一、背景
最近两个月的工作中，一直在监控线上应用的情况，并且在排查线上问题的时候，发现线上的机器十分之多，为了能够自动化、平台化的监控线上应用，选择了Metrics。Metrics是给Java服务的各种指标提供监控的一种工具包。
二、简介
结合项目组使用的是SpringBoot的应用部署方式和Maven的项目管理方式，引入Metrics的方式如下：
io.dropwizard.metrics metrics-core 3.1.2
1、Metrics的基本工具
Metrics提供了五中基本的度量类型：
Gauges：度量
Counters：计数器
Histograms：直方图数据
Meters：TPS计数器
Timers：计数器
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。这里需要说明的是，在一个应用中尽量让MetricRegistry保持单例。
2、MetricRegistry容器
配置MetricRegistry容器的代码如下：
@Bean
public MetricRegistry metrics() {
return new MetricRegistry();
}
3、Meters
其实将Meters称作TPS计数器并不是那么准确，Meters工具会帮助我们统计系统中某个事件的速率。比如，每秒请求数TPS，每秒查询数QPS等等。这个指标能反应出当时系统的处理能力，帮助我们判断资源是否已经不足等等。Meters本身是一个计数器，并且是自增的。而获取Meters的一个对象meter，或者是实例，如下所示：
@Bean
public Meter requestMeter(MetricRegistry metrics) {
return metrics.meter("request");
}
在请求中调用mark()方法，来增加计数，代码如下所示。当然，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任务。
@RequestMapping("/hello")
@ResponseBody
public String helloWorld() {
requestMeter.mark();
return "Hello World";
}
引入meter后，运行应用，会在控制台输出如下信息：
-- 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
从上面的console打印出的信息，可以看出meter是为我们提供平均速率，以及采样后的1分钟，5分钟，15分钟。
4、Histogram
直方图是一种很常见的统计图表，Metrics通过Histogram这个类型提供的方便实时的数据绘制成数据直方图。和之前的Meters一样，我们通过在MetricRegistry中注册一个Histogram对象来获取一个对象，代码如下所示：
@Bean
public Histogram responseSizes(MetricRegistry metrics) {
return metrics.histogram("response-sizes");
}
在应用中，只要在需要统计的地方调用Histogram的update()方法。例如，我们需要统计某个网站的某个方法的流量情况：
responseSizes.update(new Random().nextInt(10));
在console上输出的信息如下：
-- 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提供了最小值、最大值和平均值等数据，利用这些数据，就可以绘制自定义的数据直方图了。
5、Counter
Counter的本质是一个AtomicLong实例，可以增加或者减少值，可以用来统计队列中Job的总数。通过MetricRegistry注册一个Counter对象，如下所示：
@Bean
public Counter pendingJobs(MetricRegistry metrics) {
return metrics.counter("requestCount");
}
在需要统计数据的位置调用inc()方法和dec()方法，同样地，在console中也会输出具体的信息，如下所示：
// 增加计数
pendingJobs.inc();
// 减去计数
pendingJobs.dec();-- Counters --------------------------------------------------------------------
requestCount
count = 21051这里只是输出了当前度量的值。
6、Timer
Timer其实是一个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，在MetricRegistry中注册，获取一个Timer对象，如下所示：
@Bean
public 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
7、Gauges
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，如下所示：
metrics.register(
MetricRegistry.name(ListManager.class, "cache", "size"),
(Gauge) () -> 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，可以看下面的代码片段：
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：
@Bean
public 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;
}
8、Reporter
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。
@Bean
public 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。原文链接：http://www.jianshu.com/p/e4f70ddbc287。
三、demo
1、配置类MetricConfig
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;
@Configuration
public 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");
}
}
2、接收请求的类MainController
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.stereotype.Controller;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.ResponseBody;
import java.util.Random;
import javax.annotation.Resource;
@Controller
@RequestMapping("/")
public class MainController {
@Resource
private Meter requestMeter;
@Resource
private Histogram responseSizes;
@Resource
private Counter pendingJobs;
@Resource
private Timer responses;
@Resource
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();
}
}
}
3、应用运行类DemoApplication
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;
@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(1, TimeUnit.SECONDS);
}
}