Blackbox 导出器允许通过 HTTP、HTTPS、DNS、TCP、ICMP 和 gRPC 对端点进行黑盒探测。
从发布页面下载最适合的二进制文件
然后:
./blackbox_exporter <标志>
注意:您可能需要在 Docker 配置中启用 IPv6
docker run --rm \
-p 9115/tcp \
--name blackbox_exporter \
-v $(pwd):/config \
quay.io/prometheus/blackbox-exporter:latest --config.file=/config/blackbox.yml
访问 http://localhost:9115/probe?target=google.com&module=http_2xx
将返回针对 google.com 的 HTTP 探测指标。probe_success
指标表示探测是否成功。添加 debug=true
参数将返回该探测的调试信息。
有关导出器本身操作的指标可在 http://localhost:9115/metrics 端点获取。
Blackbox 导出器支持 TLS 和基本认证。这可以更好地控制各种 HTTP 端点。
要使用 TLS 和/或基本认证,您需要 使用 --web.config.file
参数传递配置文件。文件格式在导出器工具包仓库中有描述。
请注意,TLS 和基本认证设置会影响所有 HTTP 端点:用于抓取的 /metrics,用于探测的 /probe,以及 Web UI。
make
在成功完成本地构建后:
docker build -t blackbox_exporter .
Blackbox 导出器通过配置文件和命令行标志(如加载哪个配置文件、监听哪个端口以及日志格式和级别)进行配置。
Blackbox 导出器可以在运行时重新加载其配置文件。如果新配置格式不正确,更改将不会应用。
可以通过向 Blackbox 导出器进程发送 SIGHUP
信号或向 /-/reload
端点发送 HTTP POST 请求来触发配置重新加载。
要查看所有可用的命令行标志,请运行 ./blackbox_exporter -h
。
要指定要加载的配置文件,请使用 --config.file
标志。
此外,还提供了一个示例配置。
目前支持 HTTP、HTTPS(通过 http
探测器)、DNS、TCP 套接字、ICMP 和 gRPC(请参阅权限部分)。
可以根据您的需求定义其他模块。
每个探测的超时时间自动从 Prometheus 配置中的 scrape_timeout
确定,稍微减少以允许网络延迟。
这可以通过 Blackbox 导出器配置文件中的 timeout
进一步限制。如果两者都未指定,默认为 120 秒。
Blackbox 导出器实现了多目标导出器模式,因此我们 建议阅读指南 了解和使用多目标导出器模式 以了解配置的一般思路。
Blackbox 导出器需要将目标作为参数传递,这可以通过重新标记来完成。
示例配置:
scrape_configs: - job_name: 'blackbox' metrics_path: /probe params: module: [http_2xx] # 查找 HTTP 200 响应。 static_configs: - targets: - http://prometheus.io # 使用 http 探测的目标。 - https://prometheus.io # 使用 https 探测的目标。 - http://example.com:8080 # 使用 http 在端口 8080 探测的目标。 relabel_configs: - source_labels: [__address__] target_label: __param_target - source_labels: [__param_target] target_label: instance - target_label: __address__ replacement: 127.0.0.1:9115 # Blackbox 导出器的实际主机名:端口。 - job_name: 'blackbox_exporter' # 收集 blackbox 导出器的运行指标。 static_configs: - targets: ['127.0.0.1:9115']
HTTP 探测可以接受一个额外的 hostname
参数,该参数将设置 Host
标头和 TLS SNI。这在使用 dns_sd_config
时特别有用:
scrape_configs: - job_name: blackbox_all metrics_path: /probe params: module: [ http_2xx ] # 查找 HTTP 200 响应。 dns_sd_configs: - names: - example.com - prometheus.io type: A port: 443 relabel_configs: - source_labels: [__address__] target_label: __param_target replacement: https://$1/ # 使探测 URL 类似于 https://1.2.3.4:443/ - source_labels: [__param_target] target_label: instance - target_label: __address__ replacement: 127.0.0.1:9115 # Blackbox 导出器的实际主机名:端口。 - source_labels: [__meta_dns_name] target_label: __param_hostname # 使域名成为探测请求的 'Host' 标头 - source_labels: [__meta_dns_name] target_label: vhost # 并将其存储在 'vhost' 标签中
ICMP 探测需要提升权限才能运行:
net.ipv4.ping_group_range
组内的用户、具有 CAP_NET_RAW
能力的用户或 root 用户。
/etc/sysctl.conf
或类似文件中配置 net.ipv4.ping_group_range
。如果没有,您可以设置
net.ipv4.ping_group_range = 0 2147483647
以允许任何用户使用 ping。setcap cap_net_raw+ep blackbox_exporter
来设置能力字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
帮助AI理解电脑屏幕 纯视觉GUI元素的自动化解析方案
开源工具通过计算机视觉技术实现图形界面元素的智能识别与结构化处理,支持自动化测试脚本生成和辅助功能开发。项目采用模块化设计,提供API接口与多种输出格式,适用于跨平台应用场景。核心算法优化了元素定位精度,在动态界面和复杂布局场景下保持稳定解析能力。
埃隆·马斯克旗下的人工智能公司 xAI 推出的第三代大规模语言模型
Grok3 是由埃隆·马斯克旗下的人工智能公司 xAI 推出的第三代大规模语言模型,常被马斯克称为“地球上最聪明的 AI”。它不仅是在前代产品 Grok 1 和 Grok 2 基础上的一次飞跃,还在多个关键技术上实现了创新突破。
腾讯自研的混元大模型AI助手
腾讯元宝是腾讯基于自研的混元大模型推出的一款多功能AI应用,旨在通过人工智能技术提升用户在写作、绘画、翻译、编程、搜索、阅读总结等多个领域的工作与生活效率。
Windsurf Editor推出第三次重大更新Wave 3
新增模型上下文协议支持与智能编辑功能。本次更新包含五项核心改进:支持接入MCP协议扩展工具生态,Tab键智能跳转提升编码效率,Turbo模式实现自动化终端操作,图片拖拽功能优化多模态交互,以及面向付费用户的个性化图标定制。系统同步集成DeepSeek、Gemini等新模型,并通过信用点数机制实现差异化的资源调配。
增强编程效率的AI代码编辑器
Cursor作为AI驱动的代码编辑工具,助力开发者效率大幅度提升。该工具简化了扩展、主题和键位配置的导入,可靠的隐私保护措施保证代码安全,深受全球开发者信赖。此外,Cursor持续推出更新,不断优化功能和用户体验。
全面超越基准的 AI Agent助手
Manus 是一款通用人工智能代理平台,能够将您的创意和想法迅速转化为实际成果。无论是定制旅行规划、深入的数据分析,还是教育支持与商业决策,Manus 都能高效整合信息,提供精准解决方案。它以直观的交互体验和领先的技术,为用户开启了一个智慧驱动、轻松高效的新时代,让每个灵感都能得到完美落地。
飞书官方推出的AI知识库 上传word pdf即可部署AI私有知识库
基于DeepSeek R1大模型构建的知识管理系统,支持PDF、Word、PPT等常见文档格式解析,实现云端与本地数据的双向同步。系统具备实时网络检索能力,可自动关联外部信息源,通过语义理解技术处理结构化与非结构化数据。免费版本提供基础知识库搭建功能,适用于企业文档管理和个人学习资料整理场景。
大模型驱动的Excel数据处理工具
基于大模型交互的表格处理系统,允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令,自动执行排序、公式计算和数据透视等操作,支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内,支持超过100万行数据的即时分析。
DeepSeek开源的专家并行通信优化框架
DeepEP是一个专为大规模分布式计算设计的通信库,重点解决专家并行模式中的通信瓶颈问题。其核心架构采用分层拓扑感知技术,能够自动识别节点间物理连接关系,优化数据传输路径。通过实现动态路由选择与负载均衡机制,系统在千卡级计算集群中维持稳定的低延迟特性,同时兼容主流深度学习框架的通信接口。