Metrics：如何让线上应用更加透明？
1
上期我们结合《SRE Google 运维解密》，对监控系统进行了一次脉络梳理，知道一旦离开了监控系统，我们就没法辨别一个服务是不是在正常提供服务，就如同线上的服务在随风裸奔。
文章分享最后，我们把 Google 十余年的监控实践，也尝试进行简单梳理，对于后期落地实践有一定参考意义。
不过，虽然对监控系统有了脉络上的了解，但是我们也知道，如果没有一套设计周全的监控指标体系，也就如同蒙着眼睛在狂奔，本期就好好说说：指标监控的类库 Metrics。
2
Metrics 是啥？简单去说，Metrics 是一款监控指标的度量类库，提供了一种功能强大的工具包，帮助开发者来完成自定义的监控工作。再通俗点，Metrics 类库是搬砖党的福音。
Metrics 的几种度量类型？在看框架源码时，时不时会看到一些 Meter、Guage、Counter、Histogram 等关键词，到底这些词说的都是啥？为了更好的熟读源码，就借助 Metrics 定义的几种度量类型，逐个进行解密。
Meter 主要用于统计系统中某一个事件的速率，可以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。可以很方便帮助我们统计，每秒请求数（TPS）、每秒查询数（QPS）、最近 1 分钟平均每秒请求数、最近 5 分钟平均每秒请求数、最近 15 分钟平均每秒请求数等。
Guage 是最简单的度量指标，只有一个简单的返回值，通常用来记录一些对象或者事物的瞬时值。通过 Gauge 可以完成自定义的度量类型，可以用于衡量一个待处理队列中任务的个数，以及目前内存使用量等等场景。
Counter 是累计型的度量指标，内部用 Gauge 封装了 AtomicLong。主要用它来统计队列中 Job 的总数；错误出现次数；服务请求数等等场景。
Histogram 是统计数据的分布情况的度量指标，提供了最小值，最大值，中间值，还有中位数，75 百分位，90 百分位，95 百分位，98 百分位，99 百分位，和 99.9 百分位的值。使用的场景，例如统计流量最大值、最小值、平均值、中位值等等。
Timer 本质是 Histogram 和 Meter 的结合，可以很方便的统计请求的速率和处理时间，例如磁盘读延迟统计，以及接口调用的延迟等信息的统计等等场景。
Metrics 类库中还有啥？
3
说了那么多 Metrics 类库的概念，也说的那么强大，不妨撸码实践，谈谈虚实。
Metrics 中基本度量类型的实践
如脑图所示，主要分两步走，先引入相关依赖，然后写代码反复进行体会。
Meter 代码实践（详细看代码呗）。
import com.codahale.metrics.ConsoleReporter;
import com.codahale.metrics.Meter;
import com.codahale.metrics.MetricRegistry;
import java.util.concurrent.TimeUnit;
/**
* Meters（TPS 计算器）
* 示例:
* 例如：每秒请求数（TPS）
* 例如：最近 1 分钟平均每秒请求数
* 例如：最近 5 分钟平均每秒请求数
* 例如：最近 15分钟平均每秒请求数
*
* @author 一猿小讲
*/
public class MeterApp {
/**
* MetricRegistry 是 Metrics 的核心，用于存放应用中所有 metrics 的容器
* 所有度量工具都要注册到 MetricRegistry 实例中才可以使用
*/
private final MetricRegistry metrics = new MetricRegistry();
/**
* Meters 本身是一个自增计数器，统计系统中某一个事件的速率
*/
private final Meter requests = metrics.meter("requests");
/**
* 处理请求
*/
public void handleRequest() {
requests.mark();
// etc
System.out.println("处理请求handleRequest");
}
/**
* 启动指标报告
* （采用控制台输出的形式）
*/
public void startReport() {
ConsoleReporter reporter = ConsoleReporter.forRegistry(metrics).build();
reporter.start(1, TimeUnit.SECONDS);
}
/**
* 等待 2 分钟
*/
static void wait120Seconds() {
try {
Thread.sleep(120 * 1000);
} catch (InterruptedException e) {
}
}
/**
* 程序入口
*
* @param args
*/
public static void main(String[] args) {
MeterApp meterApp = new MeterApp();
// 启动监控指标报告展示
meterApp.startReport();
// 处理 20 笔请求，观察指标
for (int i = 0; i < 20; i++) {
meterApp.handleRequest();
}
// 等待 120 秒
wait120Seconds();
}
}运行结果如下，体会 Meter 结果背后的概念。
Gauge 代码实践（详细看代码呗）。
import com.codahale.metrics.ConsoleReporter;
import com.codahale.metrics.Gauge;
import com.codahale.metrics.MetricRegistry;
import java.util.Queue;
import java.util.Random;
import java.util.concurrent.LinkedBlockingQueue;
import java.util.concurrent.TimeUnit;
/**
* Gauges 最简单的度量指标
* 示例：衡量一个待处理队列中任务的个数；
*
* @author 一猿小讲
*/
public class GaugeApp {
/**
* MetricRegistry 是 Metrics 的核心，用于存放应用中所有 metrics 的容器
* 所有度量工具都要注册到 MetricRegistry 实例中才可以使用
*/
private final MetricRegistry metrics = new MetricRegistry();
/**
* 任务队列
*/
private static final Queue jobQueue = new LinkedBlockingQueue();
/**
* 处理
*/
public void handle() {
// 向 mertics 注册 Gauge 指标监控
metrics.register(MetricRegistry.name(GaugeApp.class, "jobQueue", "size"),
new Gauge<Integer>() {
public Integer getValue() {
return jobQueue.size();
}
});
// 模拟向队列中放入任务
while (true) {
try {
Thread.sleep(1000);
} catch (InterruptedException e) {
e.printStackTrace();
}
jobQueue.add(new Random().nextInt(10) + "-Job");
}
}
public static void main(String[] args) {
GaugeApp gaugeApp = new GaugeApp();
// 启动监控指标报告展示
gaugeApp.startReport();
// 注册Gauge指标监控，并模拟添加任务到队列
gaugeApp.handle();
}
/**
* 启动指标报告
* （采用控制台输出的形式）
*/
void startReport() {
ConsoleReporter reporter = ConsoleReporter.forRegistry(metrics).build();
reporter.start(1, TimeUnit.SECONDS);
}
}运行结果如下，体会 Gauge 结果背后的概念。
Counter 代码实践（详细看代码呗）。
import com.codahale.metrics.ConsoleReporter;
import com.codahale.metrics.Counter;
import com.codahale.metrics.MetricRegistry;
import java.util.Queue;
import java.util.Random;
import java.util.concurrent.LinkedBlockingQueue;
import java.util.concurrent.TimeUnit;
/**
* Counters 累计型的度量指标
* 示例：统计一个待处理队列中任务的个数；
*
* @author 一猿小讲
*/
public class CounterApp {
/**
* MetricRegistry 是 Metrics 的核心，用于存放应用中所有 metrics 的容器
* 所有度量工具都要注册到 MetricRegistry 实例中才可以使用
*/
private final MetricRegistry metrics = new MetricRegistry();
/**
* 任务队列
*/
private static final Queue<String> jobQueue = new LinkedBlockingQueue<String>();
/**
* 累计型的度量指标
*/
private final Counter pendingJobs = metrics.counter("pending-jobs.size");
/**
* 向队列中添加任务
*
* @param job
*/
public void addJob(String job) {
pendingJobs.inc();
jobQueue.offer(job);
}
/**
* 从队列中取出任务
*
* @return
*/
public String takeJob() {
pendingJobs.dec();
return jobQueue.poll();
}
/**
* 处理
*/
public void handle() {
Random random = new Random();
// 模拟向队列中放入任务
while (true) {
try {
Thread.sleep(1000);
} catch (InterruptedException e) {
e.printStackTrace();
}
String jobId;
if (random.nextInt(10) > 8) {
jobId = takeJob();
System.out.println(String.format("取出的任务ID为%s", jobId));
} else {
jobId = random.nextInt(100) + "-Job";
addJob(jobId);
System.out.println(String.format("向队列中加入任务，ID为%s", jobId));
}
}
}
/**
* 启动指标报告
* （采用控制台输出的形式）
*/
void startReport() {
ConsoleReporter reporter = ConsoleReporter.forRegistry(metrics).build();
reporter.start(1, TimeUnit.SECONDS);
}
/**
* 程序入口
* @param args
*/
public static void main(String[] args) {
CounterApp counterApp = new CounterApp();
// 启动监控指标报告展示
counterApp.startReport();
// 并模拟生产/消费任务到队列
counterApp.handle();
}
}运行结果如下，体会 Counter 结果背后的概念。
Histogram 代码实践（详细看代码呗）。
import com.codahale.metrics.ConsoleReporter;
import com.codahale.metrics.Histogram;
import com.codahale.metrics.MetricRegistry;
import java.util.Random;
import java.util.concurrent.TimeUnit;
/**
* Histogram 统计数据的分布情况
* 示例: 响应字节的最大值、最小值、平均值、中位值。
*
* @author 一猿小讲
*/
public class HistogramApp {
/**
* MetricRegistry 是 Metrics 的核心，用于存放应用中所有 metrics 的容器
* 所有度量工具都要注册到 MetricRegistry 实例中才可以使用
*/
private final MetricRegistry metrics = new MetricRegistry();
/**
* Histogram 统计数据的分布情况，向 metrics 注册并获取 Histogram 监控
*/
private final Histogram responseSizes = metrics.histogram("response-sizes");
/**
* 处理请求
*/
public void handle() {
while (true) {
try {
Thread.sleep(1000);
} catch (InterruptedException e) {
e.printStackTrace();
}
// etc
responseSizes.update(new Random().nextInt(100));
}
}
/**
* 启动指标报告
* （采用控制台输出的形式）
*/
public void startReport() {
ConsoleReporter reporter = ConsoleReporter.forRegistry(metrics).build();
reporter.start(1, TimeUnit.SECONDS);
}
/**
* 程序入口
*
* @param args
*/
public static void main(String[] args) {
HistogramApp histogramApp = new HistogramApp();
// 启动监控指标报告展示
histogramApp.startReport();
// 处理请求，观察指标
histogramApp.handle();
}
}运行结果如下，体会 Histogram 结果背后的概念。
Timer 代码实践（详细看代码呗）。
import com.codahale.metrics.ConsoleReporter;
import com.codahale.metrics.MetricRegistry;
import com.codahale.metrics.Timer;
import java.util.Random;
import java.util.concurrent.TimeUnit;
/**
* Timer 是 Histogram 和 Meter 的结合，可以比较方便地统计请求的速率和处理时间。
* 应用场景:
* 例如：磁盘读延迟统计；
* 例如：接口调用的延迟等信息的统计。
*
* @author 一猿小讲
*/
public class TimerApp {
/**
* MetricRegistry 是 Metrics 的核心，用于存放应用中所有 metrics 的容器
* 所有度量工具都要注册到 MetricRegistry 实例中才可以使用
*/
private final MetricRegistry metrics = new MetricRegistry();
/**
* 向 metrics 注册并获取 Timer 监控
*/
private final Timer responses = metrics.timer("responses");
/**
* 处理请求
*/
public void handle() {
Timer.Context context;
Random random = new Random();
while (true) {
context = responses.time();
// 业务逻辑处理 etc
try {
Thread.sleep(random.nextInt(1000));
} catch (InterruptedException e) {
e.printStackTrace();
}
context.stop();
}
}
/**
* 启动指标报告
* （采用控制台输出的形式）
*/
void startReport() {
ConsoleReporter reporter = ConsoleReporter.forRegistry(metrics).build();
reporter.start(1, TimeUnit.SECONDS);
}
/**
* 等待 2 分钟
*/
static void wait120Seconds() {
try {
Thread.sleep(120 * 1000);
} catch (InterruptedException e) {
}
}
/**
* 程序入口
*
* @param args
*/
public static void main(String[] args) {
TimerApp timerApp = new TimerApp();
// 启动监控指标报告展示
timerApp.startReport();
// 处理请求，观察指标
timerApp.handle();
// 等它 2 分钟
wait120Seconds();
}
}运行结果如下，体会 Timer 结果背后的概念。
Metrics Reporter 代码实践
Metrics 提供了 Reporter 接口来展示获取到的指标数据，可以通过 JMX、Console、CSV、SLF4J、HTTP、Graphite 等方式来报告展示指标值。
本次以 JMXReporter 为例进行代码实践体验。
import com.codahale.metrics.Meter;
import com.codahale.metrics.MetricRegistry;
import com.codahale.metrics.jmx.JmxReporter;
/**
* JMXReporter 体验
*
* @author 一猿小讲
*/
public class JMXReporterApp {
/**
* MetricRegistry 是 Metrics 的核心，用于存放应用中所有 metrics 的容器
* 所有度量工具都要注册到 MetricRegistry 实例中才可以使用
*/
static final MetricRegistry metrics = new MetricRegistry();
/**
* 启动 JMXReporter
*/
static void startReport() {
JmxReporter reporter = JmxReporter.forRegistry(metrics).build();
reporter.start();
}
/**
* 等待 2 分钟
*/
static void wait120Seconds() {
try {
Thread.sleep(120 * 1000);
} catch (InterruptedException e) {
}
}
/**
* 程序入口
*
* @param args
*/
public static void main(String[] args) {
// 启动监控指标报告展示
startReport();
// Meters（TPS 计算器）
Meter requests = metrics.meter("requests");
requests.mark();
// 等 2 分钟
wait120Seconds();
}
}代码运行成功后，在控制台输入 jconsole，效果如下。
Metrics-healthchecks 代码实践
Metrics 提供了 metrics-healthchecks 模块，可以对运行服务进行健康检查。
import com.codahale.metrics.health.HealthCheck;
import com.codahale.metrics.health.HealthCheckRegistry;
import java.util.Map;
/**
* 应用健康检查初体验
*
* @author 一猿小讲
*/
public class HealthCheckApp {
public static void main(String[] args) {
HealthCheckRegistry healthChecks = new HealthCheckRegistry();
healthChecks.register("MySQL", new DatabaseHealthCheck(new Database()));
final Map<String, HealthCheck.Result> results = healthChecks.runHealthChecks();
for (Map.Entry<String, HealthCheck.Result> entry : results.entrySet()) {
if (entry.getValue().isHealthy()) {
System.out.println(entry.getKey() + " is healthy");
} else {
System.err.println(entry.getKey() + " is UNHEALTHY: " + entry.getValue().getMessage());
final Throwable e = entry.getValue().getError();
if (e != null) {
e.printStackTrace();
}
}
}
}
}
class DatabaseHealthCheck extends HealthCheck {
private final Database database;
public DatabaseHealthCheck(Database database) {
this.database = database;
}
@Override
public HealthCheck.Result check() {
if (database.isConnected()) {
return HealthCheck.Result.healthy();
} else {
return HealthCheck.Result.unhealthy("Cannot connect to " + database.getUrl());
}
}
}
class Database {
public boolean isConnected() {
return false;
}
public String getUrl() {
return "jdbc:localhost:3306";
}
}运行程序，控制台输出如下。
4
Metrics 类库分享就到这里，希望你能有所收获。
鉴于线上跑的每一个应用，都需要配备一套监控系统，如果能借用 Metrics 类库简单实现监控，何乐而不为呢？
鉴于开源的监控轮子与日俱增，我们在设计相关监控系统的时候，如果能提前了解规范，并按照其规范设计，那么与开源轮子将会无缝对接。
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2020-02-17，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读