Metrics —— JVM上的实时监控类库
Metrics
提供了五个基本的度量类型:
Gauges(度量)
Counters(计数器)
Histograms(直方图数据)
Meters(TPS计算器)
Timers(计时器)
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,尽量在一个应用中保持让这个MetricRegistry
实例保持单例。
MetricRegistry 容器
在代码中配置好这个MetricRegistry
容器:
@Bean public MetricRegistry metrics() { return new MetricRegistry(); }
Meters TPS计算器
TPS计算器
这个名称并不准确,Meters
工具会帮助我们统计系统中某一个事件的速率。比如每秒请求数(TPS),每秒查询数(QPS)等等。这个指标能反应系统当前的处理能力,帮助我们判断资源是否已经不足。Meters
本身是一个自增计数器。
通过MetricRegistry
可以获得一个Meter
:
@Beanpublic Meter requestMeter(MetricRegistry metrics) { return metrics.meter("request"); }
在请求中调用mark()
方法,来增加计数,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需求。
@RequestMapping("/hello")@ResponseBodypublic String helloWorld() {requestMeter.mark(); return "Hello World"; }
应用运行的过程中,在console中反馈的信息:
-- Meters ---------------------------------------------------------------------- request count = 21055mean rate = 133.35 events/second1-minute rate = 121.66 events/second5-minute rate = 36.99 events/second15-minute rate = 13.33 events/second
从以上信息中可以看出Meter
可以为我们提供平均速率,以及采样后的1分钟,5分钟,15分钟的速率。
Histogram 直方图数据
直方图是一种非常常见的统计图表,Metrics
通过这个Histogram
这个度量类型提供了一些方便实时绘制直方图的数据。
和之前的Meter
相同,我们可以通过MetricRegistry
来获得一个Histogram
。
@Beanpublic Histogram responseSizes(MetricRegistry metrics) { return metrics.histogram("response-sizes"); }
在应用中,需要统计的位置调用Histogram
的update()
方法。
responseSizes.update(new Random().nextInt(10));
比如我们需要统计某个方法的网络流量,通过Histogram
就非常的方便。
在console中Histogram
反馈的信息:
-- Histograms ------------------------------------------------------------------ response-sizescount = 21051min = 0max = 9mean = 4.55stddev = 2.88median = 4.0075% <= 7.0095% <= 9.0098% <= 9.0099% <= 9.0099.9% <= 9.00
Histogram
为我们提供了最大值,最小值和平均值等数据,利用这些数据,我们就可以开始绘制自定义的直方图了。
Counter 计数器
Counter
的本质就是一个AtomicLong
实例,可以增加或者减少值,可以用它来统计队列中Job的总数。
通过MetricRegistry
也可以获得一个Counter
实例。
@Beanpublic Counter pendingJobs(MetricRegistry metrics) { return metrics.counter("requestCount");
}
在需要统计数据的位置调用inc()
和dec()
方法。
// 增加计数pendingJobs.inc();// 减去计数pendingJobs.dec();
console的输出非常简单:
-- Counters --------------------------------------------------------------------requestCount count = 21051
只是输出了当前度量的值。
Timer 计时器
Timer
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,通过MetricRegistry
获取一个Timer
的实例:
@Beanpublic 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 ----------------------------------------------------------------------
executeTimecount = 21061mean 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/secondmin = 0.00 millisecondsmax = 0.01 millisecondsmean = 0.00 millisecondsstddev = 0.00 millisecondsmedian = 0.00 milliseconds 75% <= 0.00 milliseconds 95% <= 0.00 milliseconds 98% <= 0.00 milliseconds 99% <= 0.00 milliseconds 99.9% <= 0.01 milliseconds
Gauges 度量
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
。
metrics.register(MetricRegistry.name(ListManager.class, "cache", "size"), (Gauge<Integer>) () -> 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。
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;} @Overrideprotected Ratio getRatio() { return Ratio.of(consumers.getOneMinuteRate(),producers.getOneMinuteRate());} }
把这个类也注册到Metrics
容器里面:
@Beanpublic 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;
}
Reporter 报表
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。
@Beanpublic 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。
import java.lang.management.ManagementFactory;
import java.net.InetSocketAddress;
import java.util.concurrent.TimeUnit;
import javax.annotation.PostConstruct;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.autoconfigure.condition.ConditionalOnClass;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import com.codahale.metrics.JmxReporter;
import com.codahale.metrics.MetricRegistry;
import com.codahale.metrics.Slf4jReporter;
import com.codahale.metrics.graphite.Graphite;
import com.codahale.metrics.graphite.GraphiteReporter;
import com.codahale.metrics.health.HealthCheckRegistry;
import com.codahale.metrics.jvm.BufferPoolMetricSet;
import com.codahale.metrics.jvm.FileDescriptorRatioGauge;
import com.codahale.metrics.jvm.GarbageCollectorMetricSet;
import com.codahale.metrics.jvm.MemoryUsageGaugeSet;
import com.codahale.metrics.jvm.ThreadStatesGaugeSet;
import com.ryantenney.metrics.spring.config.annotation.EnableMetrics;
import com.ryantenney.metrics.spring.config.annotation.MetricsConfigurerAdapter;
import com.zaxxer.hikari.HikariDataSource;
import fr.ippon.spark.metrics.SparkReporter;
@Configuration
@EnableMetrics(proxyTargetClass = true)
public class MetricsConfiguration extends MetricsConfigurerAdapter {
private static final String PROP_METRIC_REG_JVM_MEMORY = "jvm.memory";
private static final String PROP_METRIC_REG_JVM_GARBAGE = "jvm.garbage";
private static final String PROP_METRIC_REG_JVM_THREADS = "jvm.threads";
private static final String PROP_METRIC_REG_JVM_FILES = "jvm.files";
private static final String PROP_METRIC_REG_JVM_BUFFERS = "jvm.buffers";
private final Logger log = LoggerFactory.getLogger(MetricsConfiguration.class);
private MetricRegistry metricRegistry = new MetricRegistry();
private HealthCheckRegistry healthCheckRegistry = new HealthCheckRegistry();
@Autowired
private JHipsterProperties jHipsterProperties;
@Autowired(required = false)
private HikariDataSource hikariDataSource;
@Override
@Bean
public MetricRegistry getMetricRegistry() {
return metricRegistry;
}
@Override
@Bean
public HealthCheckRegistry getHealthCheckRegistry() {
return healthCheckRegistry;
}
@PostConstruct
public void init() {
log.debug("Registering JVM gauges");
metricRegistry.register(PROP_METRIC_REG_JVM_MEMORY, new MemoryUsageGaugeSet());
metricRegistry.register(PROP_METRIC_REG_JVM_GARBAGE, new GarbageCollectorMetricSet());
metricRegistry.register(PROP_METRIC_REG_JVM_THREADS, new ThreadStatesGaugeSet());
metricRegistry.register(PROP_METRIC_REG_JVM_FILES, new FileDescriptorRatioGauge());
metricRegistry.register(PROP_METRIC_REG_JVM_BUFFERS, new BufferPoolMetricSet(ManagementFactory.getPlatformMBeanServer()));
if (hikariDataSource != null) {
log.debug("Monitoring the datasource");
hikariDataSource.setMetricRegistry(metricRegistry);
}
if (jHipsterProperties.getMetrics().getJmx().isEnabled()) {
log.debug("Initializing Metrics JMX reporting");
JmxReporter jmxReporter = JmxReporter.forRegistry(metricRegistry).build();
jmxReporter.start();
}
if (jHipsterProperties.getMetrics().getLogs().isEnabled()) {
log.info("Initializing Metrics Log reporting");
final Slf4jReporter reporter = Slf4jReporter.forRegistry(metricRegistry)
.outputTo(LoggerFactory.getLogger("metrics"))
.convertRatesTo(TimeUnit.SECONDS)
.convertDurationsTo(TimeUnit.MILLISECONDS)
.build();
reporter.start(jHipsterProperties.getMetrics().getLogs().getReportFrequency(), TimeUnit.SECONDS);
}
}
@Configuration
@ConditionalOnClass(Graphite.class)
public static class GraphiteRegistry {
private final Logger log = LoggerFactory.getLogger(GraphiteRegistry.class);
@Autowired
private MetricRegistry metricRegistry;
@Autowired
private JHipsterProperties jHipsterProperties;
@PostConstruct
private void init() {
if (jHipsterProperties.getMetrics().getGraphite().isEnabled()) {
log.info("Initializing Metrics Graphite reporting");
String graphiteHost = jHipsterProperties.getMetrics().getGraphite().getHost();
Integer graphitePort = jHipsterProperties.getMetrics().getGraphite().getPort();
String graphitePrefix = jHipsterProperties.getMetrics().getGraphite().getPrefix();
Graphite graphite = new Graphite(new InetSocketAddress(graphiteHost, graphitePort));
GraphiteReporter graphiteReporter = GraphiteReporter.forRegistry(metricRegistry)
.convertRatesTo(TimeUnit.SECONDS)
.convertDurationsTo(TimeUnit.MILLISECONDS)
.prefixedWith(graphitePrefix)
.build(graphite);
graphiteReporter.start(1, TimeUnit.MINUTES);
}
}
}
@Configuration
@ConditionalOnClass(SparkReporter.class)
public static class SparkRegistry {
private final Logger log = LoggerFactory.getLogger(SparkRegistry.class);
@Autowired
private MetricRegistry metricRegistry;
@Autowired
private JHipsterProperties jHipsterProperties;
@PostConstruct
private void init() {
if (jHipsterProperties.getMetrics().getSpark().isEnabled()) {
log.info("Initializing Metrics Spark reporting");
String sparkHost = jHipsterProperties.getMetrics().getSpark().getHost();
Integer sparkPort = jHipsterProperties.getMetrics().getSpark().getPort();
SparkReporter sparkReporter = SparkReporter.forRegistry(metricRegistry)
.convertRatesTo(TimeUnit.SECONDS)
.convertDurationsTo(TimeUnit.MILLISECONDS)
.build(sparkHost, sparkPort);
sparkReporter.start(1, TimeUnit.MINUTES);
}
}
}
}
转载于:https://blog.51cto.com/17099933344/1933119
Metrics —— JVM上的实时监控类库相关推荐
- linux 系统 可视化工具实时监控_Linux上的实时监控平台-你需要这样做
应朋友们要求,介绍上Linux系统下的实时监控平台,在上次提到了glances,它提供了较多的监控指标,那如果我们要看历史数据呢?某一时间段的回放呢?显然glances是做不到的.因此,实时监控平台就 ...
- 浅谈Telegraf+InfluxDB+Grafana快速搭建简易实时监控系统
监控从来都是一个很宽泛的问题,任何可能出问题的地方都需要加入监控.全量监控的确是监控的终极目标.在搭建一套监控系统前,需要结合实际的系统情况和发展趋势进行考量.在作者看来,一套监控系统应主要由数据采集 ...
- 实时监控 轻松玩转IT运维
日常IT运维遇到的问题 前段时间刚好和运营商网络运维中心的几位工程师进行了一次沟通,无意中聊到了平时是如何进行日常运维工作的话题,他们一致的感觉是又累又繁琐.便觉得很纳闷,经过了解才明白由 ...
- 云看板生产管理系统,实时监控网关采集的数据
云看板生产管理系统是利用数采网关.云服务器和智能手机APP相结合,精心打造的一款高效.智能.强大的物联网生产管理系统.相较于其他生产管理系统,云看板生产管理系统最大的优势是部署简捷高效,客户只需要将负 ...
- .Net Core 2.0+ InfluxDB+Grafana+App Metrics 实现跨平台的实时性能监控
一.简介 最近这段时间一直在忙,没时间写博客,负责了一个项目,从前端到后端一直忙,同时还有其他第几个项目的系统架构要处理. 去年就开始关注net core了,只是平时写写demo,没用在项目中,正好这 ...
- 自带的jvm监控不准_如何实时监控 Flink 集群和作业?
Flink 相关的组件和作业的稳定性通常是比较关键的,所以得需要对它们进行监控,如果有异常,则需要及时告警通知.本章先会教会教会大家如何利用现有 Flink UI 上面的信息去发现和排查问题,会指明一 ...
- 诊断神器Arthas,动态跟踪Java代码,实时监控JVM状态
简介 Arthas 是Alibaba开源的Java诊断工具,动态跟踪Java代码:实时监控JVM状态,可以在不中断程序执行的情况下轻松完成JVM相关问题排查工作 .支持JDK 6+,支持Linux/M ...
- 实时监控:基于流计算 Oceanus ( Flink ) 实现系统和应用级实时监控
作者:吴云涛,腾讯 CSIG 高级工程师 本文描述了如何使用腾讯云大数据组件来完成实时监控系统的设计和实现,通过实时采集并分析云服务器(CVM)及其 App 应用的 CPU和内存等资源消耗数据,以短信 ...
- 尚硅谷-宋红康-JVM上中下篇完整笔记-JVM上篇_内存与垃圾回收篇
前言 一.jvm及java体系结构 1. Java及JVM简介 TIOBE语言热度排行榜 https://www.tiobe.com/tiobe-index/ 世界上没有最好的编程语言,只有最适用于具 ...
最新文章
- PostgreSQL Oracle 兼容性之 - PL/SQL DETERMINISTIC 与PG函数稳定性(immutable, stable, volatile)...
- 使用tomcat自带的连接池,报错
- Ansible16:Playbook高级用法
- svo: semi-direct visual odometry 论文解析
- PHP 显示信息到控制台console
- 在Android Studio中使用Method trace,查看某进程的所有线程trace的方法
- java并发编程(1)--线程 可见性 volatile怎么用
- pringboot+校园健身互助平台 毕业设计-附源码221540S
- JDK动态代理与CGLIB动态代理
- VBM_DARTEL算法对灰质变化的计算
- 【题解】桐桐的递归函数
- 正斜杠“/“和反斜杠“\“的区别
- 【C】 小球自由下落
- 设计模式 模板模式和策略模式
- C语言实现输入三次密码进行登录
- 汽车百科系列之(九): 山路驾驶技术要点
- Python3 爬取豆瓣电影信息
- 『前端实习笔记』12月 第1周
- 传奇服务器是测试模式怎么修改,www.23bb.net告诉你传奇服务端中默认系统提示文字修改方法...
- python华为corba接口_CORBA接口用戶手册.doc
热门文章
- UI基础篇-iOS中简单图片浏览器的实现
- 窥探try ... catch与__try ... __except的区别
- JS URL参数传递 谷歌乱码解决
- .net中用css控制GridView样式
- 【数字信号处理】相关函数 ( 相关函数性质 | 相关函数最大值 | 自相关函数最大值 | 互相关函数最大值 | 能量有限信号的相关函数在 m 趋近无穷时为 0 )
- 【设计模式】访问者模式 ( 简介 | 适用场景 | 优缺点 | 代码示例 )
- 【Google Play】Google Play 开放式测试 ( 简介 | 发布开放式测试版本 )
- ubuntu 16.04安装visual studio code 提示libnss3版本低:NSS = 3.26 is required
- 简单多边形与圆交面积模板
- guava入门学习2(新集合)