LoongCollector在Prometheus抓取场景做了哪些针对性优化？

LoongCollector针对Prometheus抓取场景做了两项关键优化：

1. 避免内存拷贝：

• 问题：libcurl获取指标文本后存在字符串中，输入插件需要将整个文本拷贝到EventGroup内存池中（大target可达数十MB）。
• 方案：定制libcurl的数据回调函数，将预先构建好的PipelineEventGroup作为参数传入，让libcurl直接将网络响应内容写入EventGroup的内存池。零拷贝。

2. 流式处理：

• 问题：默认等整个网络响应完成后再处理，大target会产生超大的EventGroup，增加流水线驻留数据量和内存。
• 方案：在libcurl回调中实时按行切分生成Log事件，当EventGroup达到阈值时立即推入处理队列，重新生成新Group继续承载后续数据。将超大Group拆成多个小Group。

效果对比（1000 Targets负载）：

LoongCollector在CPU和内存上均显著优于VMAgent。