JAVA Metrics 度量工具入门

最新推荐文章于 2022-04-20 17:19:48 发布
最新推荐文章于 2022-04-20 17:19:48 发布
阅读量667 收藏
点赞数 1
分类专栏： jvm 文章标签： jvm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_37362891/article/details/121631138
版权

在这里插入图片描述

文章目录

前言

Metrics是一个给JAVA服务的各项指标提供度量工具的包，在JAVA代码中嵌入Metrics代码，可以方便的对业务代码的各个指标进行监控。

官方文档：

环境搭建

        <dependency>
            <groupId>io.dropwizard.metrics</groupId>
            <artifactId>metrics-core</artifactId>
            <version>3.2.6</version>
        </dependency>

五大metric

Meter

主要用来测量服务接口的调用频率。

public class MeterExample {
    private static final MetricRegistry registry = new MetricRegistry();

    private final static Meter requestMeter = registry.meter("tqs");

    private final static Meter sizeMeter = registry.meter("volume");

    public static void main(String[] args) {
        ConsoleReporter reporter = ConsoleReporter.forRegistry(registry)
                .convertRatesTo(TimeUnit.MINUTES)
                .convertDurationsTo(TimeUnit.MINUTES).build();
        reporter.start(10, TimeUnit.SECONDS);
        for (; ; ) {
            upload(new byte[current().nextInt(1000)]);
            randomSleep();
        }
    }

    private static void randomSleep() {
        try {
            TimeUnit.SECONDS.sleep(current().nextInt(10));
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }

    private static void upload(byte[] bytes) {
        requestMeter.mark();
        sizeMeter.mark(bytes.length);
    }
}

-- Meters ----------------------------------------------------------------------
tqs
             count = 2
         mean rate = 11.80 events/minute
     1-minute rate = 12.00 events/minute
     5-minute rate = 12.00 events/minute
    15-minute rate = 12.00 events/minute
volume
             count = 900
         mean rate = 5310.19 events/minute
     1-minute rate = 4714.49 events/minute
     5-minute rate = 4610.97 events/minute
    15-minute rate = 4593.04 events/minute


21-12-2 16:14:34 ===============================================================

-- Meters ----------------------------------------------------------------------
tqs
             count = 3
         mean rate = 8.93 events/minute
     1-minute rate = 11.12 events/minute
     5-minute rate = 11.80 events/minute
    15-minute rate = 11.93 events/minute
volume
             count = 1824
         mean rate = 5428.88 events/minute
     1-minute rate = 4877.28 events/minute
     5-minute rate = 4643.08 events/minute
    15-minute rate = 4603.72 events/minute

可以看到这些数据一分钟平均速率8.93，每分钟上传的字节数是5428.88字节。

Guage

返回一个时刻的value值。

SimpleGauge
public class SimpleGaugeExample {
    private static final MetricRegistry registry = new MetricRegistry();

    private static final ConsoleReporter reporter = ConsoleReporter.forRegistry(registry)
            .convertRatesTo(TimeUnit.SECONDS)
            .convertDurationsTo(TimeUnit.SECONDS).build();

    private static Queue<Long> queue = new LinkedBlockingDeque<>();


    public static void main(String[] args) {
        registry.register(MetricRegistry.name(SimpleGaugeExample.class), (Gauge<Integer>)queue::size);
        reporter.start(1,TimeUnit.SECONDS);
        new Thread(() -> {
            for (; ; ) {
                randomSleep();
                queue.add(System.nanoTime());
            }
        }).start();

        new Thread(() -> {
            for (; ; ) {
                randomSleep();
                queue.poll();
            }
        }).start();
    }

    private static void randomSleep() {
        try {
            TimeUnit.SECONDS.sleep(current().nextInt(5));
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }
}

运行上面代码，可以看到，每隔10秒，对queue的size进行输出。

-- Gauges ----------------------------------------------------------------------
fast.cloud.nacos.metrics.SimpleGaugeExample
             value = 11


21-12-2 16:19:05 ===============================================================

-- Gauges ----------------------------------------------------------------------
fast.cloud.nacos.metrics.SimpleGaugeExample
             value = 11


21-12-2 16:19:06 ===============================================================

-- Gauges ----------------------------------------------------------------------
fast.cloud.nacos.metrics.SimpleGaugeExample
             value = 11

我们可以看到生产者、消费者的速率，以及队列的挤压情况。

JmxAttributeGauge
public class JmxAttributeGaugeExample {
    private static final MetricRegistry registry = new MetricRegistry();

    private static final ConsoleReporter reporter = ConsoleReporter.forRegistry(registry)
            .convertRatesTo(TimeUnit.SECONDS)
            .convertDurationsTo(TimeUnit.SECONDS).build();

    public static void main(String[] args) throws MalformedObjectNameException, InterruptedException {
        reporter.start(10,TimeUnit.SECONDS);
        registry.register(MetricRegistry.name(JmxAttributeGaugeExample.class, "HeapMemory"), new JmxAttributeGauge(new ObjectName("java.lang:type=Memory"), "HeapMemoryUsage"));
        registry.register(MetricRegistry.name(JmxAttributeGaugeExample.class, "NonHeapMemory"), new JmxAttributeGauge(new ObjectName("java.lang:type=Memory"), "NonHeapMemoryUsage"));
        Thread.currentThread().join();
    }
}

-- Gauges ----------------------------------------------------------------------
fast.cloud.nacos.metrics.metric.JmxAttributeGaugeExample.HeapMemory
             value = javax.management.openmbean.CompositeDataSupport(compositeType=javax.management.openmbean.CompositeType(name=java.lang.management.MemoryUsage,items=((itemName=committed,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)),(itemName=init,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)),(itemName=max,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)),(itemName=used,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)))),contents={committed=257425408, init=268435456, max=3817865216, used=16163152})
fast.cloud.nacos.metrics.metric.JmxAttributeGaugeExample.NonHeapMemory
             value = javax.management.openmbean.CompositeDataSupport(compositeType=javax.management.openmbean.CompositeType(name=java.lang.management.MemoryUsage,items=((itemName=committed,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)),(itemName=init,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)),(itemName=max,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)),(itemName=used,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)))),contents={committed=10944512, init=2555904, max=-1, used=10009504})


21-12-2 16:21:47 ===============================================================

-- Gauges ----------------------------------------------------------------------
fast.cloud.nacos.metrics.metric.JmxAttributeGaugeExample.HeapMemory
             value = javax.management.openmbean.CompositeDataSupport(compositeType=javax.management.openmbean.CompositeType(name=java.lang.management.MemoryUsage,items=((itemName=committed,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)),(itemName=init,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)),(itemName=max,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)),(itemName=used,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)))),contents={committed=257425408, init=268435456, max=3817865216, used=16163152})
fast.cloud.nacos.metrics.metric.JmxAttributeGaugeExample.NonHeapMemory
             value = javax.management.openmbean.CompositeDataSupport(compositeType=javax.management.openmbean.CompositeType(name=java.lang.management.MemoryUsage,items=((itemName=committed,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)),(itemName=init,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)),(itemName=max,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)),(itemName=used,itemType=javax.management.openmbean.SimpleType(name=java.lang.Long)))),contents={committed=10944512, init=2555904, max=-1, used=10130232})

可以看到，每个十秒输出JVM堆内存及非堆内存的信息。

RadioGauge

用于创建两个数字之间的某种比率，比如业务受理的成功率或者失败率等。

public class RadioGauge {
    private static final MetricRegistry registry = new MetricRegistry();

    private static final ConsoleReporter reporter = ConsoleReporter.forRegistry(registry)
            .convertRatesTo(TimeUnit.SECONDS)
            .convertDurationsTo(TimeUnit.SECONDS).build();

    private final static Meter totalMeter = new Meter();

    private final static Meter successMeter = new Meter();

    public static void main(String[] args) {
        reporter.start(10,TimeUnit.SECONDS);

        registry.gauge("success-rate", () -> new RatioGauge() {
            @Override
            protected Ratio getRatio() {
                return Ratio.of(successMeter.getCount(), totalMeter.getCount());
            }
        });
        for (; ; ) {
            shortSleep();
            business();
        }
    }

    private static void business() {
        totalMeter.mark();
        try {
            int x = 10 / current().nextInt(6);
            successMeter.mark();
        } catch (Exception e) {
            System.out.println("ERROR");
        }
    }

    private static void shortSleep() {
        try {
            TimeUnit.SECONDS.sleep(current().nextInt(6));
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }
}

21-12-2 16:32:18 ===============================================================

-- Gauges ----------------------------------------------------------------------
success-rate
             value = 1.0


ERROR
21-12-2 16:32:28 ===============================================================

-- Gauges ----------------------------------------------------------------------
success-rate
             value = 0.75


21-12-2 16:32:38 ===============================================================

-- Gauges ----------------------------------------------------------------------
success-rate
             value = 0.875

每隔十秒，业务的成功率度量信息将会输出到控制台上。

CacheGauge

我们对Gauge的实时性要求没有那么高，就可以使用cached gauge。

public class CacheGauge {
    private static final MetricRegistry registry = new MetricRegistry();

    private static final ConsoleReporter reporter = ConsoleReporter.forRegistry(registry)
            .convertRatesTo(TimeUnit.SECONDS)
            .convertDurationsTo(TimeUnit.SECONDS).build();


    public static void main(String[] args) throws InterruptedException {
        reporter.start(10,TimeUnit.SECONDS);

        registry.gauge("cache-db-size", () -> new CachedGauge(30,TimeUnit.SECONDS) {
            @Override
            protected Object loadValue() {
                return queryFromDbSize();
            }
        });

        Thread.currentThread().join();
    }

    private static Object queryFromDbSize() {
        System.out.println("=====queryFromDbSize====");
        return System.currentTimeMillis();
    }
}


21-12-2 16:34:08 ===============================================================

-- Gauges ----------------------------------------------------------------------
cache-db-size
=====queryFromDbSize====
             value = 1638434048893


21-12-2 16:34:18 ===============================================================

-- Gauges ----------------------------------------------------------------------
cache-db-size
             value = 1638434048893


21-12-2 16:34:28 ===============================================================

-- Gauges ----------------------------------------------------------------------
cache-db-size
             value = 1638434048893


21-12-2 16:34:38 ===============================================================

-- Gauges ----------------------------------------------------------------------
cache-db-size
             value = 1638434048893

可以看到没有输出=queryFromDbSize的时候，这时候就是取得缓存中的数据。

Counter

我们每次对query取size是有性能影响的，Counter metric 使用64的递增或者递减，避免了性能的侵入。

public class CounterExample {
    private static final MetricRegistry registry = new MetricRegistry();

    private static final ConsoleReporter reporter = ConsoleReporter.forRegistry(registry)
            .convertRatesTo(TimeUnit.SECONDS)
            .convertDurationsTo(TimeUnit.SECONDS).build();
    private static final BlockingQueue<Long> queue = new LinkedBlockingQueue<>();

    public static void main(String[] args) throws InterruptedException {
        reporter.start(10, TimeUnit.SECONDS);
        Counter counter = registry.counter("queue-count", Counter::new);
        new Thread(() -> {
            for (; ; ) {
                randomSleep();
                queue.add(System.nanoTime());
                counter.inc();
            }
        });
        new Thread(() -> {
            for (; ; ) {
                randomSleep();
                if (queue.poll() != null) {
                    counter.dec();
                }
            }
        });

        Thread.currentThread().join();
    }


    private static void randomSleep() {
        try {
            TimeUnit.SECONDS.sleep(current().nextInt(500));
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }
}

-- Counters --------------------------------------------------------------------
queue-count
             count = 0


21-12-2 16:40:38 ===============================================================

-- Counters --------------------------------------------------------------------
queue-count
             count = 0


21-12-2 16:40:48 ===============================================================

-- Counters --------------------------------------------------------------------
queue-count
             count = 0

Histogram

是一种统计报告图

public class HistogramExample {
    private static final MetricRegistry registry = new MetricRegistry();

    private static final ConsoleReporter reporter = ConsoleReporter.forRegistry(registry)
            .convertRatesTo(TimeUnit.SECONDS)
            .convertDurationsTo(TimeUnit.SECONDS).build();
    private static final Histogram histogram = registry.histogram("search-result");

    public static void main(String[] args) {
        reporter.start(10, TimeUnit.SECONDS);

        while (true) {
            doSearch();
            randomSleep();
        }
    }

    private static void doSearch() {
        histogram.update(current().nextInt(10));
    }

    private static void randomSleep() {
        try {
            TimeUnit.SECONDS.sleep(current().nextInt(10));
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }

}

-- Histograms ------------------------------------------------------------------
search-result
             count = 3
               min = 0
               max = 5
              mean = 1.95
            stddev = 2.16
            median = 1.00
              75% <= 5.00
              95% <= 5.00
              98% <= 5.00
              99% <= 5.00
            99.9% <= 5.00


21-12-2 16:42:59 ===============================================================

-- Histograms ------------------------------------------------------------------
search-result
             count = 4
               min = 0
               max = 9
              mean = 3.89
            stddev = 3.65
            median = 5.00
              75% <= 9.00
              95% <= 9.00
              98% <= 9.00
              99% <= 9.00
            99.9% <= 9.00

可以看到75%的搜索结构都小于9。

count: 参与统计的数据有多少条
min: 统计数据的最小值
max: 统计数据的最大值
mean: 统计数据的中间值
stddev: 标准方差
median: 统计数据的中间值
75%:

Timers

Timer其实是 Histogram 和 Meter 的结合， histogram 某部分代码/调用的耗时， meter统计TPS。

public class TimerTest {

    public static Random random = new Random();

    public static void main(String[] args) throws InterruptedException {
        MetricRegistry registry = new MetricRegistry();
        ConsoleReporter reporter = ConsoleReporter.forRegistry(registry).build();
        reporter.start(1, TimeUnit.SECONDS);

        Timer timer = registry.timer(MetricRegistry.name(TimerTest.class,"get-latency"));

        Timer.Context ctx;

        while(true){
            ctx = timer.time();
            Thread.sleep(random.nextInt(1000));
            ctx.stop();
        }

    }

}

21-12-2 16:49:06 ===============================================================

-- Timers ----------------------------------------------------------------------
fast.cloud.nacos.metrics.metric.TimerTest.get-latency
             count = 7
         mean rate = 1.75 calls/second
     1-minute rate = 0.00 calls/second
     5-minute rate = 0.00 calls/second
    15-minute rate = 0.00 calls/second
               min = 125.79 milliseconds
               max = 746.72 milliseconds
              mean = 474.94 milliseconds
            stddev = 217.70 milliseconds
            median = 385.33 milliseconds
              75% <= 704.84 milliseconds
              95% <= 746.72 milliseconds
              98% <= 746.72 milliseconds
              99% <= 746.72 milliseconds
            99.9% <= 746.72 milliseconds


21-12-2 16:49:07 ===============================================================

-- Timers ----------------------------------------------------------------------
fast.cloud.nacos.metrics.metric.TimerTest.get-latency
             count = 10
         mean rate = 2.00 calls/second
     1-minute rate = 0.00 calls/second
     5-minute rate = 0.00 calls/second
    15-minute rate = 0.00 calls/second
               min = 125.79 milliseconds
               max = 971.09 milliseconds
              mean = 493.35 milliseconds
            stddev = 251.51 milliseconds
            median = 368.69 milliseconds
              75% <= 704.84 milliseconds
              95% <= 971.09 milliseconds
              98% <= 971.09 milliseconds
              99% <= 971.09 milliseconds
            99.9% <= 971.09 milliseconds

四种reporter

ConsoleReporter

public class ConsoleReporterExample {
    private static final MetricRegistry registry = new MetricRegistry();

    private static final ConsoleReporter reporter = ConsoleReporter.forRegistry(registry)
            .convertRatesTo(TimeUnit.SECONDS)
            .convertDurationsTo(TimeUnit.SECONDS).build();

    private static final Histogram histogram = registry.histogram("search-result");

    public static void main(String[] args) {
        reporter.start(10,TimeUnit.SECONDS);

        while (true) {
            doSearch();
            randomSleep();
        }
    }

    private static void doSearch() {
        histogram.update(current().nextInt(10));
    }


    private static void randomSleep() {
        try {
            TimeUnit.SECONDS.sleep(current().nextInt(500));
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }

}

顾名思义，输出到控制台:

-- Histograms ------------------------------------------------------------------
search-result
             count = 1
               min = 9
               max = 9
              mean = 9.00
            stddev = 0.00
            median = 9.00
              75% <= 9.00
              95% <= 9.00
              98% <= 9.00
              99% <= 9.00
            99.9% <= 9.00

JmxReporter

通过jconsole查看

public class JmxReporterExample {
    private static final MetricRegistry registry = new MetricRegistry();

    private static final JmxReporter reporter = JmxReporter.forRegistry(registry)
            .convertRatesTo(TimeUnit.SECONDS)
            .convertDurationsTo(TimeUnit.SECONDS).build();
    private static final Histogram histogram = registry.histogram("search-result");

    public static void main(String[] args) {
        reporter.start();

        while (true) {
            doSearch();
            randomSleep();
        }
    }

    private static void doSearch() {
        histogram.update(current().nextInt(10));
    }


    private static void randomSleep() {
        try {
            TimeUnit.SECONDS.sleep(current().nextInt(500));
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }

}

在这里插入图片描述

CsvReporter

public class CsvReporterExample {
    private static final MetricRegistry registry = new MetricRegistry();

    private static final CsvReporter reporter = CsvReporter.forRegistry(registry)
            .convertRatesTo(TimeUnit.SECONDS)
            .convertDurationsTo(TimeUnit.SECONDS).build(new File("/Users/qinfuxiang/Downloads"));
    private static final Histogram histogram = registry.histogram("search-result");

    public static void main(String[] args) {
        reporter.start(10,TimeUnit.SECONDS);

        while (true) {
            doSearch();
            randomSleep();
        }
    }

    private static void doSearch() {
        histogram.update(current().nextInt(10));
    }


    private static void randomSleep() {
        try {
            TimeUnit.SECONDS.sleep(current().nextInt(500));
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }

}

会在指定目录下导出数据到csv中。
在这里插入图片描述

Slf4jReporter

通过log输出到控制台

public class SLF4jReporterExample {
    private static final MetricRegistry registry = new MetricRegistry();

    private static final Slf4jReporter reporter = Slf4jReporter.forRegistry(registry)
            .outputTo(LoggerFactory.getLogger(SLF4jReporterExample.class))
            .convertRatesTo(TimeUnit.SECONDS)
            .convertDurationsTo(TimeUnit.SECONDS).build();

    private static final Histogram histogram = registry.histogram("search-result");

    public static void main(String[] args) {
        reporter.start(10,TimeUnit.SECONDS);

        while (true) {
            doSearch();
            randomSleep();
        }
    }

    private static void doSearch() {
        histogram.update(current().nextInt(10));
    }


    private static void randomSleep() {
        try {
            TimeUnit.SECONDS.sleep(current().nextInt(500));
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }

}

17:07:17.866 [metrics-logger-reporter-1-thread-1] INFO fast.cloud.nacos.metrics.reporter.SLF4jReporterExample - type=HISTOGRAM, name=search-result, count=1, min=3, max=3, mean=3.0, stddev=0.0, median=3.0, p75=3.0, p95=3.0, p98=3.0, p99=3.0, p999=3.0
17:07:27.852 [metrics-logger-reporter-1-thread-1] INFO fast.cloud.nacos.metrics.reporter.SLF4jReporterExample - type=HISTOGRAM, name=search-result, count=1, min=3, max=3, mean=3.0, stddev=0.0, median=3.0, p75=3.0, p95=3.0, p98=3.0, p99=3.0, p999=3.0
17:07:37.853 [metrics-logger-reporter-1-thread-1] INFO fast.cloud.nacos.metrics.reporter.SLF4jReporterExample - type=HISTOGRAM, name=search-result, count=1, min=3, max=3, mean=3.0, stddev=0.0, median=3.0, p75=3.0, p95=3.0, p98=3.0, p99=3.0, p999=3.0
17:07:47.851 [metrics-logger-reporter-1-thread-1] INFO fast.cloud.nacos.metrics.reporter.SLF4jReporterExample - type=HISTOGRAM, name=search-result, count=1, min=3, max=3, mean=3.0, stddev=0.0, median=3.0, p75=3.0, p95=3.0, p98=3.0, p99=3.0, p999=3.0
it噩梦
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Metrics-Java版的指标度量工具
yk19904的博客
07-02 111
Metrics-Java版的指标度量工具
java metrics 简书_Metrics 入门文档翻译
weixin_39638304的博客
02-28 254
作者：拔剑少年简书地址：https://www.jianshu.com/u/dad4d9675892博客地址：https://it18monkey.github.io转载请注明出处Metrics 是一个Java库，它让您对代码在生产中所做的事情有了无与伦比的洞察力。Metrics 提供了一种强大的工具集用于度量生产环境中关键组件的行为。对于常见的库，如Jetty、Logback、Log4j、Apa...
自动化软件度量工具
05-18
根据CK，LK,MOOD的理论，基于面向对象的自动化软件度量工具
JAVA Metrics度量工具 - Metrics Core 翻译
热门推荐
scutshuxue的专栏
12-20 1万+
Metrics核心 翻译自Metrics官方文档: http://metrics.codahale.com/manual/core/ JAVA Metrics是一个用于度量的一个JAVA的类库，使用请参见    Java Metric使用介绍1 > http://blog.csdn.net/scutshuxue/article/details/8350135 或者官方的快速入门：
java 度量_Metrics-Java版的指标度量工具
weixin_31235395的博客
02-24 608
Metrics是一个给JAVA服务的各项指标提供度量工具的包，在JAVA代码中嵌入Metrics代码，可以方便的对业务代码的各个指标进行监控，同时，Metrics能够很好的跟Ganlia、Graphite结合，方便的提供图形化接口。基本使用方式直接将core包(目前稳定版本3.0.1)导入pom文件即可，配置如下：com.codahale.metricsmetrics-core3.0.1core包...
Java代码度量分析工具：Designite简介
admire201314的博客
03-24 1561
前言 在Java面向对象课程的学习过程中，我们需要使用度量工具来分析自己程序的代码结构。此类的度量工具有许多，或以插件形式存在于各个IDE中，或以.jar包的形式供用户使用。在这里，笔者向大家简单的介绍一款免费的代码度量分析工具：Designite，对官网上的部分内容进行汉化搬运，并对一些度量条目做出解释。 一、Designite的下载与运行 Designite是一款程序设计的质量评估工...
metrics4j:Java 应用程序的度量标准
07-01
Metrics API 是一个库，旨在用于从应用程序捕获结构化指标并将这些指标相应地记录到文件中。 此任务与日志记录非常相似，不同之处在于指标的唯一目的是记录准备好由特定工具分析的结构化文件。 对度量的结构没有...
catcher:java性能采集工具
04-29
java性能采集工具。可采集进程内的内存(堆、非堆、直接）、cpu、句柄数、gc、日志(logback日志，分级别采集)，也支持采集自定义指标，并提供http方式访问数据。 http服务 /runtime：运行时参数 /metrics：prometheus...
metrics-reporter.zip
12-19
"metrics-reporter.zip"是一个专注于度量组件的压缩包，其中包含了用于Java应用程序的metrics-core库以及一个Prometheus输出器，帮助开发者收集并报告关键的系统和应用程序指标。本文将深入探讨这个压缩包中的内容...
Plugin-Metrics：专为Minecraft插件设计的度量工具，用于收集统计数据
03-02
Plugin-Metrics是一款专门为Minecraft插件设计的度量工具，它的主要任务是收集和分析插件在实际运行过程中的各种数据。这些数据包括但不限于玩家使用频率、插件功能的触发次数、服务器性能指标等，通过这些数据，...
Java学习：开发人员推荐的Java代码质量工具
qf2019的博客
10-26 696
保护Java代码不受可避免的bug影响的最佳方法是使用静态代码分析工具，它可以帮助你在问题代码进入生产环境之前找到并修复问题代码。让我们看看一些流行的静态代码分析工具，它们可以用于从许多不同的角度测试代码。想学习java的同学可以参加千锋重庆java学习，在专业老师的带领下，可以获得快速提升。 DeepSource DeepSource为Java提供了最好的静态代码分析。DeepSource Java analyzer检测190多个代码质量问题，包括性能缺陷、安全风险、缺陷风险和反模式。目前，它支持Grad
Java-Metrics指标度量工具
weixin_33897722的博客
01-02 573
2019独角兽企业重金招聘Python工程师标准>>> ...
JAVA监控之Metrics
JOHN
03-22 4509
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
jp@gc - PerfMon Metrics Collector：服务器性能监测控件
qq_36643889的博客
07-27 9026
1.Jmeter插件下载 安装安装下面三个插件 ，就可以像Loadrunner一样监控服务器CPU、内存等性能参数 下载客户端插件JMeterPlugins-Standard和JMeterPlugins-Extras地址: https://jmeter-plugins.org/downloads/old/ 下载服务端插件：ServerAgent地址： https://github.com/undera/perfmon-agent/blob/master/README.md#supporte...
jmeter之jp@gc - Permon Metrics Collector配置及使用
小胖子xpp的博客
04-20 8874
jmeter之jp@gc - Permon Metrics Collector配置及使用
java metrics.counter_度量指标（Metrics）
weixin_35433448的博客
02-16 1167
44. 度量指标(Metrics)Spring Boot执行器包括一个支持'gauge'和'counter'级别的度量指标服务。'gauge'记录一个单一值；'counter'记录一个增量(增加或减少)。同时，Spring Boot提供一个PublicMetrics接口，你可以实现它，从而暴露以上两种机制不能记录的指标。具体参考SystemPublicMetrics。所有HTTP请求的指标都被自动...
JMeter安装插件，添加jp@gc-perfMon Metrice Collector监听器
scandy55的博客
07-11 1万+
一. 插件下载            1.下载地址https://jmeter-plugins.org/downloads/all/，下载plugins-manager.jar                   2.把给文件放到apache-jmeter/lib/ext目录下 二.启动jmeter           1.点击选项-plugins Manager  
java metrics_Metrics—Java版的指标度量工具之一
weixin_33296185的博客
02-16 2710
随着系统越来越大，越来越复杂，我们需要在业务方面加上一些监控服务。Metrics作为一款监控指标的度量类库，在JAVA代码中嵌入Metrics代码，可以方便的对业务代码的各个指标进行监控，同时，Metrics能够很好的跟Ganlia、Graphite结合，方便的提供图形化接口。使用Metrics使用Metrics，只需要在pom文件里面增加metrics-core的依赖：12345io.dropw...
初识Java系统性能监控工具Metrics
Java码农杂谈
12-23 3170
Metrics是一款Java的类库，主要用于监控和统计，可以对系统的一些性能及业务指标进行监测。用于统计系统TPS、QPS等各种运维指标和性能指标。
开源的 java metrics 框架
最新发布
06-10
有很多开源的 Java Metrics 框架可供选择，以下是一些比较流行的： 1. Micrometer：适用于 Spring Boot、Dropwizard、Kotlin 等框架和应用程序的度量库。 2. Prometheus：一个开源的度量监控系统和时间序列数据库，适用于 Java 应用程序和其他类型的应用程序。 3. Graphite：一个开源的度量收集和可视化工具，适用于 Java 应用程序和其他类型的应用程序。 4. JMX：Java Management Extensions，提供了一种途径，使得 Java 应用程序的管理和监控变得容易。 5. Dropwizard Metrics：一个 Java 应用程序的度量库，支持多种度量，包括计数器、计时器、直方图和表计。 这只是一些例子，实际上还有很多其他的开源 Java Metrics 框架可供选择。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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