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