Java服务器性能监控（一） Metrics

引言

对于后台服务而言，我们除了需要保证其每个功能正常工作，我们还需要了解服务的运行情况，包括机器的物理性能（线程数，文件句柄数，内存占用大小，GC时间等）以及业务性能（关键流程的通过率、QPS以及响应时间等）。目前，常用的做法是通过定义、收集以及展示一系列的指标（metrics）来完成后台服务的监控。

监控其实可以分为四部分，首先我们需要定义监控数据的产生，然后我们需要定义监控数据收集的规则，再后则是数据监控数据的展现形式，最后则是根据监控数据进行报警。本文会从监控数据的产生写起，逐步为大家介绍，如何在Java服务中接入监控服务。本文主要基于目前较为流行的metrics框架，codahale的metrics，其maven依赖如下所示：

<dependencies>
    <dependency>
        <groupId>com.codahale.metrics</groupId>
        <artifactId>metrics-core</artifactId>
        <version>3.1.2</version>
    </dependency>
</dependencies>

Metrics中的基础数据类型

说到监控数据如何产生，就必须先从其基础的数据类型说起。下面介绍三种最常用的数据类型，Counter, Gauge, 以及Histogram。一般的Java Metrics库都会有这三者的实现。

Counter（计数器）

跟字面意思一样，Counter就是一个只增不减的计数器，主要就是用于统计总量，它的常用用法如下所示：

• 统计Api访问中异常（400/500）的次数

• 统计Api的调用量

• 统计特定事件发生的次数。

那么，Counter的底层又是如何实现的呢？尤其是在高并发的访问情况下面，如何保证Counter的自增原子性以及发生竞争时保证性能？

在codahale的源码里面，设置了如下的机制来确保Counter自增的原子性以及高性能。

• 使用base与cells机制

在源码中，每个Counter都会由两部分组成，简化代码如下

public class Counter {
   

    transient volatile int busy;

    transient volatile long base;

    transient volatile Cell[] cells;

    public void inc(long n) {

        long b;

        if(cells == null || !casBase(b=base, b+n))