组件介绍
prometheus
Prometheus是一个开源的服务监控系统，它通过HTTP协议从远程的机器收集数据并存储在本地的时序数据库上。
多维数据模型（时序列数据由metric名和一组key/value组成）
在多维度上灵活的查询语言(PromQl)
不依赖分布式存储，单主节点工作.
通过基于HTTP的pull方式采集时序数据
可以通过push gateway进行时序列数据推送(pushing)
可以通过服务发现或者静态配置去获取要采集的目标服务器
多种可视化图表及仪表盘支持
Prometheus通过安装在远程机器上的exporter来收集监控数据，后面我们将使用到node_exporter收集系统数据。
grafana
Grafana 是一个开箱即用的可视化工具，具有功能齐全的度量仪表盘和图形编辑器，有灵活丰富的图形化选项，可以混合多种风格，支持多个数据源特点。
exporter
Exporter 组件是一类组件，它们的主要作用就是提供 metrics 信息以供加工提炼。
有的组件会自行提供 metrics 信息，比如 Grafana、Prometheus、Etcd 等等，在本文的 3.1
3.1 中给出的 metrics 就是 Grafana 本身产生的。
有的组件不会提供 metrics 信息，比如说我们自己写的一些程序。
而有的甚至不是组件，比如 Linux 系统本身
监控springboot2.0的服务 和 node-exporter
服务依赖
org.springframework.boot
spring-boot-starter-actuator
io.micrometer
micrometer-registry-prometheus
服务yml
management:
endpoints:
web:
exposure:
include: "*" #inlude包含哪些端点 exclude 去除哪些端点
endpoint:
shutdown:
enabled: true #开启远程shutdown端口
health:
show-details: always
prometheus:
enabled: true
metrics: #开启prometheus 监控
export:
prometheus:
enabled: true
step: 1m
descriptions: true
web:
server:
request:
autotime:
enabled: true
#设置为true来收集所有Spring MVC度量。或者，当它设置为false时，您可以通过用@timed对其进行注释来为特定的REST控制器启用度量。
#可以在控制器内注释单个方法，以仅为特定端点生成度量
服务配置
@Bean
MeterRegistryCustomizer meterRegistryCustomizer(MeterRegistry meterRegistry) {
return meterRegistry1 -> meterRegistry.config()
.commonTags("application", "service1");
}
启动服务 访问 localhost:8096/actuator/prometheus 可以看到一些metrix信息
配置 prometheus
global:
scrape_interval: 15s # 默认抓取间隔, 15秒向目标抓取一次数据。
external_labels:
monitor: 'codelab-monitor'
# 这里表示抓取对象的配置
scrape_configs:
- job_name: 'prometheus'
#这个配置是表示在这个配置内的时间序例，每一条都会自动添加上这个{job_name:"prometheus"}的标签 - job_name: 'prometheus'
scrape_interval: 5s # 重写了全局抓取间隔时间，由15秒重写成5秒
static_configs:
- targets: ['localhost:9090']
- job_name: 'node'
static_configs:
- targets: ['172.17.0.9:9100']
labels:
instance: "node"
- job_name: 'service1'
metrics_path: /actuator/prometheus
static_configs:
- targets: ['192.168.10.134:8096']
labels:
instance: "service"
启动 node-exporter
docker pull prom/node-exporter
docker pull prom/node-exporter
启动 prometheus
docker pull prom/prometheus
docker run -idt -p 9090:9090 -v /home/spf/docker/promethues/server/prometheus.yml:/etc/prometheus/prometheus.yml -v /home/spf/docker/promethues/server/rules.yml:/etc/prometheus/rules.yml --name prometheus prom/prometheus --config.file=/etc/prometheus/prometheus.yml --web.enable-lifecycle
#--web.enable-lifecycle允许远程修改配置
这里注意 ip的设置 因为prometheus是在docker内部启动的所以 localhost访问的是docker 容器内部不能访问到外部的服务
可以使用 docker exec -u root -it prometheus /bin/sh ping进去试一下
启动grafana
#下载镜像
docker pull grafana/grafana
#运行
docker run -d --name=grafana -p 3000:3000 grafana/grafana
访问 localhost:3000 默认账号密码为 admin/admin
home第二项添加datasource 选择promeetheus 添加ip:port
可以查看dashboard了
dashboard
补充:
Counter
Counter(计数器)简单理解就是一种只增不减的计数器。它通常用于记录服务的请求数量、完成的任务数量、错误的发生数量等等。
@Service("collectorService")
public class CollectorService {
static final Counter userCounter = Metrics.
counter("user.counter.total", "services", "demo");
public void processCollectResult() throws InterruptedException {
while (true){
userCounter.increment(1D);
}
}
}
Gauge
Gauge(仪表)是一个表示单个数值的度量，它可以表示任意地上下移动的数值测量。Gauge通常用于变动的测量值，如当前的内存使用情况，同时也可以测量上下移动的"计数"，比如队列中的消息数量
@Component("passCaseMetric")
public class PassCaseMetric {
List init(){
ArrayList list = new ArrayList(){};
list.add(new ImmutableTag("service", "demo"));
return list;
}
AtomicInteger atomicInteger = new AtomicInteger(0);
Gauge passCaseGuage = Gauge.builder("pass.cases.guage", atomicInteger, AtomicInteger::get)
.tag("service", "demo")
.description("pass cases guage of demo")
.register(new SimpleMeterRegistry());
AtomicInteger passCases = Metrics.gauge("pass.cases.guage.value", init(), atomicInteger);
public void handleMetrics() {
while (true){
if (System.currentTimeMillis() % 2 == 0){
passCases.addAndGet(100);
System.out.println("ADD + " + passCaseGuage.measure() + " : " + passCases);
}else {
int val = passCases.addAndGet(-100);
if (val < 0){
passCases.set(1);
}
System.out.println("DECR - " + passCaseGuage.measure() + " : " + passCases);
}
}
}
}
启动springboot应用，可以在http://host:port/actuator/prometheus 看到端点收集到的数据。其他的也是类似的不再一一截图展示。
这里使用了一个true的循环用来展示不断更新的效果。
同样的可以在grafana中看到监控展示信息
Timer
Timer(计时器)同时测量一个特定的代码逻辑块的调用(执行)速度和它的时间分布。简单来说，就是在调用结束的时间点记录整个调用块执行的总时间，适用于测量短时间执行的事件的耗时分布，例如消息队列消息的消费速率。
@Test
public void testTimerSample(){
Timer timer = Timer.builder("timer")
.tag("timer", "timersample")
.description("timer sample test.")
.register(new SimpleMeterRegistry());
for(int i=0; i<2; i++) {
timer.record(() -> {
try {
TimeUnit.SECONDS.sleep(2);
}catch (InterruptedException e){
}
});
}
System.out.println(timer.count());
System.out.println(timer.measure());
System.out.println(timer.totalTime(TimeUnit.SECONDS));
System.out.println(timer.mean(TimeUnit.SECONDS));
System.out.println(timer.max(TimeUnit.SECONDS));
}
响应数据
2
[Measurement{statistic='COUNT', value=2.0}, Measurement{statistic='TOTAL_TIME', value=4.005095763}, Measurement{statistic='MAX', value=2.004500494}]
4.005095763
2.0025478815
2.004500494
Summary
Summary(摘要)用于跟踪事件的分布。它类似于一个计时器，但更一般的情况是，它的大小并不一定是一段时间的测量值。在micrometer中，对应的类是DistributionSummary，它的用法有点像Timer，但是记录的值是需要直接指定，而不是通过测量一个任务的执行时间。
@Test
public void testSummary(){
DistributionSummary summary = DistributionSummary.builder("summary")
.tag("summary", "summarySample")
.description("summary sample test")
.register(new SimpleMeterRegistry());
summary.record(2D);
summary.record(3D);
summary.record(4D);
System.out.println(summary.count());
System.out.println(summary.measure());
System.out.println(summary.max());
System.out.println(summary.mean());
System.out.println(summary.totalAmount());
}
响应数据：
3
[Measurement{statistic='COUNT', value=3.0}, Measurement{statistic='TOTAL', value=9.0}, Measurement{statistic='MAX', value=4.0}]
4.0
3.0
9.0