Metrics使用详解 Metrics+influxdb+grafana搭建系统监控
Metrics是一款监控指标的度量类库,它提供了许多工具帮助开发者来完成自定义的监控工作。
看一张图,让你更直观的了解它的魅力:
从上图可以看出,各项数据指标都一清二楚,非常直观清晰,由此Metrics是很重要的一个类库.
Metrics提供了五个基本的度量类型：
1. Gauges（度量）
2. Counters（计数器）
3. Histograms（直方图数据）
4. Meters（TPS计算器）
5. Timers（计时器）
使用步骤方法:
首先将metrics-core加入到maven pom.xml中：
io.dropwizard.metrics
metrics-core
3.1.2
com.github.davidb
metrics-influxdb
0.8.2
建立MetricConfig.java配置类:
在使用Metrics之前,要注册metric的容器MetricRegistry,这是Metrics的核心,切记不可缺少!!!
相当于MetricRegistry metrics =newMetricRegistry();
/**
* 在代码中配置好这个MetricRegistry容器
* @return
*/
@Bean
public MetricRegistry metrics() {
return new MetricRegistry();
}
直接上完整代码,供大家参考:
package com.metrics.demo.config;
import com.codahale.metrics.*;
import metrics_influxdb.InfluxdbReporter;
import metrics_influxdb.api.protocols.InfluxdbProtocols;
import org.slf4j.LoggerFactory;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import java.util.LinkedList;
import java.util.Queue;
import java.util.concurrent.TimeUnit;
/**
* x
*
* @author X兄
* @date 2019/3/27
*/
@Configuration
public class MetricConfig{
/**
* 在代码中配置好这个MetricRegistry容器
* @return
*/
@Bean
public MetricRegistrymetrics() {
return new MetricRegistry();
}
/**
* 将数据收集到Influxdb
* @param metrics
* @return
*/
@Bean(name ="influxdbReporter")
public ScheduledReporterinfluxdbReporter(MetricRegistry metrics){
return InfluxdbReporter.forRegistry(metrics)
//配置Influxdb的数据源：Ip地址、port端口号、用戶名、密码、数据库名称的信息
.protocol(InfluxdbProtocols.http("127.0.0.1", 8086, "username", "pwd", "database"))
.convertRatesTo(TimeUnit.SECONDS)
.convertDurationsTo(TimeUnit.MILLISECONDS)
.filter(MetricFilter.ALL)
.skipIdleMetrics(false)
.build();
}
/**
* 后台Console输出数据
* @param metrics
* @return
*/
@Bean
public ConsoleReporterconsoleReporter(MetricRegistry metrics) {
return ConsoleReporter.forRegistry(metrics)
.convertRatesTo(TimeUnit.SECONDS)
.convertDurationsTo(TimeUnit.MILLISECONDS)
.filter(MetricFilter.ALL)
.build();
}
/**
* Meters TPS计算器
* @param metrics
* @return
*/
@Bean
public MeterrequestMeter(MetricRegistry metrics) {
return metrics.meter("request");
}
/**
* 计时器Timer
* @param metrics
* @return
*/
@Bean
public Timerresponses(MetricRegistry metrics) {
return metrics.timer("executeTime");
}
/**
*Counter计数器,可以用来统计队列中Job的总数。
* @param metrics
* @return
*/
@Bean
public CounterpendingJobs(MetricRegistry metrics) {
return metrics.counter("requestCount");
}
/**
* Histogram 直方图数据
* @param metrics
* @return
*/
@Bean
public HistogramresponseSizes(MetricRegistry metrics) {
return metrics.histogram("Histogram-sizes");
}
/**
* slf4j
* @param metrics
* @return
*/
@Bean
public Slf4jReporterslf4jReporter(MetricRegistry metrics) {
return Slf4jReporter.forRegistry(metrics)
.outputTo(LoggerFactory.getLogger("Slf4jMetrics"))
.convertRatesTo(TimeUnit.SECONDS)
.convertDurationsTo(TimeUnit.MILLISECONDS)
.build();
}
/**
* JMX
* @param metrics
* @return
*/
@Bean
public JmxReporterjmxReporter(MetricRegistry metrics) {
return JmxReporter.forRegistry(metrics).build();
}
/**
* Gauge 衡量一个待处理队列中任务的个数
* Metrics监控Cache的大小
*/
public class QueueManager{
public Queue
q =new LinkedList<>(); public QueueManager(MetricRegistry metrics, String name) {
metrics.register(MetricRegistry.name(QueueManager.class, "cache", "size"),
new Gauge
() { //(Gauge) () -> cache.size() //监控缓存的大小
@Override
public IntegergetValue() {
return q.size(); //衡量一个待处理队列中任务的个数
}
});
}
}
}
然后建立controller,也就是在你需要用到的地方去使用Metrics:
package com.metrics.demo.controller;
import com.codahale.metrics.*;
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;
import java.util.concurrent.TimeUnit;
/**
* x
*
* @author X兄
* @date 2019/3/27
*/
@Controller
@RequestMapping("/")
public class MainController {
@Autowired
private Meter requestMeter;
@Autowired
private Timer responses;
@Autowired
private ScheduledReporter influxdbReporter;
@Autowired
private Counter pendingJobs;
@Autowired
private Histogram responseSizes;
@Autowired
private JmxReporter jmxReporter;
@RequestMapping("/hello")
@ResponseBody
public String hello() {
requestMeter.mark(); //Meters TPS计算器调用mark()方法，来增加计数
final Timer.Context context = responses.time(); //Timer计时器统计信息
pendingJobs.inc(); //counter调用inc()增加计数
pendingJobs.dec(); //counter调用dec()减去计数
responseSizes.update(new Random().nextInt(10));// 直方图调用Histogram的update()
jmxReporter.start();//JMX
try {
return "Hello Metrics";
}finally {
context.stop();
influxdbReporter.start(5, TimeUnit.SECONDS); //每5秒钟往数据库添加监控数据
}
}
}
接着修改启动类,在后台输出监控数据:
package com.metrics.demo;
import com.codahale.metrics.ConsoleReporter;
import com.codahale.metrics.Slf4jReporter;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.ApplicationContext;
import java.util.concurrent.TimeUnit;
@SpringBootApplication
public 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(5, TimeUnit.SECONDS); //五秒钟一次在后台输出监控数据
//slf4j日志,如果需要就在这里加入
Slf4jReporter slf4jReporter = ctx.getBean(Slf4jReporter.class);
slf4jReporter.start(5, TimeUnit.SECONDS);
}
}
我们可以在后台console中看到如下的监控数据:我只截了一小部分的图
最后我们 安装 Grafana. 安装方法自己百度,网上一堆, 我就不多做介绍了.
在我们的配置文件里要加入数据库的配置,配置我已经在上图的完整代码中写好了,这个配置不加是不会把监控的数据存进数据库的,切记!!!
安装之后,登录,并配置数据库,即可看到实时监控的信息了!