拉取与推模型
可以通过两种方式收集指标数据：拉取或推送。在这篇文章中，我们将看一下拉取模型。
图 1 显示了通过 HTTP 使用拉取模型进行数据收集。我们有专用的指标收集器，它们定期从正在运行的应用程序中提取指标值。
在此方法中，指标收集器需要知道要完整目标应用程序列表。一种粗暴的方法是使用文件来保存“指标收集器”服务器上每个服务终端点的 DNS/IP 信息。虽然这个想法很简单，但在频繁添加或删除服务器的大规模环境中很难维护这种方法。
好消息是，我们通过服务发现提供了一个可靠、可扩展且可维护的解决方案，该解决方案由 Kubernetes、Zookeeper 等提供，其中服务注册其可用性，并且每当服务终端点列表更改时，服务发现组件都可以通知指标收集器。服务发现包含有关何时何地收集指标的配置规则，如图 2 所示。
图 3 详细解释了拉取模型。
1 指标收集器从服务发现中提取服务端点的配置元数据。元数据包括拉取间隔、IP 地址、超时和重试参数等。
2 指标收集器通过预定义的 HTTP 终端点（例如/指标）提取指标数据。若要公开端点，通常需要将客户端库添加到服务中。在图 3 中，该服务是 Web 服务器。
3 （可选）指标收集器向服务发现注册更改事件通知，以便在服务终端点更改时接收更新。或者，指标收集器可以定期轮询终端点更改。
郑重声明：本文内容及图片均整理自互联网，不代表本站立场，版权归原作者所有，如有侵权请联系管理员(admin#wlmqw.com)删除。
