Metrics介绍

最新推荐文章于 2024-09-08 08:59:50 发布
最新推荐文章于 2024-09-08 08:59:50 发布
阅读量2.9k 收藏 13
点赞数
分类专栏： 编程语言 文章标签： metrics meter histogram timer gauge
原文链接：https://www.jianshu.com/p/e4f70ddbc287
版权

系统开发到一定的阶段，线上的机器越来越多，就需要一些监控了，除了服务器的监控，业务方面也需要一些监控服务。Metrics作为一款监控指标的度量类库，提供了许多工具帮助开发者来完成自定义的监控工作。

使用Metrics

通过构建一个Spring Boot的基本应用来演示Metrics的工作方式。

在Maven的pom.xml中引入Metrics：

 

<dependency>
    <groupId>io.dropwizard.metrics</groupId>
    <artifactId>metrics-core</artifactId>
    <version>${metrics.version}</version>
</dependency>

Metrics的基本工具

Metrics提供了五个基本的度量类型：

  1. Gauges（度量）
  2. Counters（计数器）
  3. Histograms（直方图数据）
  4. Meters（TPS计算器）
  5. 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：

 

@Bean
public 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")
@ResponseBody
public 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 = 21055
         mean rate = 133.35 events/second
     1-minute rate = 121.66 events/second
     5-minute rate = 36.99 events/second
    15-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。

 

@Bean
public 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-sizes
             count = 21051
               min = 0
               max = 9
              mean = 4.55
            stddev = 2.88
            median = 4.00
              75% <= 7.00
              95% <= 9.00
              98% <= 9.00
              99% <= 9.00
            99.9% <= 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。

 

@Bean
public 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：

 

@Bean
public 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 ----------------------------------------------------------------------
executeTime
             count = 21061
         mean 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/second
               min = 0.00 milliseconds
               max = 0.01 milliseconds
              mean = 0.00 milliseconds
            stddev = 0.00 milliseconds
            median = 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;
    }

    @Override
    protected Ratio getRatio() {
        return Ratio.of(consumers.getOneMinuteRate(),
                producers.getOneMinuteRate());
    }
}

把这个类也注册到Metrics容器里面：

 

@Bean
public 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。

 

@Bean
public 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。

完整的代码

这个demo是在一个很简单的spring boot下运行的，关键的几个类完整代码如下。

配置类MetricConfig.java

 

package demo.metrics.config;

import com.codahale.metrics.*;
import org.slf4j.LoggerFactory;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

import java.util.concurrent.TimeUnit;

@Configuration
public class MetricConfig {

    @Bean
    public MetricRegistry metrics() {
        return new MetricRegistry();
    }

    /**
     * Reporter 数据的展现位置
     *
     * @param metrics
     * @return
     */
    @Bean
    public ConsoleReporter consoleReporter(MetricRegistry metrics) {
        return ConsoleReporter.forRegistry(metrics)
                .convertRatesTo(TimeUnit.SECONDS)
                .convertDurationsTo(TimeUnit.MILLISECONDS)
                .build();
    }

    @Bean
    public Slf4jReporter slf4jReporter(MetricRegistry metrics) {
        return Slf4jReporter.forRegistry(metrics)
                .outputTo(LoggerFactory.getLogger("demo.metrics"))
                .convertRatesTo(TimeUnit.SECONDS)
                .convertDurationsTo(TimeUnit.MILLISECONDS)
                .build();
    }

    @Bean
    public JmxReporter jmxReporter(MetricRegistry metrics) {
        return JmxReporter.forRegistry(metrics).build();
    }

    /**
     * 自定义单位
     *
     * @param metrics
     * @return
     */
    @Bean
    public ListManager listManager(MetricRegistry metrics) {
        return new ListManager(metrics);
    }

    /**
     * TPS 计算器
     *
     * @param metrics
     * @return
     */
    @Bean
    public Meter requestMeter(MetricRegistry metrics) {
        return metrics.meter("request");
    }

    /**
     * 直方图
     *
     * @param metrics
     * @return
     */
    @Bean
    public Histogram responseSizes(MetricRegistry metrics) {
        return metrics.histogram("response-sizes");
    }

    /**
     * 计数器
     *
     * @param metrics
     * @return
     */
    @Bean
    public Counter pendingJobs(MetricRegistry metrics) {
        return metrics.counter("requestCount");
    }

    /**
     * 计时器
     *
     * @param metrics
     * @return
     */
    @Bean
    public Timer responses(MetricRegistry metrics) {
        return metrics.timer("executeTime");
    }

}

接收请求的类MainController.java

 

package demo.metrics.action;

import com.codahale.metrics.Counter;
import com.codahale.metrics.Histogram;
import com.codahale.metrics.Meter;
import com.codahale.metrics.Timer;
import demo.metrics.config.ListManager;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Controller;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.ResponseBody;

import java.util.Random;

@Controller
@RequestMapping("/")
public class MainController {

    @Autowired
    private Meter requestMeter;

    @Autowired
    private Histogram responseSizes;

    @Autowired
    private Counter pendingJobs;

    @Autowired
    private Timer responses;

    @Autowired
    private ListManager listManager;

    @RequestMapping("/hello")
    @ResponseBody
    public String helloWorld() {

        requestMeter.mark();

        pendingJobs.inc();

        responseSizes.update(new Random().nextInt(10));

        listManager.getList().add(1);

        final Timer.Context context = responses.time();
        try {
            return "Hello World";
        } finally {
            context.stop();
        }
    }
}

项目启动类DemoApplication.java：

 

package demo.metrics;

import com.codahale.metrics.ConsoleReporter;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.ApplicationContext;

import java.util.concurrent.TimeUnit;

@SpringBootApplication
public class DemoApplication {

    public static void main(String[] args) {
        ApplicationContext ctx = SpringApplication.run(DemoApplication.class, args);

        // 启动Reporter
        ConsoleReporter reporter = ctx.getBean(ConsoleReporter.class);
        reporter.start(1, TimeUnit.SECONDS);
        
    }
}

 

K8s（七）：部署、使用 metrics-server
✨ 欢迎来到【Seal ^_^ 的CSDN博客】！这里是我记录技术心得、分享经验的地方。✨
04-02 2万+
🔴 K8s（七）：部署、使用 metrics-server
Metric的快速入门
u010404473的专栏
05-10 8974
Metics的基础概念和使用
什么是Metrics-(通俗易懂)
weixin_33881140的博客
06-04 4782
在应用程序中，通常会记录日志以便事后分析，在很多情况下是产生了问题之后，再去查看日志，是一种事后的静态分析。在很多时候，我们可能需要了解整个系统在当前，或者某一时刻运行的情况，比如一个系统后台服务，我们可能需要了解一些实时监控的数据例如 1、每秒钟的请求数是多少（TPS）？ 2、平均每个请求处理的时间？ 3、请求处理的最长耗时？ 4.请求处理的响应的直方图？ 5、请求处理正确响应率？ ...
Metrics：一键掌控Java应用的“健康脉搏”
最新发布
gitblog_00011的博客
09-08 479
Metrics：一键掌控Java应用的“健康脉搏” metrics????????????监控指标，CPU使用情况、类加载统计、垃圾回收器回收情况、内存占用情况、线程运行情况、Tomcat线程池、JDK线程池等。 Monitor metrics, CPU usage, class load statistics, garbage collector collection, memory usage, thread...
metrics，一个超酷的 Python 库！
涛哥聊Python
05-09 1324
更多Python学习内容：ipengtao.com大家好，今天为大家分享一个超酷的 Python 库 - Metrics。Github地址：https://github.com/benhamner/Metrics在软件开发和系统管理中，性能监控和优化是至关重要的环节。Python Metrics库提供了一个高效的解决方案，帮助开发者和系统管理员能够捕捉、存储和分析各种性能指标。安装Python M...
metrics小常识
tracymkgld的专栏
07-13 1万+
Metrics，我们听到的太多了，熟悉大数据系统的不可能没听说过metrics，当我们需要为某个系统某个服务做监控、做统计，就需要用到Metrics。 举个例子，一个图片压缩服务： 每秒钟的请求数是多少（TPS）？平均每个请求处理的时间？请求处理的最长耗时？等待处理的请求队列长度？ 又或者一个缓存服务： 缓存的命中率？平均查询缓存的时间？ 基本上每一个服务、应用都需要
Metrics 简介
崔显龙的博客
01-29 3985
定期将Metric Registry对象发送至监控服务器，即定期将其中存放的所有Metric对象发送给监控服务器。记录1次，增加一个计时值duration记录，单位由unit指定；最近1/5/15分钟，每秒mark的指数加权移动平均值；获取75/95/98/99/99.9百分位记录值。自创建Meter时起，平均每秒mark多少次；自创建Meter时起，一共mark多少次；结束计时，记录1次，增加一个计时值记录；获取其中最小值/最大值/中位值/平均值。详见Meter对应方法。获取指定百分位记录值。
Torchserve metrics 介绍
06-07
在TorchServe中，可以使用Metrics API来收集和暴露有关模型和服务性能的各种指标和度量。 TorchServe的Metrics API支持以下指标和度量： 1. 请求计数：用于计算模型接收的总请求数。 2. 请求延迟：用于计算模型...
Ambari Metrics介绍
qq_44919253的博客
04-27 369
Ambari Metrics介绍
Visual Studio Code Metrics 介绍一下
03-31
Visual Studio Code Metrics 是 Visual Studio 的一个扩展，用于分析代码质量并生成代码度量报告。它提供了一系列的代码分析指标，包括代码复杂度、类的耦合度、方法长度、代码重复度等等。 使用 Visual Studio ...
TORCHTEXT.DATA.METRICS介绍
06-07
`torchtext.data.metrics`是PyTorch中的一个模块，用于计算文本生成任务中的评估指标。它提供了以下几种常用的指标： - `bleu_score(candidate_corpus, references_corpus, max_n=4, weights=[0.25, 0.25, 0.25, ...
OpenTelemetry之Metrics
X2573671311的博客
07-19 1195
指标（Metrics）是代表系统健康和性能的数值数据点，例如CPU利用率、网络流量和数据库连接。我们可以使用指标来测量、监控和比较性能，例如，可以测量服务器的响应时间、内存利用率、错误率等。
【Big Data 每日一题20180830】Metrics 入门教程 关于 Metrics ？
tianyeshiye
08-28 444
Metrics，谷歌翻译就是度量的意思。当我们需要为某个系统某个服务做监控、做统计，就需要用到Metrics。 举个栗子，一个图片压缩服务： 每秒钟的请求数是多少（TPS）？ 平均每个请求处理的时间？ 请求处理的最长耗时？ 等待处理的请求队列长度？ 又或者一个缓存服务： 缓存的命中率？ 平均查询缓存的时间？ 基本上每一个服务、应用都需要做一个监控系统，这需要尽量以少量的代码，实现统计...
监控工具——Metrics 快速入门
大风的博客
05-09 9661
Metrics 快速入门 关于Metrics更多的内容可以查看官网 https://metrics.dropwizard.io/3.1.0/getting-started/ 代码地址 因为每个例子涉及代码较多，且包含测试用例，如果都贴到文章中内容过多，所以只贴出了部分代码。全部的代码在这里： https://gitee.com/daifyutils/springboot-samples。 此篇文章所属模块为：base-metrics 什么是Metrics Metrics提供了一个强大的工具包，用于衡
在inet_peer/tcp_metrics_hash中记录通往一个IP地址的链路状况历史的metrics信息
Netfilter
07-30 4859
我需要在内核中记录一张标识IP层二元组(源IP/目标IP)流的流表！要这个干什么呢？因为我需要记录一条端到端路径的链路状况，比如TCP的拥塞窗口设置到哪里合适，比如RTT的波动范围，如此等等。这些信息非常重要，它可以指导当这条路径再次发生TCP连接的时候，TCP的拥塞参数如何配置，这些信息也是大数据机器学习的重要数据。然而，这条路径可信吗？不是很可信！因为很多运营商都在Last Mile做了NAT
Java服务器性能监控（一） Metrics
热门推荐
Mr_SeaTurtle_的博客
07-30 3万+
这篇文章主要介绍了Java服务器性能监控中常用的基本变量——Metrics。
JAVA监控之Metrics
JOHN
03-22 4659
1. Metrics是什么？ 它是一个工具集，不是一个框架。它在kafka，spark，hadoop，flink和cassandra等流行框架中都得到了广泛的应用。 官网：https://metrics.dropwizard.io/3.1.0
【spark】metrics信息的获取（监听器等）
lsr40的博客
07-20 2794
一、背景 最近看到了一篇文章，说的是spark小文件合并的问题 Spark 小文件合并优化实践：https://mp.weixin.qq.com/s/195nFBH0kpZEXekHiQAfrA（作者：偷闲小苑） 其实关于小文件合并我之前也写过类似的文章，大体的方案也就是 1、存之前做一个数据量的预估，然后repartition/coalesce 2、存完之后，触发一个merge合并小文件（可以是hive也可以是spark任务） 3、使用一些数据湖（delta lake，hudi，iceber
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值