Prometheus + Grafana微服务监控＜四＞：Prometheus自定义埋点

最新推荐文章于 2024-07-25 22:54:15 发布

爱我所爱0505

最新推荐文章于 2024-07-25 22:54:15 发布

阅读量2.4k

点赞数

分类专栏：系统框架文章标签： java gateway

本文链接：https://blog.csdn.net/m0_37543627/article/details/116119567

版权

系统框架专栏收录该内容

14 篇文章 0 订阅

订阅专栏

一、Prometheus自定义指标类型

共4种指标类型：Counter、Gauge、Histogram、Summary

1.1 Counter（计数器）

1)：值只增不减

2)：调用inc()，计数器+1

3)：应用场景：请求总量、错误总量，微服务在线时间、CPU使用时间等

1.2 Gauge（仪表盘）

1)：值可增可减，反应指标的当前状态

2)：调用inc()，+1；dec()，-1

3)：应用场景：当前正在处理的Http请求数量、CPU使用率、内存使用率等

1.3 Histogram（直方图）

指定分布范围内（buckets）记录大小或者事件发生的次数（数据分布情况）

1)：默认的buckets范围为：{.005, .01, .025, .05, .075, .1, .25, .5, .75, 1, 2.5, 5, 7.5, 10}

2)：自动创建3个指标：

事件发生总次数：XX_count，如：请求总数

所有事件产生值的总和: XX_sum，如：请求总数的响应时间总和

事件产生值分布在bucket中的次数：XX_bucket，如：在1s-2s响应时间的次数

3)：应用场景：请求响应时间分布等

1.4 Summary（摘要）

自定义分布范围的数据分布情况，类似Histogram

1)：自定义分布范围quantile（与Histogram区别，可自定义）

2)：自动创建3个指标：

事件发生总次数：XX_count，如：请求总数

所有事件产生值的总和: XX_sum，如：请求总数的响应时间总和

事件产生值分布在quantile中的次数：XX{quantile="XXX"}，如：在分位数XXX响应时间的次数

3)：应用场景：请求响应时间分布等

二、PromQL语句

参考资料：https://www.bookstack.cn/read/prometheus_practice/promql-summary.md

2.1 查询结果类型（3种）

瞬时数据（Instant vector）：一个时序只有一个点，例如：http_requests_total

区间数据（Range vector）：一个时序有多个点，例如：http_requests_total[5m]

纯量数据（Scalar）：纯量只有一个数字，没有时序，例如：count(http_requests_total)

2.2 查询语句

1)：条件查询：=、!=、=~、!~，如：http_requests_total{code=～"2.."}：表示查询 code 为 "2xx" 的数据

2)：算数运算符：+、-、*、/、%、^，如： http_requests_total{code=~"2.."} * 2

3)：比较运算符：==、!=、>、<、>=、<=，如：http_requests_total{code=~"5.."} > 50

4)：逻辑运算符：and、or、unless，如：http_requests_total{code=~"5.."} or http_requests_total{code=~"4.."}

5)：聚合运算符：sum、min、max、avg、count、topk，如：sum(http_requests_total{code=~"2.."})

6)：内置函数：rate、floor......，如：rate(http_requests_total{code=~"2.."}[2m])：表示在2分钟内状态为2XX每秒请求数量，即：2min内请求增加量除以120s

三、gateway自定义埋点

3.1 引入jar包

<!-- 监控 -->
<dependency>
	<groupId>org.springframework.boot</groupId>
	<artifactId>spring-boot-starter-actuator</artifactId>
</dependency>
<dependency>
	<groupId>io.micrometer</groupId>
	<artifactId>micrometer-registry-prometheus</artifactId>
	<version>1.6.5</version>
</dependency>

3.2 项目添加配置

management:
  endpoints:
    web:
      exposure:
        include: '*'

3.3 gateway创建全局过滤器

package com.common.instance.gateway.filters;

import io.micrometer.core.instrument.MeterRegistry;
import io.micrometer.prometheus.PrometheusMeterRegistry;
import io.prometheus.client.*;
import org.springframework.cloud.gateway.filter.GatewayFilterChain;
import org.springframework.cloud.gateway.filter.GlobalFilter;
import org.springframework.cloud.gateway.filter.NettyWriteResponseFilter;
import org.springframework.cloud.gateway.route.Route;
import org.springframework.cloud.gateway.support.ServerWebExchangeUtils;
import org.springframework.core.Ordered;
import org.springframework.web.server.ServerWebExchange;
import reactor.core.publisher.Mono;

/**
 * @description Grafana统计全局过滤器
 * @author tcm
 * @version 1.0.0
 * @date 2021/4/13 16:00
 **/
public class GrafanaStatisticsGlobalFilter implements GlobalFilter, Ordered {

    public static Summary requestLatency;
    public static Counter counter;
    public volatile static Gauge gauge;
    private PrometheusMeterRegistry prometheusMeterRegistry;

    public GrafanaStatisticsGlobalFilter(MeterRegistry meterRegistry){
        this.prometheusMeterRegistry = (PrometheusMeterRegistry)meterRegistry;
        requestLatency = Summary
                .build("demo_gateway_response_time_summary", "微服务响应时间")
                .labelNames("routeId", "uri", "status")
                .register(prometheusMeterRegistry.getPrometheusRegistry());
        counter = Counter
                .build("demo_gateway_request_count", "网关请求次数")
                .labelNames("routeId", "uri", "status")
                .register(prometheusMeterRegistry.getPrometheusRegistry());
        gauge = Gauge
                .build("demo_gateway_process_request_gauge", "网关进行中请求")
                .labelNames("routeId", "uri", "status")
                .register(prometheusMeterRegistry.getPrometheusRegistry());
    }

    @Override
    public Mono<Void> filter(ServerWebExchange exchange, GatewayFilterChain chain) {
        // 获取路由
        Route route = exchange.getAttribute(ServerWebExchangeUtils.GATEWAY_ROUTE_ATTR);
        // 定义标签s
        Summary.Timer requestTimer = requestLatency.labels(route.getId(), exchange.getRequest().getURI().getPath(), String.valueOf(exchange.getResponse().getStatusCode().value())).startTimer();
        // 请求加1
        gauge.labels(route.getId(), exchange.getRequest().getURI().getPath(), String.valueOf(exchange.getResponse().getStatusCode().value())).inc();

        return chain.filter(exchange)
                .doOnSuccess(aVoid -> endTimer(requestTimer, exchange, "doOnSuccess"))
                .doOnError(throwable -> endTimer(requestTimer, exchange, "doOnError"));
    }

    // 过滤器结束后，处理逻辑
    private void endTimer(Summary.Timer requestTimer, ServerWebExchange exchange, String flag) {
        // 获取路由
        Route route = exchange.getAttribute(ServerWebExchangeUtils.GATEWAY_ROUTE_ATTR);
        //
        requestTimer.observeDuration();
        // 响应加1
        counter.labels(route.getId(), exchange.getRequest().getURI().getPath(), String.valueOf(exchange.getResponse().getStatusCode().value())).inc();
        // 响应请求减1
        gauge.labels(route.getId(), exchange.getRequest().getURI().getPath(), String.valueOf(exchange.getResponse().getStatusCode().value())).dec();
    }

    @Override
    public int getOrder() {
        return NettyWriteResponseFilter.WRITE_RESPONSE_FILTER_ORDER + 50;
    }

}