SpringBoot-技术专区-实战方案-应用监控线程池

背景

　　废话不多说，做这个监控的背景很简单，我们的项目都是以spring boot框架为基础开发的，代码里所有的异步线程都是通过@Async标签标注的，并且标注的时候都是指定对应线程池的，如果不知@Async标注的，可以参考@Async异步线程池用法总结, 如果你用的不是spring，就参考上文提到的公众号文章就好。再回到背景，我们当时经常遇到的问题就是这些线程池的队列满了之后，新的异步任务无法添加进去的错误，因此我们想对所有这种类型的线程池进行监控。

监控方式

　　再来介绍一下我们最终采用的方式 —— spring boot + statsd， 通过添加以下代码就可以使statd能够读取/metrics接口中所有的指标并发送监控数据到statsd后端，statsd并不是本篇文章的重点，之后有时间再细讲这部分的配置。

@Bean
public MetricsEndpointMetricReader metricsEndpointMetricReader(final MetricsEndpoint metricsEndpoint) {
    return new MetricsEndpointMetricReader(metricsEndpoint);
}

代码及效果

　　我们所需要做的就是向/metrics接口添加线程池的指标，庆幸的是spring boot提供了良好的扩展机制，只需要实现PublicMetrics接口，实现其中的metrics方法你就能在/metrics中看到你新增的指标，上代码：

@Component
public class AsyncThreadPoolMetrics implements PublicMetrics {
    public static final Logger LOG = LoggerFactory.getLogger(AsyncThreadPoolMetrics.class);
    private Map targetAsyncThreadPool;
    private static final String pattern = "async.task.%s.%s";
    @Autowired
    ApplicationContext context;
    @Override
    public Collection> metrics() {
        try {
            if(targetAsyncThreadPool == null || targetAsyncThreadPool.size() == 0) {
                targetAsyncThreadPool = context.getBeansOfType(ThreadPoolTaskExecutor.class);
            }
            Collection> result = new ArrayList<>();
            for (Map.Entry entry: targetAsyncThreadPool.entrySet()) {
                ThreadPoolTaskExecutor executor =  entry.getValue();
                result.add(new Metric(String.format(pattern, entry.getKey(), "aciveCount"), executor.getActiveCount(), new Date()));
                result.add(new Metric(String.format(pattern, entry.getKey(), "currentPoolSize"), executor.getPoolSize(), new Date()));
                result.add(new Metric(String.format(pattern, entry.getKey(), "maxPoolSize"), executor.getMaxPoolSize(), new Date()));
                result.add(new Metric(String.format(pattern, entry.getKey(), "currentSizeInQueue"), 　　

　　　　  executor.getThreadPoolExecutor().getQueue().size(), new Date()));
            }
            return result;
        } catch (Exception e) {
            LOG.error("Async thread pool monitor exception", e);
        }
        return Collections.emptyList();
    }
}
　　从上面的代码可以看出，我们监控的是多个线程池，原因很简单，为了使多种类型异步任务不互相影响，我们配置了多个线程池，多个线程池有不同的名字区分。
　　其实代码很简单，首先从容器中找到所有实现ThreadPoolTaskExecutor的bean，也就是我们要监控的线程池对象，取出正在活动的线程数，线程池的大小，配置最大可容纳的线程数以及当前排队的任务，当然还有很多其他指标，大家都可以试试，我只是选出当时我们需要的指标。当我们访问此时应用的/metrics，效果如下，红色框标注的便是我们添加的指标：