04-20.eri-test 使用Spring Boot 2和Micrometer将应用程序度量发布到Azure Monitor

Introduction

可观察性是涉及测量，收集和分析来自系统的各种诊断信号的活动。 这些信号可能包括度量，跟踪，日志，事件，配置文件等等。

特别是在DevOps文化中，自动化是保持生产力的关键，可观察性起着重要作用。 您的团队应根据相关系统指标定义警报，以确保达到服务水平目标。 但是，大多数现代应用程序都是非常复杂的分布式系统，因此很难衡量所有内容。

幸运的是，如果您使用的是托管平台，则会自动为您收集许多指标。 AWS，Azure和Google Cloud等许多云平台已经收集了负载均衡器，应用程序容器，应用程序请求，数据库等的指标。 但是，云提供商无法提供的是特定于应用程序的指标，因为它们取决于您的应用程序逻辑。

千分尺为许多流行的监视系统的JVM提供了一个简单的外观，以收集特定于应用程序的指标。 当前，它支持以下监视系统: Azure监视器，Netflix Atlas，CloudWatch，Datadog，Dynatrace，New Relic，Prometheus和许多其他提供商。 Check this documentation for all available.

Micrometer

MeterRegistry

仪表是有关您的应用程序的一组测量的抽象。 仪表通过其名称和标签唯一标识。 电表注册表保存电表。 在Micrometer中，MeterRegistry是用于注册仪表的核心组件。

注册表的最简单形式是SimpleMeterRegistry。 但是在大多数情况下，我们应该使用为监视系统明确设计的MeterRegistry。 适用于Azure Monitor（AzureMonitorMeterRegistry），Prometheus（PrometheusMeterRegistry），Atlas（AtlasMeterRegistry）。

在本文中，我们将介绍Micrometer的基本用法及其与Spring boot 2的集成。

Basic Meters

Counter

计数器报告一个指标，一个计数。 计数器使您可以增加固定数量，该数量必须为正。

建立图表并从柜台发出警报时，通常您应该最感兴趣的是测量在给定时间间隔内某些事件的发生率。 考虑一个简单的队列。 计数器可用于测量诸如插入和移除项目的速率之类的事情。

Gauge

量规用于在特定时间报告数字状态. 与可以增加的计数器不同，无论何时导出度量，量规都会监视对象的状态并报告当前状态. 一个常见的示例是队列中的消息数或连接池中的连接数.

Other metrics

计时器，长任务计时器，功能跟踪计数器，功能跟踪计时器. I recommend read this article of Rosner and the official documentation.

Azure Application Insights with Spring Boot 2 using Micrometer Registry Azure

本节说明了如何使用Micrometer Azure注册表将指标导出到Azure Monitor。

Set up Azure Application Insights

First, we need to create an Application Insights Resource.

访问azure门户并创建资源。

下一步是定义订阅和实例详细信息。

访问创建的资源并获取工具密钥。

Configuring your Spring boot 2 project

在项目中添加Azure依赖项：

        <dependency>
            <groupId>com.microsoft.azure</groupId>
            <artifactId>applicationinsights-spring-boot-starter</artifactId>
            <version>2.5.1</version>
        </dependency>
        <dependency>
            <groupId>com.microsoft.azure</groupId>
            <artifactId>天蓝色弹簧启动指标启动器</artifactId>
            <version>2.2.0</version>
        </dependency>

当前，微软提供了一个Spring Boot Starter，用于自动配置Azure Application Insights：applicationinsights-spring-boot-starter.

请注意，Microsoft还提供了azure-spring-boot-metrics-starter，用于在先前的启动器之上添加Micrometer监视支持。 在撰写本文时，其当前版本使用的配置密钥与applicationinsights-spring-boot-starter.

Add instrumentation key

更新资料application.properties文件并在两个属性中使用相同的检测键：

management.metrics.export.azuremonitor.instrumentation-key=XXXXXXXXXX
azure.application-insights.instrumentation-key=XXXXXXXXXX

Add custom Micrometer metric

这是使用计数器的示例：

下面的示例项目是带有HTTP操作的简单用户CRUD，在这种情况下，自定义指标是报告电话的创建用户数。

silviobuss / spring-boot-micrometer-azure

Azure Application Insights with Spring Boot 2 using Micrometer Registry Azure

You can see more about this case in https://dev.to/silviobuss/publishing-application-metrics-to-azure-monitor-using-micrometer-plk.

This project uses a database, if you already have mysql installed on the machine, you can use it by changing the settings in the application.properties file.

Start Mysql with Docker (OPTIONAL)

To initialize a docker container with mysql, use the command below:

泊坞窗运行--name mysql57 -p 3306: 3306 -e MYSQL_ROOT_PASSWORD =根-e MYSQL_USER =用户-e MYSQL_PASSWORD =用户1234 -e MYSQL_DATABASE = demo_app -d mysql / mysql-server: 5.7

If you want to access the container to make any query:

docker exec -it mysql57 bash

and login to the mysql instance:

mysql -h localhost -u root -p

Getting Started

Just update the database properties in application.properties and run the DemoApplication.IDE中的Java.

View on GitHub

To generate the custom metric, just perform a POST request to endpoint http://localhost:8080/users with the JSON below:

Testing Azure Application Insights

请注意，不必将应用程序托管在azure上才能访问Application Insights和监视器。

如果一切设置正确，则在“实时指标流”中，您应该看到正在运行的方案：

我们可以在“指标”中看到我们的自定义指标：

Conclusion

在这篇文章中，我们已经看到Micrometer如何在代码和监视系统之间充当灵活的抽象层。 我们可以看到它是如何工作的，以及如何监视带有Micrometer Azure层的Spring Boot 2中实现的Java应用程序。

References

Microsoft. https://docs.microsoft.com/en-us/azure/azure-monitor/app/micrometer-java

弗兰克·罗斯纳. https://dev.to/frosnerd/publishing-application-metrics-to-cloudwatch-using-micrometer-343f

from: https://dev.to//silviobuss/publishing-application-metrics-to-azure-monitor-using-micrometer-plk