这两天在运维群里面看到有人说 Jenkins 节点也可以监控，以前没想过搞这个，现在就对公司 Jenkins 搞搞顺便记录下呗。

一、使用 Jenkins Prometheus 插件（推荐方式）

1. 安装插件

在 Jenkins 插件管理里搜索并安装 Prometheus Metrics Plugin。

2. 启用指标导出

插件安装后，Jenkins 会自动暴露一个 /prometheus 的 HTTP endpoint，例如：

http://<jenkins_host>:8080/prometheus

这里包含了 Job、构建、节点（Agent） 等相关指标。

3. 节点状态指标示例

插件会提供类似的指标：

default_jenkins_nodes_online{node="agent1"} 1
default_jenkins_nodes_online{node="agent2"} 0

其中：

1 表示在线
0 表示离线

也可以在 Prometheus 中直接编写告警规则，例如：

- alert: JenkinsNodeOfflineexpr: default_jenkins_nodes_online == 0for: 2mlabels:severity: warningannotations:summary: "Jenkins 节点离线"description: "Jenkins 节点 {{ $labels.node }} 已离线超过 2 分钟"

二、Jenkins 监控常见用途及原理

常见用途

这里说下普罗米修斯监控 Jenkins 的话一般做些什么。

节点健康监控
- 发现某个 Agent 掉线及时告警
- 判断节点是否长期闲置，辅助缩容
任务执行监控
- 构建成功率统计（CI 健康度）
- 构建耗时分析（定位瓶颈）
- 失败趋势分析（发现不稳定测试或问题代码）
资源使用监控
- 队列长度、Executor 使用情况
- 帮助判断是否需要扩容构建资源

原理

一般普罗米修斯监控都是靠 Exporter 去定规则监控，这里简单讲下 Node Exporter 与 Jenkins Prometheus 的原理与区别。

1. Node Exporter 的原理

实现方式：独立进程（Go 编写）
采集数据：通过 /proc、/sys 读取主机指标，例如 CPU、内存、磁盘、网络
暴露方式：HTTP 服务（默认 :9100/metrics）
特点：与应用解耦，只关注系统层面

2. Jenkins Prometheus 插件的原理

实现方式：Jenkins 插件，运行在 JVM 内部
采集数据：调用 Jenkins 内部对象模型（Java API），如：
- Computer → 节点信息
- Run → Job 构建状态
- Queue → 任务队列
暴露方式：http://<jenkins>:8080/prometheus
特点：强依赖 Jenkins，只能监控 CI/CD 业务指标

3. 本质区别

对比点	Node Exporter	Jenkins Prometheus 插件
运行位置	宿主机/容器，独立进程	Jenkins JVM 内部
采集来源	Linux 内核接口（/proc）	Jenkins 内部 Java API/对象模型
采集对象	操作系统层面资源	应用级别 CI/CD 指标
暴露方式	HTTP `:9100/metrics`	Jenkins `/prometheus` 路径
依赖关系	与应用解耦，独立运行	依赖 Jenkins，本身不可独立使用

总结一句话：

Node Exporter 监控机器
Jenkins Prometheus 插件监控流水线

三、Prometheus 抓取 Jenkins 数据

在 Prometheus 配置文件 prometheus.yaml 中加入：

- job_name: 'jenkins'scrape_interval: 5mscrape_timeout: 3mstatic_configs:- targets:- jenkins.example.commetrics_path: /prometheus

如果在 Kubernetes 容器内访问：

- job_name: 'jenkins'scrape_interval: 5mscrape_timeout: 3mstatic_configs:- targets:- jenkins.jenkins.svc.cluster.local:8080metrics_path: /prometheus

说明：

metrics_path：Prometheus 抓取的路径（不填默认对应 /metrics，上方对应：http://jenkins.example.com/prometheus ）
targets：目标主机+端口。K8s 里用 服务名.命名空间.svc.cluster.local:端口 格式

配置完成后，重启 Prometheus 即可在 Prometheus UI 里看到 Jenkins 指标（可能等1-2分钟）。

四、Grafana 面板展示及报警配置

实际上，我也没监控 Jenkins 任务、资源的需求，这里就监控下 Jenkins 节点在线情况就好了。

首先确认 default_jenkins_nodes_online 是节点在线状态，抓取到的信息是这样的：

default_jenkins_nodes_online{node="aa",} 1.0
default_jenkins_nodes_online{node="bb",} 1.0
default_jenkins_nodes_online{node="cc",} 0.0
...

面板展示

先 New Dashboard，再 Add visualization。

1. Table Panel 配置

在 Grafana 下新建的 Panel，选择 Table 视图（默认是 Time series）
在 Query Options 下，Format 设置为 Table（而非 Time series），Type 设置为 Instant（即时）

2. 处理重复数据

然后发现同一节点出现多行，可以在 Prometheus 查询里使用聚合函数，例如：

max by (node) (default_jenkins_nodes_online)

这样每个节点只保留一行最新状态。

出现多行是因为指标被采集多次，或者 Grafana 默认把每个时间点都作为一行。

3. 表格美化

Transform - Organize fields → 删除不需要的列，修改列名
右侧列 - Add field override → 按列名设置阈值颜色（设Cell options > Cell type 为 Colored text，添加 Thresholds > Thresholds）
- 1 设绿色
- 1.001/0.999/Base 设红色
排序 → 点击表格列名，按状态递增排列，离线节点置顶
列宽度（Colored text） → 调整为合适宽度，避免过长

然后点保存，这样就完成了对 Jenkins 节点的视图面板了。

⚠ 注意：Dashboard 名称和 Panel 名称不要完全相同，否则会报错。

报警配置

在 Alert rules 里 Create alert rule

输入 Rule name

查询语句处（A）选择 prometheus 类型并输入：

count(max by (node) (default_jenkins_nodes_online))

sum(max by (node) (default_jenkins_nodes_online))

>即 A 代表了查询的值，这里用节点总数的和减去返回值的和（节点正常返回1），只要 ≠ 0，就是有异常Options -> Format 选择 Table

Add expression 选择 Classic_conditions
WHEN last() OF A IS OUTSIDE RANGE -0.999 TO 0.001

限制 A 的值大于或小于 0 就报警
最后选择 Folder、Evaluation group，保存

这样就完成了 Jenkins 节点离线异常报警了。

注意事项

default_jenkins_nodes_online 这个指标只有两种状态：

1 → 节点在线
0 → 节点离线

需要注意的是：
如果你是 手动将节点下线，这个指标同样会变为 0，并不会区分是手动下线还是节点故障。因此：

如果直接以 jenkins_nodes_online 状态不等于 1 作为告警条件，手动下线的节点也会触发告警。
插件本身没有额外的参数能标识“手动下线”。

解决思路：

调用 Jenkins API → 可以进一步判断某个节点是否被手动禁用，再结合 Prometheus 告警规则做过滤。
配置告警排除规则 → 如果节点较少，可以在告警规则里直接排除某些手动下线的节点，例如：
```
jenkins_node_online{node!="手动下线的节点"}
```

对于节点规模不大、手动下线很少的场景，这样写一行过滤规则就能解决。