组件介绍

prometheus

Prometheus是一个开源的服务监控系统，它通过HTTP协议从远程的机器收集数据并存储在本地的时序数据库上。

多维数据模型（时序列数据由metric名和一组key/value组成）
在多维度上灵活的查询语言(PromQl)
不依赖分布式存储，单主节点工作.
通过基于HTTP的pull方式采集时序数据
可以通过push gateway进行时序列数据推送(pushing)
可以通过服务发现或者静态配置去获取要采集的目标服务器
多种可视化图表及仪表盘支持
Prometheus通过安装在远程机器上的exporter来收集监控数据，后面我们将使用到node_exporter收集系统数据。

grafana

Grafana 是一个开箱即用的可视化工具，具有功能齐全的度量仪表盘和图形编辑器，有灵活丰富的图形化选项，可以混合多种风格，支持多个数据源特点。

exporter

Exporter 组件是一类组件，它们的主要作用就是提供 metrics 信息以供加工提炼。

有的组件会自行提供 metrics 信息，比如 Grafana、Prometheus、Etcd 等等，在本文的 3.1

3.1 中给出的 metrics 就是 Grafana 本身产生的。

有的组件不会提供 metrics 信息，比如说我们自己写的一些程序。

而有的甚至不是组件，比如 Linux 系统本身    

监控springboot2.0的服务 和 node-exporter

服务依赖

    <!--       autuator 服务端点监控    只需加依赖 默认开4个端点 1 yml配置开启更多端点 2手动up/down  支持手动下机 hystrix,dashboard,admin   -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-actuator</artifactId>
    </dependency>

    <!--        开启prometheus监控-->
    <dependency>
        <groupId>io.micrometer</groupId>
        <artifactId>micrometer-registry-prometheus</artifactId>
    </dependency>

服务yml

    management:
      endpoints:
        web:
          exposure:
            include: "*" #inlude包含哪些端点   exclude 去除哪些端点
      endpoint:
        shutdown:
          enabled: true #开启远程shutdown端口
        health:
          show-details: always
        prometheus:
          enabled: true
      metrics:     #开启prometheus 监控
        export:
          prometheus:
            enabled: true
            step: 1m
            descriptions: true
        web:
          server:
            request:
              autotime:
                enabled: true
                #设置为true来收集所有Spring MVC度量。或者，当它设置为false时，您可以通过用@timed对其进行注释来为特定的REST控制器启用度量。
                #可以在控制器内注释单个方法，以仅为特定端点生成度量

服务配置

     @Bean
        MeterRegistryCustomizer meterRegistryCustomizer(MeterRegistry meterRegistry) {
            return meterRegistry1 -> meterRegistry.config()
                    .commonTags("application", "service1");
        }

启动服务 访问 localhost:8096/actuator/prometheus 可以看到一些metrix信息

配置 prometheus

  global:
    scrape_interval:     15s # 默认抓取间隔, 15秒向目标抓取一次数据。
    external_labels:
      monitor: 'codelab-monitor'
  # 这里表示抓取对象的配置
  scrape_configs:
    - job_name: 'prometheus'
      #这个配置是表示在这个配置内的时间序例，每一条都会自动添加上这个{job_name:"prometheus"}的标签  - job_name: 'prometheus'
      scrape_interval: 5s # 重写了全局抓取间隔时间，由15秒重写成5秒
      static_configs:
        - targets: ['localhost:9090']
  
    - job_name: 'node'
      static_configs:
        - targets: ['172.17.0.9:9100']
          labels:
            instance: "node"
  
    - job_name: 'service1'
      metrics_path: /actuator/prometheus
      static_configs:
        - targets: ['192.168.10.134:8096']
          labels:
            instance: "service"

启动 node-exporter

 docker pull prom/node-exporter 
 docker pull prom/node-exporter 

启动 prometheus

docker pull prom/prometheus

docker run -idt -p 9090:9090 -v /home/spf/docker/promethues/server/prometheus.yml:/etc/prometheus/prometheus.yml -v /home/spf/docker/promethues/server/rules.yml:/etc/prometheus/rules.yml --name prometheus  prom/prometheus  --config.file=/etc/prometheus/prometheus.yml --web.enable-lifecycle


#--web.enable-lifecycle允许远程修改配置

这里注意 ip的设置 因为prometheus是在docker内部启动的所以 localhost访问的是docker 容器内部不能访问到外部的服务
可以使用 docker exec -u root -it prometheus /bin/sh ping进去试一下

启动grafana

#下载镜像
docker pull grafana/grafana
#运行
docker run -d --name=grafana -p 3000:3000 grafana/grafana

访问 localhost:3000 默认账号密码为 admin/admin

home第二项添加datasource 选择promeetheus 添加ip:port

可以查看dashboard了

dashboard

补充:

    Counter

Counter(计数器)简单理解就是一种只增不减的计数器。它通常用于记录服务的请求数量、完成的任务数量、错误的发生数量等等。

    @Service("collectorService")
    public class CollectorService {
       
        static final Counter userCounter = Metrics.
                counter("user.counter.total", "services", "demo");
        
        public void processCollectResult() throws InterruptedException {
     
            while (true){
                
                 userCounter.increment(1D);
     
            }
     
        }
    }

 

    Gauge

Gauge(仪表)是一个表示单个数值的度量，它可以表示任意地上下移动的数值测量。Gauge通常用于变动的测量值，如当前的内存使用情况，同时也可以测量上下移动的"计数"，比如队列中的消息数量

    @Component("passCaseMetric")
    public class PassCaseMetric {
     
        List<Tag> init(){
            ArrayList<Tag> list = new ArrayList(){};
            list.add(new ImmutableTag("service", "demo"));
            return list;
        }
     
        AtomicInteger atomicInteger = new AtomicInteger(0);
     
        Gauge passCaseGuage = Gauge.builder("pass.cases.guage", atomicInteger, AtomicInteger::get)
                .tag("service", "demo")
                .description("pass cases guage of demo")
                .register(new SimpleMeterRegistry());
     
     
        AtomicInteger passCases =  Metrics.gauge("pass.cases.guage.value", init(), atomicInteger);
     
        public void handleMetrics() {
     
            while (true){
                if (System.currentTimeMillis() % 2 == 0){
                    passCases.addAndGet(100);
                    System.out.println("ADD + " + passCaseGuage.measure() + " : " + passCases);
                }else {
                    int val = passCases.addAndGet(-100);
                    if (val < 0){
                        passCases.set(1);
                    }
                    System.out.println("DECR - " + passCaseGuage.measure() + " : " + passCases);
                }
            }
     
        }
     
    }

启动springboot应用，可以在http://host:port/actuator/prometheus 看到端点收集到的数据。其他的也是类似的不再一一截图展示。

这里使用了一个true的循环用来展示不断更新的效果。

同样的可以在grafana中看到监控展示信息

    Timer

Timer(计时器)同时测量一个特定的代码逻辑块的调用(执行)速度和它的时间分布。简单来说，就是在调用结束的时间点记录整个调用块执行的总时间，适用于测量短时间执行的事件的耗时分布，例如消息队列消息的消费速率。

        @Test
        public void testTimerSample(){
            Timer timer = Timer.builder("timer")
                    .tag("timer", "timersample")
                    .description("timer sample test.")
                    .register(new SimpleMeterRegistry());
     
            for(int i=0; i<2; i++) {
                timer.record(() -> {
                    try {
                        TimeUnit.SECONDS.sleep(2);
                    }catch (InterruptedException e){
     
                    }
     
                });
            }
     
            System.out.println(timer.count());
            System.out.println(timer.measure());
            System.out.println(timer.totalTime(TimeUnit.SECONDS));
            System.out.println(timer.mean(TimeUnit.SECONDS));
            System.out.println(timer.max(TimeUnit.SECONDS));
        }

响应数据

    2
    [Measurement{statistic='COUNT', value=2.0}, Measurement{statistic='TOTAL_TIME', value=4.005095763}, Measurement{statistic='MAX', value=2.004500494}]
    4.005095763
    2.0025478815
    2.004500494

 

    Summary

Summary(摘要)用于跟踪事件的分布。它类似于一个计时器，但更一般的情况是，它的大小并不一定是一段时间的测量值。在micrometer中，对应的类是DistributionSummary，它的用法有点像Timer，但是记录的值是需要直接指定，而不是通过测量一个任务的执行时间。

        @Test
        public void testSummary(){
     
            DistributionSummary summary = DistributionSummary.builder("summary")
                    .tag("summary", "summarySample")
                    .description("summary sample test")
                    .register(new SimpleMeterRegistry());
     
            summary.record(2D);
            summary.record(3D);
            summary.record(4D);
     
            System.out.println(summary.count());
            System.out.println(summary.measure());
            System.out.println(summary.max());
            System.out.println(summary.mean());
            System.out.println(summary.totalAmount());
        }

响应数据：

    3
    [Measurement{statistic='COUNT', value=3.0}, Measurement{statistic='TOTAL', value=9.0}, Measurement{statistic='MAX', value=4.0}]
    4.0
    3.0
    9.0