telegraf
Telegraf 是一款轻量级的数据采集代理,专为收集、处理、聚合及写入各类指标、日志和其他数据而设计。它有效解决了在复杂 IT 环境中从多样化来源统一获取监控数据的难题,让用户无需编写繁琐的脚本即可实现数据的标准化流转。
无论是负责运维的系统工程师、开发分布式应用的程序员,还是需要构建可观测性平台的研究人员,都能通过 Telegraf 轻松搭建高效的数据管道。其核心优势在于拥有超过 300 个社区驱动的插件,覆盖从底层硬件(如 CPU、磁盘)到云服务、消息队列(如 Kafka、MQTT)及网络设备等广泛场景。
技术上,Telegraf 编译为无外部依赖的独立静态二进制文件,部署极其简便;配置采用清晰易读的 TOML 格式,支持用户嵌入自定义代码以灵活转换数据。作为一个由全球上千名贡献者共同维护的开源项目,Telegraf 凭借强大的扩展性和稳定性,成为连接数据源与时序数据库(如 InfluxDB)或其他存储系统的理想桥梁。
使用场景
某电商运维团队需要实时监控分布在全球的 200+ 台混合架构服务器(含 Linux、Windows 及 Docker 容器),以保障大促期间的系统稳定性。
没有 telegraf 时
- 数据采集碎片化:运维人员需为不同系统编写独立的 Shell 或 Python 脚本,分别抓取 CPU、内存及业务日志,维护成本极高且容易出错。
- 格式标准不统一:各脚本输出的数据格式杂乱无章,缺乏统一的时间戳和标签,导致后续写入监控数据库时需要复杂的清洗工作。
- 资源占用不可控:自定义脚本往往缺乏优化,高频率运行时大量消耗服务器 CPU 和内存,反而影响了核心电商业务的性能。
- 故障响应滞后:由于缺乏统一的聚合机制,当某个节点宕机时,无法快速关联其周边的网络或磁盘指标,排查问题如同“盲人摸象”。
使用 telegraf 后
- 一站式统一采集:通过部署 telegraf 单一二进制文件,利用其内置的 300+ 插件(如 system、docker、win_perf_counters)自动覆盖所有异构节点,无需再维护任何自定义采集脚本。
- 标准化数据输出:telegraf 自动将采集到的指标转换为统一的行协议格式,并支持在配置中直接添加环境、区域等标签,实现数据“即采即用”。
- 轻量高效运行:作为编译型静态程序,telegraf 以极低的资源开销稳定运行,即使在配置高频采集间隔时,也不会对业务服务器造成明显负担。
- 全链路可观测性:借助其强大的数据处理管道,团队能将系统指标与业务日志关联聚合,一旦出现故障,可立即在仪表盘上定位到具体的根因节点。
telegraf 通过标准化的插件生态和轻量级架构,将原本繁琐杂乱的监控数据采集工作转变为自动化、低维护成本的可靠流程。
运行环境要求
- Linux
- macOS
- Windows
- 非必需
- 仅在使用特定插件(如 Nvidia SMI)监控 GPU 时需要 NVIDIA GPU,无具体型号或显存限制
未说明(取决于配置的插件数量和监控规模,作为独立静态二进制运行,资源占用通常较低)

快速开始
Telegraf
Telegraf 是一款用于收集、处理、聚合并写入指标、日志及其他任意数据的代理程序。
- 提供包含 300 多个插件的全面套件,覆盖系统监控、云服务、消息传递等广泛功能。
- 支持集成用户自定义代码,以高效地收集、转换和传输数据。
- 编译为独立的静态二进制文件,无任何外部依赖,确保部署流程简洁流畅。
- 使用 TOML 格式进行配置,提供友好且清晰明确的设置体验。
- 由来自超过 1,200 名贡献者的多元化社区共同开发。
用户可以从众多主题中选择插件,包括但不限于:
- 设备:OPC UA、Modbus
- 日志:File、Tail、Directory Monitor
- 消息传递:AMQP、Kafka、MQTT
- 监控:OpenTelemetry、Prometheus
- 网络:Cisco TelemetryMDT、gNMI
- 系统监控:CPU、Memory、Disk、Network、SMART、Docker、Nvidia SMI 等。
- 通用插件:Exec、HTTP、HTTP Listener、SNMP、SQL
- Windows:Event Log、Management Instrumentation、Performance Counters
🔨 安装
有关 Telegraf 的二进制构建、Docker 镜像、RPM 和 DEB 包以及其他构建方式,请参阅 安装指南。
版本控制及发布详情请参阅 发行说明文档。
💻 使用
用户需使用 TOML 格式定义包含所需插件和设置的配置文件,并将其传递给 Telegraf。Telegraf 代理会按照每个输入的采集间隔收集数据,并在每次刷新间隔将数据发送至输出端。
如需基本操作指南,请参阅 快速入门。
📖 文档
完整的文档列表(包括教程、参考材料等)可从 /docs 目录 开始查阅。
此外,每个插件都有自己的 README 文件,其中包含关于如何配置、使用,有时还包括调试或故障排除的详细信息。具体插件的相关文档可在 /plugins 目录 中找到。
以下是一些常用文档:
❤️ 贡献
我们非常珍视由超过 1,200 名贡献者组成的社区!Telegraf 中许多插件最初都是由社区成员贡献的。如果您有兴趣参与贡献,请查看我们的 贡献指南。同时,欢迎加入我们的 社区 Slack 或 社区论坛,与工程团队交流问题或提出建议。
如果您是 Telegraf 和 InfluxDB 的新手,还可以免费注册 InfluxDB 大学 参加课程,进一步学习相关知识。
ℹ️ 支持
如您有任何问题或意见想反馈给我们的工程团队,请使用 社区 Slack 或 社区论坛。GitHub 问题仅限于实际问题和功能请求。
📜 许可证
版本历史
v1.38.22026/03/30v1.38.12026/03/16v1.38.02026/03/09v1.37.32026/02/24v1.37.22026/02/12v1.37.12026/01/12v1.37.02025/12/08v1.36.42025/11/17v1.36.32025/10/21v1.36.22025/09/29v1.36.12025/09/09v1.36.02025/09/08v1.35.42025/08/19v1.35.32025/07/28v1.35.22025/07/07v1.35.12025/06/23v1.35.02025/06/17v1.34.42025/05/19v1.34.32025/05/05v1.34.22025/04/14常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
