从SQL查询到Prometheus指标：query-exporter深度解析

本项目将数据库查询转化为Prometheus指标，支持多数据库、多指标同步导出，通过YAML配置实现高度灵活，为监控场景提供了轻量级解决方案。

适用人群：需要将数据库数据纳入Prometheus监控的运维工程师、DevOps团队，以及希望快速搭建自定义指标采集的开发者

适用场景：1. 将业务表中的关键数据（如订单量、用户活跃度）直接转为Prometheus指标；2. 多数据库环境下的统一指标采集；3. 临时性或实验性监控需求，无需编写额外采集代码

推荐理由：如果你厌倦了为每个数据库编写定制化采集脚本，query-exporter能通过YAML声明式配置快速满足需求，尤其适合中小团队快速落地监控方案。

项目定位与背景

在微服务与云原生架构下，Prometheus已成为主流监控体系的核心组件，但其默认设计聚焦于容器和中间件的指标采集，对数据库层指标的支持相对薄弱。传统方案通常需要为每个数据库编写独立的采集器，代码冗余且维护成本高。

query-exporter正是为解决这一痛点而生——它允许开发者直接用SQL查询定义指标，通过简洁的配置文件即可将数据库中的实时数据导出为Prometheus可消费格式。项目采用Python编写，兼容SQLAlchemy连接池，覆盖PostgreSQL、MySQL、Oracle及SQL Server等主流数据库，降低了跨数据库监控的门槛。

核心功能与技术架构

项目的核心功能是将SQL查询结果动态转换为Prometheus指标。其架构分为三层：配置层（YAML定义数据库连接、指标类型、查询计划）、执行层（定时执行查询并解析结果）和导出层（将结果写入Prometheus exposition格式）。

技术实现上，项目使用SQLAlchemy作为ORM框架处理多种数据库方言，通过统一的接口适配不同后端。指标类型支持gauge、counter、histogram、summary和enum五种标准类型，其中enum类型允许定义有限状态机的指标值，适用于离散事件监控。查询可同时关联多个数据库和指标，一条SQL语句即可产出多个时序数据点。

配置系统的灵活性是其最大亮点。通过YAML文件，用户可以精确控制每个指标的更新间隔、标签映射、过期时间及分桶参数。配置文件可通过命令行参数多次合并，支持部分配置覆盖，极大提升了易用性。

创新点与亮点

声明式指标生成：无需代码即可通过SQL表达式创建指标，特别适合有现成查询逻辑的场景。
2. 多数据库协同：单个查询可跨越多个数据库，实现聚合指标，简化了复杂环境下的监控逻辑。
3. 类型系统完备：完整支持Prometheus的五种指标类型，包括自定义分桶的histogram和枚举状态指标。
4. 零依赖部署：无外部服务依赖，可直接作为进程运行，适合嵌入式或临时性监控场景。

与同类项目对比

相比Telegraf、Prometheus Node Exporter等专用采集器，query-exorter的优势在于“SQL即指标”的直接转换能力，省去了编写采集器模板的时间。对于仅需监控特定表数据的场景，它比JDBC Exporter更轻量，也比Grafana Loki等日志系统更专注。

上手指南或快速开始

安装后，在项目根目录创建config.yaml文件，按照README示例配置数据库连接和查询计划。执行`python query_exporter.py`即可启动服务，它会自动监听localhost:9443端口（默认），将生成的指标推送到Prometheus。

总结与展望

query-exporter以其极简的设计理念填补了数据库指标采集的空白，尤其适合需要将既有SQL查询逻辑直接转化为监控指标的团队。虽然目前项目规模较小（536星标），但已验证了其在多数据库场景下的实用价值。未来可扩展支持更多数据库类型、增加分布式任务调度能力，以及提供更细粒度的查询优化建议。