一、为什么需要 acceptMetric？

在 Ambari-Metrics 的 Collector 中，数据写入 HBase 前必须经过 合法性校验。 这个校验的入口就是 acceptMetric 方法。

如果不加约束，Collector 会把 所有组件、所有主机、所有指标 都采集并存储。随着集群规模增长，这会导致：

• HBase 表中产生大量无价值数据，存储成本上升；
• Collector 写入压力骤增，影响整体监控性能；
• Grafana 等前端 展示混乱，用户难以聚焦真正关心的指标。

于是，Ambari 提供了一个灵活机制：黑白名单过滤，让用户决定哪些指标值得上报。

核心思想

不是所有数据都值得存，通过 acceptMetric 过滤掉冗余指标，可以让 Collector 更轻、更快、更可控。

二、结论先行：acceptMetric 的设计原则

• 黑名单优先级高：匹配黑名单即直接拦截。
• 白名单控制更细：允许用户指定精确指标或通配符。
• 特殊组件例外：ams-hbase 采用“只采集白名单”逻辑。
• 默认宽松策略：若未配置名单，大多数指标允许通过。

这种设计确保了 Collector 在 默认开箱可用 与 高度可定制化 之间取得平衡。

三、源码全景解读

核心方法 acceptMetric 的代码如下：

public static boolean acceptMetric(TimelineMetric metric) {

  String appId = metric.getAppId();
  String metricName = metric.getMetricName();

  // 1. 应用黑名单
  if (CollectionUtils.isNotEmpty(blacklistedApps) && blacklistedApps.contains(appId)) {
    return false;
  }

  // 2. 指标黑名单（支持通配符）
  if (CollectionUtils.isNotEmpty(blacklistedMetrics) || CollectionUtils.isNotEmpty(blacklistedPatterns)) {
    if (blacklistedMetrics.contains(metricName)) {
      return false;
    }
    for (Pattern p : blacklistedPatterns) {
      Matcher m = p.matcher(metricName);
      if (m.find()) {
        blacklistedMetrics.add(metricName);
        return false;
      }
    }
  }

  // 3. ams-hbase 特殊白名单
  if ("ams-hbase".equals(appId) && CollectionUtils.isNotEmpty(amshbaseWhitelist)) {
    return amshbaseWhitelist.contains(metric.getMetricName());
  }

  // 4. 应用白名单
  if (CollectionUtils.isNotEmpty(whitelistedApps) && whitelistedApps.contains(appId)) {
    return true;
  }

  // 5. 指标白名单（若为空，则默认放行）
  if (CollectionUtils.isEmpty(whitelistedMetrics) && CollectionUtils.isEmpty(whitelistedMetricPatterns)) {
    return true;
  }

  if (whitelistedMetrics.contains(metricName)) {
    return true;
  }

  for (Pattern p : whitelistedMetricPatterns) {
    Matcher m = p.matcher(metricName);
    if (m.find()) {
      whitelistedMetrics.add(metricName);
      return true;
    }
  }

  return false;
}

逻辑拆解

1. 应用黑名单 → 全拦截 避免某些应用全量噪音指标（如 MR Job 临时任务）。
2. 指标黑名单 → 精确 / 模糊匹配 即使某应用通过了，也能按指标粒度再拦截。
3. ams-hbase 白名单 → 仅采集定义指标 避免 HBase 自身暴露过多无意义指标。
4. 应用白名单 → 快速放行 应用级控制更高效，不必逐个指标过滤。
5. 指标白名单 → 精确 / 正则放行 常用于只关注某一类指标（如 cpu.*）。
6. 缺省策略 → 宽松 没有白名单时，默认允许写入，保证 Collector 能跑起来。

运行机制

黑名单 → ams-hbase → 白名单 → 缺省策略 形成了一条优先级清晰的校验链。

四、名单初始化：Collector 启动加载逻辑

acceptMetric 的名单集合并不是运行时生成的，而是在 Collector 启动时，通过 initializeMetricFilter 方法完成初始化：

public static void initializeMetricFilter(TimelineMetricConfiguration configuration) {
  ...
  // 加载白名单
  if (configuration.isWhitelistingEnabled()) {
    String whitelistFile = metricsConf.get(
      TimelineMetricConfiguration.TIMELINE_METRICS_WHITELIST_FILE,
      TimelineMetricConfiguration.TIMELINE_METRICS_WHITELIST_FILE_LOCATION_DEFAULT);
    readMetricWhitelistFromFile(whitelistedMetrics, whitelistedMetricPatterns, whitelistFile);
  }

  // 加载黑名单
  String blacklistFile = metricsConf.get(TIMELINE_METRICS_BLACKLIST_FILE, "");
  if (!StringUtils.isEmpty(blacklistFile)) {
    readMetricWhitelistFromFile(blacklistedMetrics, blacklistedPatterns, blacklistFile);
  }

  // 应用级名单
  String appsBlacklist = metricsConf.get(TimelineMetricConfiguration.TIMELINE_METRICS_APPS_BLACKLIST, "");
  ...
}

Collector 会从 ams-site.xml 中读取文件路径与应用名单，完成内存初始化。

五、配置文件实战

在 ams-site.xml 中，可以配置三类清单：

1. 应用名单

<property>
    <name>timeline.metrics.apps.whitelist</name>
    <value>HDFS,HBASE</value>
</property>

<property>
<name>timeline.metrics.apps.blacklist</name>
<value>SPARK,MAPREDUCE</value>
</property>

2. 指标白名单

<property>
    <name>timeline.metrics.whitelist.file</name>
    <value>/etc/ambari-metrics-collector/conf/metrics_whitelist</value>
</property>

若未配置，默认路径为：

/etc/ambari-metrics-collector/conf/metrics_whitelist

3. 指标黑名单

<property>
    <name>timeline.metrics.blacklist.file</name>
    <value>/etc/ambari-metrics-collector/conf/metrics_blacklist</value>
</property>

黑名单没有默认值，必须显式配置。

4. ams-hbase 特殊清单

配置路径：amshbase_metrics_whitelist 文件。 写法：每行一个指标名。

代码对应：

if ("ams-hbase".equals(appId) && CollectionUtils.isNotEmpty(amshbaseWhitelist)) {
  return amshbaseWhitelist.contains(metric.getMetricName());
}

六、通配符机制

名单文件支持通配符，通过 ._p_ 前缀触发正则模式：

._p_kafka.log.Log.*

源码：

if (strLine.startsWith(patternPrefix)) {
  patternList.add(Pattern.compile(strLine.substring(patternPrefix.length())));
} else {
  metricList.add(strLine);
}

举例： 定义 ._p_kafka.log.Log.* 后，凡是匹配该正则的指标，都会动态补充到名单，并立即生效。

注意

通配符是 正则表达式，使用不当可能误拦截大量指标。 建议先在测试环境验证。

七、运行时动态效果

结合前文逻辑，当一个新指标进入 Collector 时：

1. 先查应用黑名单 → 如果命中直接丢弃；
2. 再查指标黑名单 → 若正则匹配上，立即加入黑名单缓存；
3. ams-hbase 特例 → 只有白名单里的才能通过；
4. 白名单判定 → 命中即放行，未配置白名单时默认全放行。

这个过程在高并发写入场景下执行非常快，因为：

• 名单在内存中维护 HashSet / Pattern；
• 正则匹配命中后，会 缓存结果，避免下次重复计算。