SpringCloud之Micrometer 微服务监控

测试账号 2021-01-18 01:38 1050阅读 0赞

不同于单体架构的应用，微服务架构由于服务数量众多，出故障的概率更大，这个在前两篇文章中已经和读者分享过了。这种时候不能单纯依靠“人肉”运维，否则当服务数量越来越多时成本将变得不可控。一个好的解决方案是我们需要对服务进行监控，监控服务运行的数据。当有异常情况出现时，服务能够自动报警，方便运维工程师去处理。

Spring Cloud 中对于服务监控这一个话题也是在不断地变化中。早期的版本（ Greenwich 版之前）服务监控主要使用 Hystrix Dashboard 仪表盘，集群数据监控使用 Turbine，这一技术组合在最新的 Greenwich 版中被建议使用 Micrometer 来替换掉。相对于前者， Micrometer 的使用确实要方便很多，而且容易结合配套工具 Prometheus 以及 Grafana 一起使用，具备自动报警功能，数据展示也更加多样化，方便运维工程师去查看，因此本专栏将不再向读者介绍古老的服务监控的用法，主要向读者介绍 Micrometer 的用法。考虑到很多读者也是第一次使用 Micrometer ，因此本文将分为两部分，首先向读者介绍在 Spring Boot 中 Micrometer 要如何使用，然后再向读者介绍微服务中 Micrometer 的用法。

# 什么是Micrometer #

Micrometer 为数据测量仪表提供了一个简单的外观，它几乎适用于大部分目前最流行的监控系统，允许开发者检测基于 JVM 的应用程序代码， Micrometer 有点类似于 SLF4J ，只不过是针对测量数据的。Micrometer 主要有如下三方面的功能：

1.  Micrometer 提供了度量指标类，例如 timers、gauges 以及 counters等
2.  一揽子开箱即用的解决方案，例如缓存、类加载器、垃圾收集、处理器利用率以及线程池等
3.  从 Spring Boot 2.0 开始， 在 Spring Boot Actuator 中使用了 Micrometer 。在早期的 Spring Boot 版本中，也支持通过附加依赖的方式来使用 Micrometer

Micrometer 支持流行的监控系统，作为一个门面，Micrometer 允许开发者检测代码，并决定是否监控系统。Micrometer 支持 AppOptics、Azure Monitor、Netflix Atlas、CloudWatch、 Datadog、Dynatrace、Elastic、Ganglia、 Graphite、Humio、Influx/Telegraf、 JMX、KairosDB、New Relic、Prometheus、SignalFx、Google Stackdriver、StatsD 以及 Wavefront。

# Micrometer 基本用法 #

实现监控，那么我们首先要创建一个SpringBoot项目，然后加入web和actuator依赖  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F3ZTg2MzE0_size_16_color_FFFFFF_t_70]  
然后去配置下application.properties 或者 application.yml ：

management:
      endpoints:
        web:
          exposure:
            include: "*"
          endpoint:
            metrics:
              enabled: true

注意这里的\*号 代表的是所有的端点 在yml 中 需要加 双引号。

然后我们在浏览器上输入http://localhost:8080/actuator/health

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F3ZTg2MzE0_size_16_color_FFFFFF_t_70 1]

| 端点           | 端点描述                                                     | 是否开启 |
| -------------- | ------------------------------------------------------------ | -------- |
| auditevents    | 展示当前应用程序的审计事件信息                               | Yes      |
| beans          | 展示所有SpringBeans信息                                      | Yes      |
| conditions     | 展示一个自动配置类的使用报告，该报告展示所有自动配置类及它们被使用或未被使用的原因 | Yes      |
| configprops    | 展示所有@ConfigurationProperties的列表                       | Yes      |
| env            | 展示系统运行环境信息                                         | Yes      |
| flyway         | 展示数据库迁移路径                                           | Yes      |
| health         | 展示应用程序的健康信息                                       | Yes      |
| httptrace      | 展示trace信息（默认为最新的100条HTTP请求）                   | Yes      |
| info           | 展示应用的定制信息，这些定制信息以info开头                   | Yes      |
| loggers        | 展示并修改应用的日志配置                                     | Yes      |
| liquibase      | 展示任何Liquibase数据库迁移路径                              | Yes      |
| metrics        | 展示应用程序度量信息                                         | Yes      |
| mappings       | 展示所有@RequestMapping路径的集合列表                        | Yes      |
| scheduledtasks | 展示应用的所有定时任务                                       | Yes      |
| shutdown       | 远程关闭应用接口                                             | No       |
| sessions       | 展示并操作SpringSession会话                                  | Yes      |
| threaddump     | 展示线程活动的快照                                           | Yes      |
| heapdump       | 返回一个GZip压缩的hprof堆转储文件                            | Yes      |
| jolokia        | 展示通过HTTP暴露的JMXbeans                                   | Yes      |
| logfile        | 返回日志文件内容                                             | Yes      |
| prometheus     | 展示一个可以被Prometheus服务器抓取的metrics数据              | Yes      |

那么我们如何结合 Prometheus 将数据更直观的展现出来？

# 什么是Prometheus #

Prometheus 是一个最初在 SoundCloud 上构建的开源系统监视和警报工具包 。自2012年成立以来，许多公司和组织都采用了 Prometheus ，该项目拥有一个非常活跃的开发人员和用户社区。它现在是一个独立的开源项目，可以独立于任何公司进行维护。

**Prometheus 主要有如下特点：**

*  具有由度量名称和 key/value 标识的时间序列数据的多维数据模型
 *  PromQL，一种灵活的查询语言
 *  不依赖分布式存储，单个服务器节点是自治的
 *  使用 HTTP 协议，自动拉取数据
 *  通过服务发现或静态配置发现目标
 *  多种图形和仪表盘支持，数据展示友好
 *  可以非常方便地实现扩展
 *    
    
    
**Prometheus 采用的架构**
    
这张图片是在网上找的，我们可以看一下Prometheus的工作原理：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F3ZTg2MzE0_size_16_color_FFFFFF_t_70 2]  
从这张图我们可以看到Prometheus 的工作流程：
    
1.  首先 Prometheus Server 定期从 targets 或者服务注册中心拉取数据
2.  exporters 负责向 Prometheus Server 做数据汇总。不同的数据汇总由不同的 exporters 实现，例如监控主机有 node-exporters，MySQL 有 MySQL Server exporter
3.  由于 Prometheus 采用数据拉取的模式，实际生产环境可能由于各个服务不在一个子网或者防火墙的原因，导致 Prometheus 无法直接拉取各个 target 数据，此时可以通过 Pushgateway 来推送 metrics 到 Prometheus Server
4.  Alertmanager 则可以通过提前配置好的邮件地址，对收到的警告信息发出报警
5.  Grafana 则可以通过 PromQL 查询监控数据，进行更丰富的展示
    
**如何使用Prometheus**  
首先我们创建一个Prometheus的SpringBoot工程，并且加入以下依赖：
    
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-actuator</artifactId>
         </dependency>
         
        <dependency>
            <groupId>io.micrometer</groupId>
            <artifactId>micrometer-registry-prometheus</artifactId>
        </dependency>
    
注意之前的actuator 依赖不要忘记加了。
    
添加完成后我们修改application.yml 或者 application.properties
    
        management:
          metrics:
            export:
              prometheus:
                enabled: true
          endpoints:
            web:
              exposure:
                include: "*"
          endpoint:
            prometheus:
              enabled: true
            metrics:
              enabled: true
    
上面的这些配置之前都讲过，不清楚的小伙伴可以看之前的文章。
    
配置好了之后我们去访问 `http://localhost:8080/actuator/prometheus` 结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F3ZTg2MzE0_size_16_color_FFFFFF_t_70 3]
    
这样我们就看到各项数据的汇总了，那么下面使用Prometheus 进行可视化。
    
首先得下载Prometheus
    
    [Prometheus 下载地址][Prometheus]
    
    下载完成后，将下载文件解压，在解压目录中可以看到 prometheus.yml 配置文件，在 prometheus.yml 文件中配置要查看的数据接口，如下：
    
        scrape_configs:
          - job_name: 'prometheus'
            scrape_interval: 5s
            metrics_path: '/actuator/prometheus'
            static_configs:
            - targets: ['localhost:8080']
    
这里需要配置的就三个地方：
    
1.  scrape\_interval 表示每隔 5 秒抓取一次数据
2.  metrics\_path 表示数据路径
3.  targets 中配置的则是服务地址
    
配置完成后，Windows 环境下，直接双击 prometheus.exe 启动 Prometheus ，如果是 Linux 环境，则执行 `./prometheus --config.file=prometheus.yml` 命令启动 Prometheus 。
    
启动成功后，在浏览器中输入 `http://localhost:9090` 看到下面的界面说明成功：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F3ZTg2MzE0_size_16_color_FFFFFF_t_70 4]  
上面的选项卡分别是警告、图表展示、状态以及帮助，默认看到的就是图表，在下拉框中选择要查看的参数，点击 Execute 按钮，即可看到相关数据：
    
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F3ZTg2MzE0_size_16_color_FFFFFF_t_70 5]  
    这样就实现了数据的可视化。
    
    # 总结 #
    
    微服务的监控对于我们来说十分的重要，本文主要讲老使用Micrometer和Prometheus实现微服务的监控以及可视化。
    
    # 源码地址 #
    
    [github][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F3ZTg2MzE0_size_16_color_FFFFFF_t_70]: /images/1610933817827.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F3ZTg2MzE0_size_16_color_FFFFFF_t_70 1]: /images/1610933784796.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F3ZTg2MzE0_size_16_color_FFFFFF_t_70 2]: /images/1610933748909.jpeg
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F3ZTg2MzE0_size_16_color_FFFFFF_t_70 3]: /images/1610933716255.png
[Prometheus]: https://prometheus.io/download/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F3ZTg2MzE0_size_16_color_FFFFFF_t_70 4]: /images/1610933608324.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F3ZTg2MzE0_size_16_color_FFFFFF_t_70 5]: /images/1610933579137.png
[github]: https://github.com/zhoubiao188/spring_cloud_study/tree/master/Micrometer-parent