java metrics_Spring Boot执行器:度量指标(Metrics)
54. 度量指标(Metrics)
Spring Boot执行器包含一个支持'gauge'和'counter'级别的度量指标服务,'gauge'记录一个单一值,'counter'记录一个增量(增加或减少)。同时,Spring Boot提供一个PublicMetrics接口,你可以实现它,从而暴露以上两种机制不能记录的指标,具体参考SystemPublicMetrics。
所有HTTP请求的指标都被自动记录,所以如果点击metrics端点,你可能会看到类似以下的响应:
{
"counter.status.200.root": 20,
"counter.status.200.metrics": 3,
"counter.status.200.star-star": 5,
"counter.status.401.root": 4,
"gauge.response.star-star": 6,
"gauge.response.root": 2,
"gauge.response.metrics": 3,
"classes": 5808,
"classes.loaded": 5808,
"classes.unloaded": 0,
"heap": 3728384,
"heap.committed": 986624,
"heap.init": 262144,
"heap.used": 52765,
"mem": 986624,
"mem.free": 933858,
"processors": 8,
"threads": 15,
"threads.daemon": 11,
"threads.peak": 15,
"uptime": 494836,
"instance.uptime": 489782,
"datasource.primary.active": 5,
"datasource.primary.usage": 0.25
}
此处,我们可以看到基本的memory,heap,class loading,processor和thread pool信息,连同一些HTTP指标。在该实例中,root('/'),/metrics URLs分别返回20次,3次HTTP 200响应,同时可以看到root URL返回了4次HTTP 401(unauthorized)响应。双星号(star-star)来自于被Spring MVC /**匹配到的请求(通常为静态资源)。
gauge展示了一个请求的最后响应时间,所以root的最后请求响应耗时2毫秒,/metrics耗时3毫秒。
注 在该示例中,我们实际是通过HTTP的/metrics路径访问该端点的,这也就是响应中出现metrics的原因。
54.1 系统指标
Spring Boot会暴露以下系统指标:
系统内存总量(mem),单位:KB
空闲内存数量(mem.free),单位:KB
处理器数量(processors)
系统正常运行时间(uptime),单位:毫秒
应用上下文(应用实例)正常运行时间(instance.uptime),单位:毫秒
系统平均负载(systemload.average)
堆信息(heap,heap.committed,heap.init,heap.used),单位:KB
线程信息(threads,thread.peak,thead.daemon)
类加载信息(classes,classes.loaded,classes.unloaded)
垃圾收集信息(gc.xxx.count, gc.xxx.time)
54.2 数据源指标
Spring Boot会为应用中定义的每个支持的DataSource暴露以下指标:
活动连接数(datasource.xxx.active)
连接池当前使用情况(datasource.xxx.usage)
所有数据源指标共用datasoure.前缀,该前缀适用于每个数据源:
如果是主数据源(唯一可用的数据源或注解@Primary的数据源)前缀为datasource.primary。
如果数据源bean名称以DataSource结尾,前缀就是bean的名称去掉DataSource的部分(比如,batchDataSource的前缀是datasource.batch)。
其他情况使用bean的名称作为前缀。
通过注册自定义版本的DataSourcePublicMetrics bean,你可以覆盖部分或全部的默认行为。Spring Boot默认提供支持所有数据源的元数据,如果喜欢的数据源恰好不被支持,你可以添加其他的DataSourcePoolMetadataProvider beans,具体参考DataSourcePoolMetadataProvidersConfiguration。
54.3 缓存指标
Spring Boot会为应用中定义的每个支持的缓存暴露以下指标:
cache当前大小(cache.xxx.size)
命中率(cache.xxx.hit.ratio)
丢失率(cache.xxx.miss.ratio)
注 缓存提供商没有以一致的方式暴露命中/丢失率,有些暴露的是聚合(aggregated)值(比如,自从统计清理后的命中率),而其他暴露的是时序(temporal)值 (比如,最后一秒的命中率),具体查看缓存提供商的文档。
如果两个不同的缓存管理器恰巧定义了相同的缓存,缓存name将以CacheManager bean的name作为前缀。
注册自定义版本的CachePublicMetrics可以部分或全部覆盖这些默认值,Spring Boot默认为EhCache,Hazelcast,Infinispan,JCache和Guava提供统计。如果喜欢的缓存库没被支持,你可以添加其他CacheStatisticsProvider beans,具体可参考CacheStatisticsAutoConfiguration。
54.4 Tomcat session指标
如果你使用Tomcat作为内嵌的servlet容器,Spring Boot将自动暴露session指标,httpsessions.active和httpsessions.max分别提供活动的和最大的session数量。
54.5 记录自己的指标
将CounterService或GaugeService注入到你的bean中可以记录自己的度量指标:CounterService暴露increment,decrement和reset方法;GaugeService提供一个submit方法。
下面是一个简单的示例,它记录了方法调用的次数:
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.actuate.metrics.CounterService;
import org.springframework.stereotype.Service;
@Service
public class MyService {
private final CounterService counterService;
@Autowired
public MyService(CounterService counterService) {
this.counterService = counterService;
}
public void exampleMethod() {
this.counterService.increment("services.system.myservice.invoked");
}
}
注 你可以将任何字符串用作度量指标的名称,但最好遵循所选存储/图形技术的指南,Matt Aimonetti’s Blog中有一些好的关于Graphite的指南。
54.6 添加自己的公共指标
只要注册其他的PublicMetrics实现beans,你就可以添加其他的度量指标,比如计算metrics端点每次调用的次数。默认情况下,端点会聚合所有这样的beans,通过定义自己的MetricsEndpoint可以轻易改变这种情况。
54.7 使用Java8的特性
Spring Boot提供的GaugeService和CounterService默认实现依赖于你使用的Java版本。如果使用Java8(或更高版本),Spring Boot将实现切换为一个高性能版本,该版本优化了写速度,底层使用原子内存buffers,而不是通过不可变但相对昂贵的Metric>类型(跟基于仓库的实现相比,counters大概快5倍,gauges大概快2倍)。对于Java7,Dropwizard指标服务也是很有效的(使用了某些Java8并发库),但它不记录指标值的时间戳。如果需要关注指标采集的性能,建议你使用高性能的选项,并不要频繁读取指标信息,这样写入会本地缓存,只有在需要时读取。
注 如果使用Java8或Dropwizard,Spring Boot默认不会使用老的MetricRepository和它的InMemoryMetricRepository实现。
54.8 指标写入,导出和聚合
Spring Boot提供几个标记接口Exporter的实现,可用于将从内存buffers读取的指标复制到一个分析和展示它们的地方。实际上,如果提供一个实现MetricWriter接口(或GaugeWriter用于简单场景)且注解@ExportMetricWriter的@Bean,它将自动挂钩一个Exporter并每5秒反馈下指标更新(通过spring.metrics.export.delay-millis配置)。此外,你定义的所有注解@ExportMetricReader的MetricReader,它们的值将被默认exporter导出。
默认exporter是一个MetricCopyExporter,它会优化自己不去复制那些从上次调用以来没有变化的值(设置spring.metrics.export.send-latest标识可以关闭该优化)。注意Dropwizard MetricRegistry不支持时间戳,所以如果你使用Dropwizard指标服务,该优化是不起作用的(每次都会复制全部指标)。
通过spring.metrics.export.*属性可以设置导出的触发器(delay-millis,includes,excludes和send-latest),特殊MetricWriters的值可以通过spring.metrics.export.triggers..*设置,此处是bean的名称(或匹配bean名称的表达式)。
注 如果关闭默认的MetricRepository(比如使用Dropwizard指标服务),指标的自动导出将禁用。你可以通过声明自定义类型的MetricReader并注解@ExportMetricReader来获取相同功能。
54.8.1 示例: 导出到Redis
如果提供一个RedisMetricRepository类型的@Bean并注解@ExportMetricWriter,指标将导出到Redis缓存完成聚合。RedisMetricRepository有两个重要参数用于配置实现这样的目的:prefix和key(传递给构造器)。最好使用应用实例唯一的前缀(比如,使用一个随机值及应用的逻辑name,这样可以关联相同应用的其他实例)。“key”用来保持所有指标name的全局索引,所以它应该全局唯一,不管这对于你的应用意味着什么(比如,相同系统的两个实例可以共享一个Redis缓存,如果它们有不同的keys)。
示例:
@Bean
@ExportMetricWriter
MetricWriter metricWriter(MetricExportProperties export) {
return new RedisMetricRepository(connectionFactory,
export.getRedis().getPrefix(), export.getRedis().getKey());
}
application.properties:
spring.metrics.export.redis.prefix: metrics.mysystem.${spring.application.name:application}.${random.value:0000}
spring.metrics.export.redis.key: keys.metrics.mysystem
前缀最后由应用名和id组成,所以它可以用来标识具有相同逻辑名的processes分组。
注 设置key和prefix都是非常重要的。key用于所有的仓库操作,并可以被多个仓库共享。如果多个仓库共享一个key(比如你需要聚合它们的时候),你通常有一个只读“master”仓库,它有一个简短的但可辨识的前缀(比如metrics.mysystem),还有很多只写的仓库,这些仓库以master前缀开头(比如以上示例中为metrics.mysystem.*)。这样从一个"master"仓库读取所有keys是相当高效的,但使用较长的前缀读取一个子集就比较低效了(比如使用一个写仓库)。
注 以上示例使用MetricExportProperties去注入和提取key和前缀,这是Spring Boot提供的便利设施,用于配置合适的默认值,你也可以自己设值。
54.8.2 示例: 导出到Open TSDB
如果提供一个OpenTsdbGaugeWriter类型的@Bean并注解@ExportMetricWriter,指标将导出到Open TSDB完成聚合。OpenTsdbGaugeWriter有一个url属性,你需要将它设置为Open TSDB的“/put”端点,比如localhost:4242/api/put。它还有个namingStrategy,你可以自定义或配置以使指标匹配服务器上你需要的数据结构。默认它只传递指标名作为Open TSDB指标名,添加domain标签(值为org.springframework.metrics)和process(值为命名策略的对象hash值)。因此,在运行应用并产生一些指标后,你可以在TSD UI查看这些指标(默认路径为localhost:4242)。
示例:
curl localhost:4242/api/query?start=1h-ago&m=max:counter.status.200.root
[
{
"metric": "counter.status.200.root",
"tags": {
"domain": "org.springframework.metrics",
"process": "b968a76"
},
"aggregateTags": [],
"dps": {
"1430492872": 2,
"1430492875": 6
}
}
]
54.8.3 示例: 导出到Statsd
想要将指标导出到Statsd,首先你需要确定添加了com.timgroup:java-statsd-client依赖(Spring Boot为它提供了依赖管理),然后将spring.metrics.export.statsd.host属性添加到application.properties文件中,连接将在8125端口建立,除非设置spring.metrics.export.statsd.port对默认值进行覆盖。使用spring.metrics.export.statsd.prefix可以设置自定义前缀,此外,你可以提供一个StatsdMetricWriter类型的@Bean并注解@ExportMetricWriter:
@Value("${spring.application.name:application}.${random.value:0000}")
private String prefix = "metrics";
@Bean
@ExportMetricWriter
MetricWriter metricWriter() {
return new StatsdMetricWriter(prefix, "localhost", 8125);
}
54.8.4 示例: 导出到JMX
如果提供一个JmxMetricWriter类型并注解@ExportMetricWriter的@Bean,指标将作为MBeans暴露到本地服务器(只要开启,Spring Boot JMX自动配置会提供MBeanExporter)。
示例:
@Bean
@ExportMetricWriter
MetricWriter metricWriter(MBeanExporter exporter) {
return new JmxMetricWriter(exporter);
}
每个指标都暴露为单独的MBean,你可以将ObjectNamingStrategy注入JmxMetricWriter来指定ObjectNames的格式。
54.9 聚合多个来源的指标
Spring Boot提供一个AggregateMetricReader,用于合并来自不同物理来源的指标。具有相同逻辑指标的来源只需将指标加上以句号分隔的前缀发布出去,reader会聚合它们(通过截取指标名并丢掉前缀),计数器被求和,所有东西(比如gauges)都采用最近的值。
这非常有用,特别是当有多个应用实例反馈数据到中央仓库(比如Redis),并且你想展示结果。推荐将MetricReaderPublicMetrics结果连接到/metrics端点。
示例:
@Autowired
private MetricExportProperties export;
@Bean
public PublicMetrics metricsAggregate() {
return new MetricReaderPublicMetrics(aggregatesMetricReader());
}
private MetricReader globalMetricsForAggregation() {
return new RedisMetricRepository(this.connectionFactory,
this.export.getRedis().getAggregatePrefix(), this.export.getRedis().getKey());
}
private MetricReader aggregatesMetricReader() {
AggregateMetricReader repository = new AggregateMetricReader(
globalMetricsForAggregation());
return repository;
}
注 上面的示例使用MetricExportProperties注入和提取key和前缀,这是Spring Boot提供的便利设施,并且默认值是合适的,它们是在MetricExportAutoConfiguration中设置的。
注 上面的MetricReaders不是@Beans,也没注解@ExportMetricReader,因为它们只收集和分析来自其他仓库的数据,不需要暴露自己的值。
54.10 Dropwizard指标
当你声明对io.dropwizard.metrics:metrics-core的依赖时,Spring Boot会创建一个默认的MetricRegistry bean。如果需要自定义,你可以注册自己的@Bean实例。使用Dropwizard ‘Metrics’ library的用户会发现Spring Boot指标自动发布到com.codahale.metrics.MetricRegistry,来自MetricRegistry的指标也自动暴露到/metrics端点。
使用Dropwizard指标时,默认的CounterService和GaugeService被DropwizardMetricServices替换,它是一个MetricRegistry的包装器(所以你可以@Autowired其中任意services,并像平常那么使用它)。通过使用恰当的前缀类型标记你的指标名可以创建特殊的Dropwizard指标服务(比如,gauges使用timer.*,histogram.*,counters使用meter.*)。
54.11 消息渠道集成
如果存在名为metricsChannel的MessageChannel bean,Spring Boot将创建一个MetricWriter将指标写入该渠道(channel)。writer自动挂钩一个exporter,所以全部指标值都会出现在渠道上, 订阅者就可以进行其他分析或动作(提供渠道和订阅者取决于你)。
java metrics_Spring Boot执行器:度量指标(Metrics)相关推荐
- java metrics.counter_度量指标(Metrics)
44. 度量指标(Metrics) Spring Boot执行器包括一个支持'gauge'和'counter'级别的度量指标服务.'gauge'记录一个单一值:'counter'记录一个增量(增加或减 ...
- springboot项目层次结构_Spring Boot 默认的指标数据从哪来的?
点击上方☝SpringForAll社区 轻松关注!及时获取有趣有料的技术文章 了解有关 Spring Boot 默认指标及其来源的更多信息. 您是否注意到 Spring Boot 和 Micromet ...
- SpringBoot - 构建监控体系02_定义度量指标和 Actuator 端点
文章目录 Pre Actuator 中的度量指标 Micrometer 度量库 Meter接口 计量器类型 如何创建这些计量器 扩展 Metrics 端点 自定义 Metrics 指标 使用 Mete ...
- 4.2.9 Kafka集群与运维, 应用场景, 集群搭建, 集群监控JMX(度量指标, JConsole, 编程获取, Kafka Eagle)
目录 3.1 集群应用场景 1 消息传递 2 网站活动路由 3 监控指标 4 日志汇总 5 流处理 6 活动采集 7 提交日志 总结 3.2 集群搭建 3.2.1 Zookeeper集群搭建 3.2. ...
- 【AI面试题】分类问题常用的性能度量指标(评价指标)
分类问题常用的性能度量指标有精确率.召回率.F1.TPR.FPR. 分类问题度量指标的基础是混淆矩阵: 上表中: TP表示正样本被预测为正样本(真正例,True Positive) FN表示正样本被预 ...
- 解读:机器学习预测收益模型应该采取哪种度量指标
写在前面 下面这篇文章的内容主要是来自发表于Expert Systems with Applications 的一篇文章<Machine learning models predicting r ...
- 软件测试周刊(第03期):质量回溯、自动验证埋点、故障度量指标、产品质量指标
这里记录过去一周我们看到的软件测试及周边的行业动态,周五发布. 本周刊开源(GitHub: SoftwareTestingWeekly ),欢迎提交 issue,投稿或推荐软件测试相关的内容. 目录 ...
- 机器学习之性能度量指标
机器学习的模型性能度量指标 在机器学习中,衡量,评估和选择一个模型好坏是通过一些常见指标实现的,称之为性能指标(Metrics). 对于一个二分类问题,我们首先给出如下基本指标基于这些指标可以推导出其 ...
- NILM笔记:性能度量(Performance Metrics)
目录 1. 前言 2. 事件检测 3. 负荷识别 4. 负荷分解 5. 小结 1. 前言 NILM(Non-Intrusive Load Monitoring, 非侵入式负荷监测)通常分为以下几个步骤 ...
最新文章
- mysql 计算排名,生成排行榜
- IOS(objective-c)实现md5加密(32位小写)的工具类
- ubuntu18.04 更改apt源
- ListView下拉刷新、上拉载入更多之封装改进
- mysql注入5.0以上_[Injection]对MYSQL 5.0服务器以上版本注入
- c study_13
- ajax struts 返回html,Struts2+ajax 异步请求,向前段返回字符串
- 聊城a货翡翠,大同a货翡翠
- 5G计费方式将迎来彻底变化 运营商向2B服务出手?
- 为什么这本书大家都称好
- 进程的同步和互斥反映了_进程的同步和互斥
- JavaScript学习02 基础语法
- *[topcoder]HexagonalBoard
- 数字图像处理 matlab 报告总结,matlab 数字图像处理实验报告(五份)
- Python学习笔记-2017.5.4thon学习笔记-2017.5.10
- TTL转RS232电路
- python中open函数打开文件_Python中open函数怎么操作文件--9
- java 目录遍历漏洞_Jetty服务器跨站脚本和目录遍历漏洞
- [翻译]Exploiting CVE-2015-0057 ——Part 1
- Castaways钓鱼还能参与么,数据来告诉你答案
热门文章
- 【八卦趣事】富人对穷人的平均工资影响有多大
- 无线环境下NAS传输速度过慢
- 关于“文件夹访问被拒绝”无法删除文件的解决方法
- android 注册动态广播 注销_动态注册和注销BroadcastReceiver
- 你知道微信支付手势密码怎么关闭吗
- 求解欧拉方程的c语言,用有限体积方法求解欧拉方程
- 使用生成式模型来改进旅游产品和服务的生成质量 GANs for Travel:A Review of Generative Recommendations
- 基于微博数据的基本词频统计
- matlab expand用法,matlab中repmat函数, ndims 函数 与 expand 函数 reshape函数,shiftdim函数和permute函数的用法...
- php插入友情链接,zblogphp友情链接怎么添加