使用 Prometheus Exporter 与 Grafana 构建 SRS 实时媒体服务器的可观测性监控

使用 Prometheus Exporter 与 Grafana 构建 SRS 实时媒体服务器的可观测性监控

【免费下载链接】srsSRS is a simple, high-performance, AI-driven real-time media server supporting RTMP, WebRTC, HLS, HTTP-FLV, HTTP-TS, SRT, MPEG-DASH, and GB28181, with codec support for H.264, H.265, AV1, VP9, AAC, Opus, and G.711.项目地址: https://gitcode.com/GitHub_Trending/sr/srs

SRS 官方文档将可观测性定义为三件套：指标（Prometheus Exporter）、链路追踪（APM）与日志（Cloud Logging），其中 Exporter 是最容易上手、也是最常用的监控入口。本文以 SRS 仓库内 exporter 文档为骨架，结合源码逐层讲解 Exporter 的配置、指标清单与底层实现，并给出从推流到 Prometheus 采集、再到 Grafana 可视化的完整落地步骤，读完后你可以在自己的 SRS 集群上直接复刻出一套实时监控大盘。

SRS 可观测性体系与 Exporter 架构

SRS 的可观测性分为三个维度：指标（Metrics）、链路追踪（Tracing）和日志（Logging）。其中 Exporter 承担"指标"维度：它通过 HTTP 暴露 Prometheus 文本格式的指标端点，由 Prometheus 定时抓取（scrape），再由 Grafana 负责渲染与告警。

整体数据链路如下：

+-----+ +-----------+ +---------+ | SRS +--Exporter-->--| Promethus +-->--+ Grafana + +-----+ (HTTP) +-----------+ +---------+

即：SRS 进程内嵌 Exporter，通过 HTTP 对外暴露/metrics端点（默认端口9972）；Prometheus 按设定的scrape_interval周期拉取指标；Grafana 以 Prometheus 为数据源绘制图表。这套架构把"服务自身运行状态"与"主机节点状态"统一纳管，便于在集群规模下做横向对比。

指标、链路追踪、日志三者的分工可以参考业界通行的 observability primer：指标回答"系统现在是否健康"，追踪回答"一次请求经历了什么"，日志回答"发生了什么细节"。本文聚焦指标链路。

Exporter 配置详解

Exporter 由独立的exporter {}配置块控制，完整示例见 prometheus.conf 与 full.conf：

# Prometheus exporter config. # See https://prometheus.io/docs/instrumenting/exporters exporter { # Whether exporter is enabled. # Overwrite by env SRS_EXPORTER_ENABLED # Default: off enabled off; # The http api listen port for exporter metrics. # Overwrite by env SRS_EXPORTER_LISTEN # Default: 9972 # See https://github.com/prometheus/prometheus/wiki/Default-port-allocations listen 9972; # The logging label to category the cluster servers. # Overwrite by env SRS_EXPORTER_LABEL label cn-beijing; # The logging tag to category the cluster servers. # Overwrite by env SRS_EXPORTER_TAG tag cn-edge; }

各参数说明如下：

label与tag会以 label 的形式出现在srs_build_info指标中，用于在多节点集群里区分"哪个地域、哪个角色"的服务器，是集群级监控的基石。

官方强烈建议使用环境变量来启用 Exporter，这样无需维护配置文件即可在容器、编排平台中快速开关。仓库提供的 prometheus.conf 是一份开箱即用的演示配置，其中exporter块已设置为enabled on; listen 9972;，并同时开启了 RTMP、HTTP API、HTTP Server 与 RTC 等模块，适合直接跑通全流程。

源码剖析：/metrics 指标端点的底层实现

理解了配置，再看源码能更清楚地知道每个配置项"去了哪里、做了什么"。

配置解析：四个 getter 与环境变量覆盖

Exporter 配置的解析集中在 srs_app_config.cpp，对应四个 getter：

• get_exporter_enabled()：读取exporter.enabled，默认false，可通过环境变量SRS_EXPORTER_ENABLED覆盖（源码中SRS_OVERWRITE_BY_ENV_BOOL("srs.exporter.enabled")）；
• get_exporter_listen()：读取exporter.listen，默认"9972"，可被SRS_EXPORTER_LISTEN覆盖；
• get_exporter_label()/get_exporter_tag()：默认空字符串，可被SRS_EXPORTER_LABEL/SRS_EXPORTER_TAG覆盖。

这也是文档中"推荐使用环境变量"建议的源码依据：每个配置项都有对应的SRS_EXPORTER_*环境变量通道。

独立监听器与路由挂载

Exporter 并非挂在 HTTP API（默认 1985 端口）上，而是独立的 TCP 监听器。在 srs_app_server.cpp 中，当get_exporter_enabled()为真时，会以get_exporter_listen()为端口创建SrsTcpListener（标签Exporter-Server）并开始监听：

if (config_->get_exporter_enabled()) { exporter_listener_->set_endpoint(config_->get_exporter_listen()); exporter_listener_->set_label("Exporter-Server"); if ((err = exporter_listener_->listen()) != srs_success) { return srs_error_wrap(err, "exporter server listen"); } }

随后在 srs_app_server.cpp 中，将处理类SrsGoApiMetrics挂载到 HTTP 路由/metrics：

// metrics by prometheus SrsGoApiMetrics *metrics = new SrsGoApiMetrics(); metrics->assemble(); if ((err = http_api_mux_->handle("/metrics", metrics)) != srs_success) { return srs_error_wrap(err, "handle tests errors"); }

而在连接接受逻辑中（srs_app_server.cpp），exporter_listener_上收到的连接会复用http_api_mux_这个 HTTP 复用器，因此访问http://<srs-host>:9972/metrics即命中SrsGoApiMetrics::serve_http。源码注释也指出：目前 Exporter 端口暂不支持 HTTPS（TODO: FIXME: Maybe should support https metrics.），生产环境如需加密建议前置反向代理。

当enabled off时，访问/metrics会返回错误码ERROR_EXPORTER_DISABLED（值为1090，见 srs_kernel_error.hpp 中定义的"Prometheus exporter is disabled"）。

指标清单：serve_http 输出什么

SrsGoApiMetrics定义在 srs_app_http_api.hpp，核心实现在 srs_app_http_api.cpp。其serve_http依次输出以下 Prometheus 文本格式指标：

其中srs_build_info中携带的label/tag正是来自配置块中的exporter.label与exporter.tag（见 srs_app_http_api.cpp 中if (!label_.empty()) ... if (!tag_.empty())的条件输出逻辑），这就是集群分类监控的实现位置。

业务计数指标（发送/接收字节、流数、客户端数）则来自全局统计单例SrsStatistic::dumps_metrics（srs_app_statistic.cpp），它从 KBPS 采样器与流/客户端表中取数：

send_bytes = kbps_->get_send_bytes(); recv_bytes = kbps_->get_recv_bytes(); nstreams = streams_.size(); nclients = clients_.size(); total_nclients = nb_clients_; nerrs = nb_errs_;

单测 srs_utest_ai16.cpp 中的SrsGoApiMetricsTest.ServeHttpSuccess会校验响应的 Prometheus 格式，包括# HELP srs_build_info、srs_cpu_percent、srs_memory、srs_send_bytes_total等指标是否按预期输出，可作为理解指标语义的参考。

另外，srs_app_latest_version.cpp 在向官方版本服务上报运行特征时，也会通过get_exporter_enabled()附带prom功能标记，说明 Exporter 是 SRS 官方认可的受支持能力。

实战一：构建并启动 SRS Exporter

下面从零开始跑通"推流 → 采集 → 查询"全链路。

1. 编译并启动 SRS（5.0.86+）

在仓库trunk目录下编译并启动：

./configure && make env SRS_ENV_ONLY=on SRS_EXPORTER_ENABLED=on SRS_LISTEN=1935 \ ./objs/srs -e

• ./configure && make：完成默认特性的编译；
• SRS_ENV_ONLY=on：仅使用环境变量配置 SRS，不加载配置文件；
• SRS_EXPORTER_ENABLED=on：开启 Exporter（等价于配置块exporter { enabled on; }）；
• SRS_LISTEN=1935：RTMP 监听端口；
• ./objs/srs -e：以环境变量模式启动。

启动后打开http://localhost:9972/metrics即可看到上述全部指标。也可以改用配置文件conf/prometheus.conf启动演示（对应仓库内 prometheus.conf，其中exporter { enabled on; listen 9972; }已就绪）。

2. 用 FFmpeg 推一路直播流

使用官方编码器镜像推流，验证接收字节指标随流增长：

docker run --rm -it ossrs/srs:encoder ffmpeg -re -i doc/source.flv -c copy \ -f flv rtmp://host.docker.internal/live/livestream

3. 启动 node_exporter 采集主机指标

Exporter 只反映 SRS 进程自身，主机层指标（CPU、内存、磁盘、网络）需要 node_exporter：

docker run --rm -p 9100:9100 prom/node-exporter

打开http://localhost:9100/metrics即可验证。生产环境强烈建议从其官方 Release 下载二进制直接运行，而不是在每台主机上常驻 Docker 容器。

4. 编写 prometheus.yml 并启动 Prometheus

创建prometheus.yml，同时配置 node 与 srs 两个抓取任务：

scrape_configs: - job_name: "node" metrics_path: "/metrics" scrape_interval: 5s static_configs: - targets: ["host.docker.internal:9100"] - job_name: "srs" metrics_path: "/metrics" scrape_interval: 5s static_configs: - targets: ["host.docker.internal:9972"]

注意：这里将scrape_interval设为5s，而 Prometheus 的默认值是1m（一分钟）。对直播场景而言，默认值粒度过粗，建议按监控精度需求显式调小。

启动 Prometheus：

docker run --rm -v $(pwd)/prometheus.yml:/etc/prometheus/prometheus.yml \ -p 9090:9090 prom/prometheus

5. 用 PromQL 查询输入码率

打开http://localhost:9090/targets查看两个抓取目标是否 UP，然后在http://localhost:9090/graph中执行查询：

rate(srs_receive_bytes_total[10s])*8

该查询计算 SRS 最近 10 秒接收字节的变化率并乘以 8，即得到输入码率（bit/s）。推流过程中曲线应随码率波动，直观验证"Exporter → Prometheus"链路已经打通。若要监控输出码率，将指标替换为srs_send_bytes_total即可。

实战二：接入 Grafana 可视化大盘

Prometheus 适合查询与告警，日常观察与汇报更常用 Grafana。

1. 启动 Grafana

docker run --rm -it -p 3000:3000 \ -e GF_SECURITY_ADMIN_USER=admin \ -e GF_SECURITY_ADMIN_PASSWORD=12345678 \ -e GF_USERS_DEFAULT_THEME=light \ grafana/grafana

浏览器打开http://localhost:3000/，使用admin/12345678登录。

2. 通过 API 添加 Prometheus 数据源

curl -s -H "Content-Type: application/json" \ -XPOST http://admin:12345678@localhost:3000/api/datasources \ -d '{ "name": "prometheus", "type": "prometheus", "access": "proxy", "isDefault": true, "url": "http://host.docker.internal:9090" }'

其中access: "proxy"表示由 Grafana 服务端代理转发查询，isDefault: true使其成为默认数据源，url指向 Prometheus 的 9090 端口。

3. 导入 HelloWorld 仪表盘

data=$(curl https://raw.githubusercontent.com/ossrs/srs-grafana/main/dashboards/helloworld-import.json 2>/dev/null) curl -s -H "Content-Type: application/json" \ -XPOST http://admin:12345678@localhost:3000/api/dashboards/db \ --data-binary "{\"dashboard\":${data},\"overwrite\":true,\"inputs\":[],\"folderId\":0}"

第一条命令从 srs-grafana 仓库拉取 HelloWorld 仪表盘 JSON，第二条命令通过 Grafana Dashboard API 导入。之后打开http://localhost:3000/dashboards即可看到导入的仪表盘。

官方还提供了更多仪表盘（包含 SRS 各指标的面板组合），存放在 srs-grafana 仓库的dashboards目录下，可按需导入。任何改进都欢迎提交补丁，SRS 社区持续维护这套可观测性资产。

生产环境实践建议

• 集群分类：为每个 SRS 节点设置不同的label（地域）与tag（角色，如cn-edge、cn-origin），配合srs_build_info{label="...", tag="..."}即可在 Grafana 中按节点维度拆分监控，方便定位"哪台边缘节点异常"。
• 抓取间隔：直播业务指标变化快，建议scrape_interval设为 5s～15s；若集群节点多、指标量大，可适当放宽以降低 Prometheus 压力。
• 端口规划：9972是社区默认端口分配表中 SRS 预留端口；若与既有端口冲突，通过SRS_EXPORTER_LISTEN或exporter { listen ...; }调整，并同步修改 Prometheus 的targets。
• 安全边界：Exporter 端口当前不支持 HTTPS，且/metrics无需鉴权即可访问，生产环境建议将 9972 端口收敛在内网/监控网段，或在前置网关做访问控制。
• 从源码验证：本文涉及的指标输出逻辑（srs_app_http_api.cpp）、配置解析（srs_app_config.cpp）与统计取数（srs_app_statistic.cpp）均可直接在仓库中对照阅读，单测 srs_utest_ai16.cpp 则给出了指标响应的格式基线。

参考文件索引

• exporter 官方文档：本文骨架来源；
• prometheus.conf：开箱即用的 Exporter 演示配置；
• full.conf：完整配置参考中的 exporter 段；
• srs_app_config.cpp：Exporter 四个配置项的解析与环境变量覆盖；
• srs_app_server.cpp：Exporter 独立监听器的创建与启停；
• srs_app_http_api.cpp：/metrics端点与全部指标的输出实现；
• srs_app_http_api.hpp：SrsGoApiMetrics处理类声明；
• srs_app_statistic.cpp：全局统计指标取数实现；
• srs_kernel_error.hpp：ERROR_EXPORTER_DISABLED错误码定义；
• srs_utest_ai16.cpp：/metrics响应格式的单元测试。

【免费下载链接】srsSRS is a simple, high-performance, AI-driven real-time media server supporting RTMP, WebRTC, HLS, HTTP-FLV, HTTP-TS, SRT, MPEG-DASH, and GB28181, with codec support for H.264, H.265, AV1, VP9, AAC, Opus, and G.711.项目地址: https://gitcode.com/GitHub_Trending/sr/srs