Metrics —— JVM上的实时监控类库

来源：互联网发布：mac怎么装虚拟机win10 编辑：程序博客网时间：2024/05/16 05:43

转载于：http://www.jianshu.com/p/e4f70ddbc287

系统开发到一定的阶段，线上的机器越来越多，就需要一些监控了，除了服务器的监控，业务方面也需要一些监控服务。Metrics作为一款监控指标的度量类库，提供了许多工具帮助开发者来完成自定义的监控工作。

使用Metrics

通过构建一个Spring Boot的基本应用来演示Metrics的工作方式。

在Maven的pom.xml中引入Metrics：

<dependency>    <groupId>io.dropwizard.metrics</groupId>    <artifactId>metrics-core</artifactId>    <version>${metrics.version}</version></dependency>

目前Metrics的最新版本是3.1.2。

Metrics的基本工具

Metrics提供了五个基本的度量类型：

Gauges（度量）
Counters（计数器）
Histograms（直方图数据）
Meters（TPS计算器）
Timers（计时器）

Metrics中MetricRegistry是中心容器，它是程序中所有度量的容器，所有新的度量工具都要注册到一个MetricRegistry实例中才可以使用，尽量在一个应用中保持让这个MetricRegistry实例保持单例。

MetricRegistry 容器

在代码中配置好这个MetricRegistry容器：

@Beanpublic MetricRegistry metrics() {    return new MetricRegistry();}

Meters TPS计算器

TPS计算器这个名称并不准确，Meters工具会帮助我们统计系统中某一个事件的速率。比如每秒请求数（TPS），每秒查询数（QPS）等等。这个指标能反应系统当前的处理能力，帮助我们判断资源是否已经不足。Meters本身是一个自增计数器。

通过MetricRegistry可以获得一个Meter：

@Beanpublic Meter requestMeter(MetricRegistry metrics) {    return metrics.meter("request");}

在请求中调用mark()方法，来增加计数，我们可以在不同的请求中添加不同的Meter，针对自己的系统完成定制的监控需求。

@RequestMapping("/hello")@ResponseBodypublic String helloWorld() {    requestMeter.mark();    return "Hello World";}

应用运行的过程中，在console中反馈的信息：

-- Meters ----------------------------------------------------------------------request             count = 21055         mean rate = 133.35 events/second     1-minute rate = 121.66 events/second     5-minute rate = 36.99 events/second    15-minute rate = 13.33 events/second

从以上信息中可以看出Meter可以为我们提供平均速率，以及采样后的1分钟，5分钟，15分钟的速率。

Histogram 直方图数据

直方图是一种非常常见的统计图表，Metrics通过这个Histogram这个度量类型提供了一些方便实时绘制直方图的数据。

和之前的Meter相同，我们可以通过MetricRegistry来获得一个Histogram。

@Beanpublic Histogram responseSizes(MetricRegistry metrics) {    return metrics.histogram("response-sizes");}

在应用中，需要统计的位置调用Histogram的update()方法。

responseSizes.update(new Random().nextInt(10));

比如我们需要统计某个方法的网络流量，通过Histogram就非常的方便。

在console中Histogram反馈的信息：

-- Histograms ------------------------------------------------------------------response-sizes             count = 21051               min = 0               max = 9              mean = 4.55            stddev = 2.88            median = 4.00              75% <= 7.00              95% <= 9.00              98% <= 9.00              99% <= 9.00            99.9% <= 9.00

Histogram为我们提供了最大值，最小值和平均值等数据，利用这些数据，我们就可以开始绘制自定义的直方图了。

Counter 计数器

Counter的本质就是一个AtomicLong实例，可以增加或者减少值，可以用它来统计队列中Job的总数。

通过MetricRegistry也可以获得一个Counter实例。

@Beanpublic Counter pendingJobs(MetricRegistry metrics) {    return metrics.counter("requestCount");}

在需要统计数据的位置调用inc()和dec()方法。

// 增加计数pendingJobs.inc();// 减去计数pendingJobs.dec();

console的输出非常简单：

-- Counters --------------------------------------------------------------------requestCount             count = 21051

只是输出了当前度量的值。

Timer 计时器

Timer是一个Meter和Histogram的组合。这个度量单位可以比较方便地统计请求的速率和处理时间。对于接口中调用的延迟等信息的统计就比较方便了。如果发现一个方法的RPS（请求速率）很低，而且平均的处理时间很长，那么这个方法八成出问题了。

同样，通过MetricRegistry获取一个Timer的实例：

@Beanpublic Timer responses(MetricRegistry metrics) {    return metrics.timer("executeTime");}

在需要统计信息的位置使用这样的代码：

final Timer.Context context = responses.time();try {    // handle request} finally {    context.stop();}

console中就会实时返回这个Timer的信息：

-- Timers ----------------------------------------------------------------------executeTime             count = 21061         mean rate = 133.39 calls/second     1-minute rate = 122.22 calls/second     5-minute rate = 37.11 calls/second    15-minute rate = 13.37 calls/second               min = 0.00 milliseconds               max = 0.01 milliseconds              mean = 0.00 milliseconds            stddev = 0.00 milliseconds            median = 0.00 milliseconds              75% <= 0.00 milliseconds              95% <= 0.00 milliseconds              98% <= 0.00 milliseconds              99% <= 0.00 milliseconds            99.9% <= 0.01 milliseconds

Gauges 度量

除了Metrics提供的几个度量类型，我们可以通过Gauges完成自定义的度量类型。比方说很简单的，我们想看我们缓存里面的数据大小，就可以自己定义一个Gauges。

metrics.register(                MetricRegistry.name(ListManager.class, "cache", "size"),                (Gauge<Integer>) () -> cache.size()        );

这样Metrics就会一直监控Cache的大小。

除此之外有时候，我们需要计算自己定义的一直单位，比如消息队列里面消费者(consumers)消费的速率和生产者(producers)的生产速率的比例，这也是一个度量。

public class CompareRatio extends RatioGauge {    private final Meter consumers;    private final Meter producers;    public CacheHitRatio(Meter consumers, Meter producers) {        this.consumers = consumers;        this.producers = producers;    }    @Override    protected Ratio getRatio() {        return Ratio.of(consumers.getOneMinuteRate(),                producers.getOneMinuteRate());    }}

把这个类也注册到Metrics容器里面：

@Beanpublic CompareRatio cacheHitRatio(MetricRegistry metrics, Meter requestMeter, Meter producers) {    CompareRatio compareRatio = new CompareRatio(consumers, producers);    metrics.register("生产者消费者比率", compareRatio);    return cacheHitRatio;}

Reporter 报表

Metrics通过报表，将采集的数据展现到不同的位置,这里比如我们注册一个ConsoleReporter到MetricRegistry中，那么console中就会打印出对应的信息。

@Beanpublic ConsoleReporter consoleReporter(MetricRegistry metrics) {    return ConsoleReporter.forRegistry(metrics)            .convertRatesTo(TimeUnit.SECONDS)            .convertDurationsTo(TimeUnit.MILLISECONDS)            .build();}

除此之外Metrics还支持JMX、HTTP、Slf4j等等，可以访问http://metrics.dropwizard.io/3.1.0/manual/core/#reporters 来查看Metrics提供的报表，如果还是不能满足自己的业务，也可以自己继承Metrics提供的ScheduledReporter类完成自定义的报表类。

完整的代码

这个demo是在一个很简单的spring boot下运行的，关键的几个类完整代码如下。

配置类MetricConfig.java

package demo.metrics.config;import com.codahale.metrics.*;import org.slf4j.LoggerFactory;import org.springframework.context.annotation.Bean;import org.springframework.context.annotation.Configuration;import java.util.concurrent.TimeUnit;@Configurationpublic class MetricConfig {    @Bean    public MetricRegistry metrics() {        return new MetricRegistry();    }    /**     * Reporter 数据的展现位置     *     * @param metrics     * @return     */    @Bean    public ConsoleReporter consoleReporter(MetricRegistry metrics) {        return ConsoleReporter.forRegistry(metrics)                .convertRatesTo(TimeUnit.SECONDS)                .convertDurationsTo(TimeUnit.MILLISECONDS)                .build();    }    @Bean    public Slf4jReporter slf4jReporter(MetricRegistry metrics) {        return Slf4jReporter.forRegistry(metrics)                .outputTo(LoggerFactory.getLogger("demo.metrics"))                .convertRatesTo(TimeUnit.SECONDS)                .convertDurationsTo(TimeUnit.MILLISECONDS)                .build();    }    @Bean    public JmxReporter jmxReporter(MetricRegistry metrics) {        return JmxReporter.forRegistry(metrics).build();    }    /**     * 自定义单位     *     * @param metrics     * @return     */    @Bean    public ListManager listManager(MetricRegistry metrics) {        return new ListManager(metrics);    }    /**     * TPS 计算器     *     * @param metrics     * @return     */    @Bean    public Meter requestMeter(MetricRegistry metrics) {        return metrics.meter("request");    }    /**     * 直方图     *     * @param metrics     * @return     */    @Bean    public Histogram responseSizes(MetricRegistry metrics) {        return metrics.histogram("response-sizes");    }    /**     * 计数器     *     * @param metrics     * @return     */    @Bean    public Counter pendingJobs(MetricRegistry metrics) {        return metrics.counter("requestCount");    }    /**     * 计时器     *     * @param metrics     * @return     */    @Bean    public Timer responses(MetricRegistry metrics) {        return metrics.timer("executeTime");    }}

接收请求的类MainController.java

package demo.metrics.action;import com.codahale.metrics.Counter;import com.codahale.metrics.Histogram;import com.codahale.metrics.Meter;import com.codahale.metrics.Timer;import demo.metrics.config.ListManager;import org.springframework.beans.factory.annotation.Autowired;import org.springframework.stereotype.Controller;import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.ResponseBody;import java.util.Random;@Controller@RequestMapping("/")public class MainController {    @Autowired    private Meter requestMeter;    @Autowired    private Histogram responseSizes;    @Autowired    private Counter pendingJobs;    @Autowired    private Timer responses;    @Autowired    private ListManager listManager;    @RequestMapping("/hello")    @ResponseBody    public String helloWorld() {        requestMeter.mark();        pendingJobs.inc();        responseSizes.update(new Random().nextInt(10));        listManager.getList().add(1);        final Timer.Context context = responses.time();        try {            return "Hello World";        } finally {            context.stop();        }    }}

项目启动类DemoApplication.java：

package demo.metrics;import com.codahale.metrics.ConsoleReporter;import org.springframework.boot.SpringApplication;import org.springframework.boot.autoconfigure.SpringBootApplication;import org.springframework.context.ApplicationContext;import java.util.concurrent.TimeUnit;@SpringBootApplicationpublic class DemoApplication {    public static void main(String[] args) {        ApplicationContext ctx = SpringApplication.run(DemoApplication.class, args);        // 启动Reporter        ConsoleReporter reporter = ctx.getBean(ConsoleReporter.class);        reporter.start(1, TimeUnit.SECONDS);    }}

阅读全文

0 0