So passen Sie Überwachungsindikatoren in Spring Boot an

1. Erstellen Sie ein Projekt

pom.xml und führen Sie relevante Abhängigkeiten ein

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
	<modelVersion>4.0.0</modelVersion>
	<groupId>com.olive</groupId>
	<artifactId>prometheus-meter-demo</artifactId>
	<version>0.0.1-SNAPSHOT</version>
	<parent>
		<groupId>org.springframework.boot</groupId>
		<artifactId>spring-boot-starter-parent</artifactId>
		<version>2.3.7.RELEASE</version>
		<relativePath />
	</parent>
	<properties>
		<java.version>1.8</java.version>
		<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
		<project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding>
		<spring-boot.version>2.3.7.RELEASE</spring-boot.version>
	</properties>
	<dependencies>
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-aop</artifactId>
		</dependency>
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-web</artifactId>
		</dependency>
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-actuator</artifactId>
		</dependency>
		<!-- Micrometer Prometheus registry  -->
		<dependency>
			<groupId>io.micrometer</groupId>
			<artifactId>micrometer-registry-prometheus</artifactId>
		</dependency>
	</dependencies>
	<dependencyManagement>
		<dependencies>
			<dependency>
				<groupId>org.springframework.boot</groupId>
				<artifactId>spring-boot-dependencies</artifactId>
				<version>${spring-boot.version}</version>
				<type>pom</type>
				<scope>import</scope>
			</dependency>
		</dependencies>
	</dependencyManagement>
</project>

2. Passen Sie Indikatoren an

Methode 1

Verwenden Sie direkt die Kernpaketklasse micrometer, um sie zu definieren und zu registrieren Indikatoren micrometer核心包的类进行指标定义和注册

package com.olive.monitor;
 
import javax.annotation.PostConstruct;
 
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;
 
import io.micrometer.core.instrument.Counter;
import io.micrometer.core.instrument.DistributionSummary;
import io.micrometer.core.instrument.MeterRegistry;
 
@Component
public class NativeMetricsMontior {
 
	/**
	 * 支付次数
	 */
	private Counter payCount;
 
	/**
	 * 支付金额统计
	 */
	private DistributionSummary payAmountSum;
 
	@Autowired
	private MeterRegistry registry;
 
	@PostConstruct
	private void init() {
		payCount = registry.counter("pay_request_count", "payCount", "pay-count");
		payAmountSum = registry.summary("pay_amount_sum", "payAmountSum", "pay-amount-sum");
	}
 
	public Counter getPayCount() {
		return payCount;
	}
 
	public DistributionSummary getPayAmountSum() {
		return payAmountSum;
	}
 
}

方式二

通过引入micrometer-registry-prometheus包，该包结合prometheus，对micrometer进行了封装

<dependency>
			<groupId>io.micrometer</groupId>
			<artifactId>micrometer-registry-prometheus</artifactId>
		</dependency>

同样定义两个metrics

package com.olive.monitor;
 
import javax.annotation.PostConstruct;
 
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;
 
import io.prometheus.client.CollectorRegistry;
import io.prometheus.client.Counter;
 
@Component
public class PrometheusMetricsMonitor {
 
	/**
	 * 订单发起次数
	 */
	private Counter orderCount;
 
	/**
	 * 金额统计
	 */
	private Counter orderAmountSum;
	
	@Autowired
	private CollectorRegistry registry;
	@PostConstruct
	private void init() {
		orderCount = Counter.build().name("order_request_count")
				.help("order request count.")
				.labelNames("orderCount")
				.register();
		orderAmountSum = Counter.build().name("order_amount_sum")
				.help("order amount sum.")
				.labelNames("orderAmountSum")
				.register();
		registry.register(orderCount);
		registry.register(orderAmountSum);
	}
 
	public Counter getOrderCount() {
		return orderCount;
	}
 
	public Counter getOrderAmountSum() {
		return orderAmountSum;
	}
 
}

prometheus 4种常用Metrics

Counter

连续增加不会减少的计数器，可以用于记录只增不减的类型，例如：网站访问人数，系统运行时间等。

对于Counter类型的指标，只包含一个inc()的方法，就是用于计数器+1.

一般而言，Counter类型的metric指标在冥冥中我们使用_total结束，如http_requests_total.

Gauge

可增可减的仪表盘，曲线图

对于这类可增可减的指标，用于反应应用的当前状态。

例如在监控主机时，主机当前空闲的内存大小，可用内存大小等等。

对于Gauge指标的对象则包含两个主要的方法inc()和dec()，用于增加和减少计数。

Histogram

主要用来统计数据的分布情况，这是一种特殊的metrics数据类型，代表的是一种近似的百分比估算数值，统计所有离散的指标数据在各个取值区段内的次数。例如：我们想统计一段时间内http请求响应小于0.005秒、小于0.01秒、小于0.025秒的数据分布情况。那么使用Histogram采集每一次http请求的时间，同时设置bucket。

Summary

Summary和Histogram非常相似，都可以统计事件发生的次数或者大小，以及其分布情况，他们都提供了对时间的计数_count以及值的汇总_sum，也都提供了可以计算统计样本分布情况的功能，不同之处在于Histogram可以通过histogram_quantile函数在服务器计算分位数。而Sumamry的分位数则是直接在客户端进行定义的。因此对于分位数的计算，Summary在通过PromQL进行查询的时候有更好的性能表现，而Histogram则会消耗更多的资源，但是相对于客户端而言Histogram消耗的资源就更少。用哪个都行，根据实际场景自由调整即可。

3. 测试

定义两个controller分别使用NativeMetricsMontior和PrometheusMetricsMonitor

package com.olive.controller;
 
import java.util.Random;
 
import javax.annotation.Resource;
 
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
 
import com.olive.monitor.NativeMetricsMontior;
 
@RestController
public class PayController {
 
	@Resource
	private NativeMetricsMontior monitor;
 
	@RequestMapping("/pay")
	public String pay(@RequestParam("amount") Double amount) throws Exception {
		// 统计支付次数
		monitor.getPayCount().increment();
 
		Random random = new Random();
		//int amount = random.nextInt(100);
		if(amount==null) {
			amount = 0.0;
		}
		// 统计支付总金额
		monitor.getPayAmountSum().record(amount);
		return "支付成功, 支付金额: " + amount;
	}
 
}
package com.olive.controller;
 
import java.util.Random;
 
import javax.annotation.Resource;
 
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
 
import com.olive.monitor.PrometheusMetricsMonitor;
 
@RestController
public class OrderController {
 
	@Resource
	private PrometheusMetricsMonitor monitor;
 
	@RequestMapping("/order")
	public String order(@RequestParam("amount") Double amount) throws Exception {
		// 订单总数
		monitor.getOrderCount()
			.labels("orderCount")
			.inc();
 
		Random random = new Random();
		//int amount = random.nextInt(100);
		if(amount==null) {
			amount = 0.0;
		}
		// 统计订单总金额
		monitor.getOrderAmountSum()
			.labels("orderAmountSum")
			.inc(amount);
		return "下单成功, 订单金额: " + amount;
	}
 
}

启动服务

访问http://127.0.0.1:9595/actuator/prometheus;正常看到监测数据

改变amount多次方式http://127.0.0.1:8080/order?amount=100和http://127.0.0.1:8080/pay?amount=10后；再访问http://127.0.0.1:9595/actuator/prometheus。查看监控数据

4.项目中的应用

项目中按照上面说的方式进行数据埋点监控不太现实；在spring项目中基本通过AOP进行埋点监测。比如写一个切面Aspect

package com.olive.aspect;
 
import java.time.LocalDate;
import java.util.concurrent.TimeUnit;
 
import javax.servlet.http.HttpServletRequest;
 
import org.aspectj.lang.ProceedingJoinPoint;
import org.aspectj.lang.annotation.Around;
import org.aspectj.lang.annotation.Aspect;
import org.aspectj.lang.annotation.Pointcut;
import org.springframework.stereotype.Component;
import org.springframework.util.StringUtils;
import org.springframework.web.context.request.RequestContextHolder;
import org.springframework.web.context.request.ServletRequestAttributes;
 
import io.micrometer.core.instrument.Metrics;
 
@Aspect
@Component
public class PrometheusMetricsAspect {
 
    // 切入所有controller包下的请求方法
    @Pointcut("execution(* com.olive.controller..*.*(..))")
    public void controllerPointcut() {
    }
 
    @Around("controllerPointcut()")
    public Object MetricsCollector(ProceedingJoinPoint joinPoint) throws Throwable {
 
        HttpServletRequest request = ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest();
        String userId = StringUtils.hasText(request.getParameter("userId")) ? 
        		request.getParameter("userId") : "no userId";
        
        // 获取api url
        String api = request.getServletPath();
        // 获取请求方法
        String method = request.getMethod();
        long startTs = System.currentTimeMillis();
        LocalDate now = LocalDate.now();
        String[] tags = new String[10];
        tags[0] = "api";
        tags[1] = api;
        tags[2] = "method";
        tags[3] = method;
        tags[4] = "day";
        tags[5] = now.toString();
        tags[6] = "userId";
        tags[7] = userId;
        
        String amount = StringUtils.hasText(request.getParameter("amount")) ? 
        		request.getParameter("amount") : "0.0";
        
        tags[8] = "amount";
        tags[9] = amount;
        // 请求次数加1
        //自定义的指标名称：custom_http_request_all，指标包含数据
        Metrics.counter("custom_http_request_all", tags).increment();
        Object object = null;
        try {
            object = joinPoint.proceed();
        } catch (Exception e) {
            //请求失败次数加1
            Metrics.counter("custom_http_request_error", tags).increment();
            throw e;
        } finally {
            long endTs = System.currentTimeMillis() - startTs;
            //记录请求响应时间
           Metrics.timer("custom_http_request_time", tags).record(endTs, TimeUnit.MILLISECONDS);
        }
        return object;
    }
}

method 2

by Einführung des micrometer-Registry-Prometheus Paket, das Prometheus zum Einkapsel von micrometer

rrreeealso kombiniert, definiert zwei metriken

rrreee🎜prometheus 4 üblicherweise verwendete Metrics🎜 🎜counter🎜 🎜Ein Zähler, der kontinuierlich steigt, aber nicht sinkt. Er kann verwendet werden, um Typen zu erfassen, die nur steigen, aber nicht sinken, wie zum Beispiel: die Anzahl der Website-Besucher, die Systemlaufzeit usw. 🎜🎜Für Indikatoren vom Typ „Zähler“ gibt es nur eine inc()-Methode, die für Zähler + 1 verwendet wird. 🎜🎜 Im Allgemeinen enden metrische Indikatoren vom Typ „Zähler“ mit _total, wie zum Beispiel http_requests_total.🎜🎜 Messgerät🎜🎜Ein Dashboard, das das kann erhöht oder verringert werden kann, und ein Diagramm🎜🎜für solche Indikatoren, die erhöht oder verringert werden können, um den aktuellen Status des Antrags widerzuspiegeln. 🎜🎜Beim Überwachen des Hosts beispielsweise die aktuelle freie Speichergröße des Hosts, die verfügbare Speichergröße usw. 🎜🎜Das Gauge-Indikatorobjekt enthält zwei Hauptmethoden inc() und dec(), die zum Erhöhen und Verringern der Anzahl verwendet werden. 🎜🎜Histogramm🎜🎜 wird hauptsächlich zum Zählen der Datenverteilung verwendet. Dies ist ein spezieller Metrikdatentyp, der einen ungefähren prozentualen Schätzwert darstellt und zählt, wie oft alle diskreten Indikatordaten in jeden Wertebereich fallen. Beispiel: Wir möchten die Datenverteilung von HTTP-Anfrageantworten mit weniger als 0,005 Sekunden, weniger als 0,01 Sekunden und weniger als 0,025 Sekunden innerhalb eines Zeitraums zählen. Verwenden Sie dann das Histogramm, um die Zeit jeder HTTP-Anfrage zu erfassen und gleichzeitig den Bucket festzulegen. 🎜🎜Zusammenfassung🎜🎜Zusammenfassung und Histogramm sind sehr ähnlich. Sie können sowohl die Anzahl oder Größe von Ereignissen als auch deren Verteilung ermitteln. Sie liefern auch Statistiken, die berechnet werden können Der Unterschied besteht darin, dass Histogram Quantile auf dem Server über die Funktion histogram_quantile berechnen kann. Die Quantile von Sumamry werden direkt auf der Clientseite definiert. Daher weist Summary bei der Berechnung des Quantils eine bessere Leistung bei Abfragen über PromQL auf, während Histogram mehr Ressourcen verbraucht, aber im Vergleich zum Client verbraucht Histogram weniger Ressourcen. Sie können beides verwenden und es frei an die tatsächliche Szene anpassen. 🎜🎜3. Testen Sie: Definieren Sie zwei Controller mit NativeMetricsMontior und PrometheusMetricsMonitor. Starten Sie den Dienst. Besuchen Sie http://127.0.0.1:9595 / actuator/prometheus;Sehen Sie sich die Überwachungsdaten normal an🎜🎜🎜🎜 4. Anwendungen im Projekt🎜🎜Im Projekt ist es nicht realistisch, die Daten vergrabener Punkte auf die oben beschriebene Weise im Frühjahrsprojekt zu überwachen. Die Überwachung vergrabener Punkte erfolgt grundsätzlich über AOP. Schreiben Sie beispielsweise einen Aspekt Aspect; diese Methode ist sehr benutzerfreundlich. Die Datenüberwachung vergrabener Punkte kann am Eingang ohne Codierung im Controller erfolgen. 🎜rrreee🎜Nachdem Sie die Aspekte geschrieben haben, starten Sie den Dienst neu; greifen Sie auf die Controller-Schnittstelle zu. Sie können auch benutzerdefinierte Überwachungsindikatoren vergraben🎜🎜🎜🎜

Das obige ist der detaillierte Inhalt vonSo passen Sie Überwachungsindikatoren in Spring Boot an. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!