决于你想用配置项如何决定程序的行为。

我决定给下面两个参数。

• size：每一个interval时间生成几条随机数数据。

• [range]：这个range是一个子配置快，在这个配置块中，可以设置我们的随机数在什么范围生成，比如[0-10]或者[0-100]。

  • min：随机数范围的最小值

  • max：随机数范围的最大值

max必须比min大。

最后，我编写的配置文件如下。

[[inputs.atguigu_random]]size = 1[inputs.atguigu_random.range]min = 0max = 10

这列的size min max 我们都给了明确的值，这样相当于给插件设了默认值。

现在我们可以尝试。

（5）将插件名注册到inputs列表中

现在，我们插件包的结构已经基本形成，可以将自己的包注册到Telegraf的插件列表中了。

在plugins/inputs/all下面，有一个all.go文件，这个文件里记录了Telegraf所有可用的input插件。

注册插件的方式，就是将自己的包import进来。在这个列表里面，增加下面的内容。

_ "github.com/influxdata/telegraf/plugins/inputs/atguigu_random

如果你是使用GoLand进行开发的，可能会发现在列表的底部打完包名，没过一会儿，包名就不见了。其实它应该是被调整到import列表的前面去了。这是因为go语言在设计时，希望所有人都能够写出格式一样的代码，不要为了什么花括号在行首还是行尾争吵。因此推出了go format工具。基于此，GoLand会将import的包，按照字母顺序a-z排序，你的包可能被放到前面了。

（6）init( )

这个函数的逻辑基本不用动，它是用来在telegraf启动时将插件实例放到inputs列表中的。第一个参数是本插件的名字，这个建议修改。它影响telegraf –input-filter，日志等一系列程序行为。

第二个参数，是一个函数，叫creator，我们的函数里面直接给了一个&Simple{}，当然你也可以给这个结构体里面的内容赋值，这样相当于给了默认值。

最终的init()实现如下。

func init() {inputs.Add("atguigu_random", func() telegraf.Input { return &Simple{} })}

（7）尝试进行编译，看有没有成功注册插件

Telegraf是用make工具来进行编译的。准确来说，编译还是使用了go的编译器，不过make只不过是指定了一下编译的步骤。

在项目的根目录下，使用下面的命令编译telegraf。

make all

编译完成后，项目跟目录下会多出一个名为telegraf可执行文件。这个就是我们能用的telegraf命令了。

我们可以看一下telegraf现在能不能加载出我们的示例配置，如果能成功加载，说明我们的插件已经被编译到了telegraf的可执行文件中，项目不存在结构上的问题。

使用下面的命令，在input列表中找一下有没有atguigu_random

./telegraf --input-list | grep atguigu

如果有atguigu_random，说明现在框架是认我们的插件的。

你还可以用下面的命令看一下telegraf中，能不能返回我们的配置文件。

./telegraf --input-filter atguigu_random config

返回应当如下图所示。

现在，我们可以进一步丰富插件的逻辑了。

（8）配置文件的解析

配置文件的解析是Telegraf框架来帮我们完成的。我们只需要在插件中声明能够映射到配置文件内容结构体就行了。

配置文件在解析时，遇到子配置快，需要在程序中映射为一个单独的结构体。

在atgiugu_random.go中

创建一个新的名为RangeConf类型。

type RangeConf struct {Max int `toml:"max"`Min int `toml:"min"`}

改写模板中的Simple类型

type Simple struct {Sizeint `toml:"size"`Range *RangeConfLog telegraf.Logger `toml:"-"`}

代码解释：

• 首字母大写，Go中首字母大写基本上意味着Java中的public。首字母大写的可以被外部访问。

• `toml:“xxx”`，意思是对应配置文件中的选项名，如果结构体中的参数名转为下划线命名法后能够跟配置文件对上，那么其实可以忽略。如果对不上就需要使用`toml:“xxx”`来手动映射了。

• *RangeConf，指向RangeConf类型的指针类型，来回传递指针，防止复制结构体。

（9）(s *Simple) Init( ) error校验配置的合法性

(s *Simple) Init( ) error 函数，并不是用来做配置文件解析的。这个函数被调用时，配置已经解析完了，这个函数内部适合做一些配置合法性校验和初始化的操作。

接下来在这个函数中，我们要做两个操作。

1. 配置合法性校验：判断Max是不是比Min大，如果不是就报错

2. 设置随机数生成器的种子：将当前的时间戳设为种子。

最终的(s *Simple) Init( ) error实现如下：

// Init is for setup, and validating config.func (s *Simple) Init() error {if s.Range.Min >= s.Range.Max {return errors.New("max should be larger than min")}rand.Seed(time.Now().Unix())return nil}

（10）(s *Simple) Gather(acc telegraf.Accumulator) error 发送数据

借助acc变量，我们可以借助AddFields方法向下游管道发送数据。AddFields接收4个参数。

• measurement，数据的测量名称

• fields，类型需是map[string]interface{}，key必须是string，value可以是任何类型

• tags，类型是是map[string]string，key和value的类型都得是string。

• t，time.Time类型，也就是时间，这个参数不是必须的，可以不传，不传就让Telegraf来自动补时间戳了。

最终的实现：

func (s *Simple) Gather(acc telegraf.Accumulator) error {for i := 1; i <= s.Size; i++ {acc.AddFields("atguigu_random",map[string]interface{}{"num": s.Range.Min + rand.Intn(s.Range.Max-s.Range.Min)},nil)}return nil}

（11）再次编译

现在插件的逻辑已经写完了，使用下面的命令重新编译一次。

rm ./telegrafmake all

等待编译结束。

（12）验证插件效果

创建一个配置文件，test.conf

vim test.conf

键入以下内容：

[[inputs.atguigu_random]]size = 5[inputs.atguigu_random.range]min = 15max = 10

使用下面的命令来运行Telegraf

./telegraf --config ./test.conf --test

可以看到，插件已经能用了，它发现min比max大，并正确地抛出了异常。

修改test.conf。让min比max小

[[inputs.atguigu_random]]size = 5[inputs.atguigu_random.range]min = 10max = 20

使用下面的命令再次运行

./telegraf --config ./test.conf --test

这次，我们的插件成功运行了！

Telegraf与Prometheus结合使用

什么是Prometheus

Prometheus是一个专门为监控场景设计的服务器软件。其内部也实现了一个时序数据库。而且在当下Prometheus的热度也不低，下面简单介绍一下Prometheus的工作架构。

一般情况下，Prometheus的监控对象需要向外暴露一个接口，访问这个接口时，就能拿到程序内部的指标数据，而且这些数据应当是符合Prometheus数据格式的。

但是，如果我想要查看服务器host1上某个路径下的文件数，谁来向外暴露这个数据。这样，就必须实现一个HTTP服务，这个服务去统计本地某个目录下的文件数，并向外暴露一个API，等着Prometheus来抓。实现了这类功能的组件，在Prometheus生态中，叫做Exporter。

Prometheus的官方和社区提供了大量开源的而且是开箱即用的Exporter，生态很棒。

Exporter演示

我们使用Prometheus官方提供的Node Exporter（导出主机数据）

参考官网：https://prometheus.io/docs/guides/node-exporter/

（1）下载Node Exporter（暴露主机运行信息）

到服务器上，使用wget命令下载之。

wget https://github.com/prometheus/node_exporter/releases/download/v1.3.1/node_exporter-1.3.1.linux-amd64.tar.gz

（2）解压到目标路径

使用下面的命令将它解压到目标路径

tar -zxvf node_exporter-1.3.1.linux-amd64.tar.gz -C /opt/module/

（3）启动Node Exporter

cd到所在目录。看一下里面有什么。

cd /opt/module/node_exporter-1.3.1.linux-amd64

使用下面的命令直接启动node exporter

./node_exporter

（4）查看指标接口中的内容

node_exporter默认监听9100端口。打开浏览器，访问 http://hadoop102:9100/metrics 。如下图所示，这就是我们Prometheus可以抓取的数据了。

Prometheus数据格式

出于和InfluxDB一样的原因，Exporter导出的数据格式就是Prometheus承认的，可以写入Prometheus的格式。

当下，还有一个名为OpenMetrics的协议其热度在不断上升，而这一协议正是以Prometheus数据规范为基础的。

下面简单介绍一下Prometheus的数据格式：

• 指标名称：指标名称是必需的，不可缺少的。

• 标签集：标签集是一堆键值对，键是标签的名称，值是具体的标签内容，而且值必须是字符串。指标名称和标签共同组成索引。

• 第一个空格：第一个空格将 指标名称&标签集 与 指标值 分隔开

• 值：值默认是浮点数格式。

• 第二个空格：第二个空格将 值 与 时间戳 分隔开，但是如果省略时间戳的话，这个空格就可以省略掉。

• 时间戳：int64位的Unix时间戳，毫秒级。

Exporter模式的缺点

Exporter模式的缺点在于，当要监控的目标很多时，管理的繁琐程度就支线上升。

假如我有一台机器上部署了很多的服务，而且都想把他们的指标抓取出来。比如，监控mysql，监控cpu、内存、磁盘等硬件资源，监控MongoDB，监控SpringBoot应用的内存使用情况等等。那么每针对一个监控目标，我都要去下载一个专门Exporter，并让它运行起来。

每一个Exporter都是一个独立的进程，上述列出来的需求就要求你要安装6个Exporter，并开放6个端口了，管理起来十分麻烦。而且在Prometheus端还需要

这样，反而是Telegraf的插件模式更加友好，方便统一管理。

所以，我们是为了方便而将Telegarf和Prometheus结合起来一块用的。借助Telegraf，我们用一份配置文件就能管理多个输入组件。而且每个组件都是一个轻量级线程，开销更小。最后，Prometheus配置一个抓取目标就好了，干净利落。

示例：使用Telegraf监控cpu并暴露为Prometheus数据格式

将数据暴露为Prometheus格式，只需在配置文件中增加一个output插件。这次，我们在之前example01.conf的基础上进行修改。

（1）编写配置文件

cd到目标路径下：

cd /opt/module/telegraf_conf

copy一份example01.conf：

cp /opt/module/telegraf_conf/example01.conf /opt/module/telegraf_conf/example_cpu_prometheus.conf

编辑example_cpu_prometheus.conf：

vim ./example_cpu_prometheus.conf

键入以下内容，红色部分是这次相对example01.conf新增的内容：

[agent]interval = "3s"flush_interval = "5s"[[inputs.cpu]]percpu = truetotalcpu = truecollect_cpu_time = falsereport_active = falsecore_tags = false[[outputs.file]]files = ["stdout"][[outputs.prometheus_client]]listen = ":9273"

关于prometheus_client的更多配置可以参考：telegraf/README.md at release-1.23 · influxdata/telegraf (github.com)

（2）运行Telegraf

使用下面的命令运行telegraf程序。

telegraf --config ./ example_cpu_prometheus.conf

（3）观察插件加载信息

现在有两个输出插件，一个为file（输出到标准输出控制台），另一个是prometheus_client。

（4）观察控制台输出

控制台输出了密密麻麻的输出，说明input的数据可以顺利到达output。

（5）浏览器查看暴露的Prometheus的数据

访问 http://hadoop102:9273/metrics 查看暴露的Prometheus数据。

如果看到下面的页面，就成功啦。