第二章 核心模块：指标体系与抓取

第二章 核心模块：指标体系与抓取

如果说第一章解决的是"盯什么"，第二章解决的就是"怎么把数据采到"。Prometheus 的拉模型（pull model）和传统的推模型（push）在 LLM 推理场景下各有取舍；而推理框架（vLLM、TGI、TensorRT-LLM）暴露的指标格式、命名、粒度又各不相同。

本章带你把"指标从哪来、怎么被抓取、怎么被存储和查询"这条链路彻底打通，并给出一套可以直接复用的 exporter 对接模板。读完你会明白：监控体系的脆弱点往往不在 Grafana 面板美不美，而在指标设计和抓取配置这一层就已经埋了雷。

本章你将搞清楚的事

• Prometheus 的抓取（scrape）、存储（TSDB）、查询（PromQL）三大机制，以及它们如何决定你能看到的"数据粒度"
• 如何为 vLLM / TGI 等推理框架设计或配置 exporter，把推理专有指标暴露成 Prometheus 能抓的格式
• 指标命名规范与"基数（cardinality）"治理：为什么一个写错 label 的接口能让 Prometheus 内存爆炸

本章结构

第二章是"核心模块"，是后面实战案例能跑起来的前提。建议配合你的真实推理服务边读边配。