1. 背景

增强服务可观测性，预测与发现系统性能瓶颈，透视系统状态，为系统调优和改进提供可靠数据

2. 规划特性

? 服务日志: 记录时间，用户，用户地点(ip)，服务节点(ip)，服务名称，模块名称，参数(可配置)，支持异步写入，减少服务正常执行影响

? 服务性能指标，RT，请求数(1m/5m/15m)，异常数(1m/5m/15m)，失败数(1m/5m/15m)

? 服务调用链路，服务调用拓扑，调用关系性能，topN(最忙服务，最慢服务)

? 业务日志，如，拉单每秒字节数，数据笔数，拉单作业数

? 监控门户，仪表盘，告警 Prometheus+grafana(运维)；elasticsearch agg+数据可视化(开发)

*日志收集 ELK 不在本次计划

*系统监控，如 cpu，线程数(jvm)，内存(jvm)，磁盘 io，网络 io 直接使用 Prometheus，不在本平台范

3. 技术架构

测量组件位于可观测架构蓝框部分，负责业务测量/性能测量的构建， 采集，转换和报告

4. 测量组件

测量组件是可观测平台的第三部分，由 metrics，exporter，reporter 3 部分组成

metrics 测量构建/收集/计算组件，业界 metrics 组件选择比较少，主要有 dropwizard-metrics，micrometer 也是源于 dropwizard-metrics，还有些框架自带 metrics 组件，基本上也是参考 dropwizard-metrics

测量 exporter/测量 reporter，两者是配套，exporter 转换本地测量类型为监控平台类型；reporter 推送转换后的测量到监控平台，本组件实现 Prometheus 测量转换和报告

5. 设计模型

本组件的设计

Counter/Gauge/Meter/Summary/Histogram dropwizard-metrics 支持的测量类型，其中后 3 者属于统计量，分布式系统统计单节点意义不大；另外，Prometheus Counter/Gauge 都是数值，Gauge 客家可减，Counter 单调增加

ScheduledReporter/DefaultScheduledReporter ScheduledReporter 是 dropwizard-metric 提供的 Reporter 实现，定时报告测量，抽象模板模式，DefaultScheduledReporter 本组件实现，DropWizardPrometheusExporter 转换测量为 Prometheus 类型，simple-pushgateway 推送到 Prometheus

TagExtractor tag 是 Prometheus 测量的属性，定义数据维度，对后续的统计非常重要；TagExtractor 是本组件接口，应用实现自己的 tag 生成逻辑

MetricHolder 本组件的开发，负责全局构建，操作，持有测量

6. 开发指南

1. 依赖

<dependency>

<groupId>io.dropwizard.metrics</groupId>

<artifactId>metrics-core</artifactId>

</dependency>

2. 配置

以 java config 为例，以下内容在代码单元测试 TesstMetricsReporterConfiguration

示例：

metrics:

reporter:

type: prometheus # metrics 报告类型 nop/console/prometheus

url: ip:port # Prometheus pushgateway 地址

job: apiflow # Prometheus job 标签

interval: 10 # 报告间隔，单位秒

1) 报告期采集间隔

Value("${flowsharping.metrics.reporter.interval:30}")

private int reprotInterval;

2) 测量注册，全局

public static final MetricRegistry metricsReg = new MetricRegistry();

3) 报告器声明和初始化

声明 3 个报告器，通过 conditional 激活，nop 相当于屏蔽报告，console reporter

测量输出到控制台，单机测试用；DefaultSchedulerReporter 输出到 Prometheus，支持分布式聚合统计，DemoTagExtractorImpl 简单的标签提取实现，增加 type 和 instant 标签，

其中 type pass/fail，instant host:ip，用于示例

4) MetricHolder

5) 环境工具

获取当前 ip 和端口

3. 示例

场景 1：单机测试

本示例在单元测试 TestQpsMetrics，模拟 api 调用 qps 测量，使用 ConsoleReporter，报告间隔 10 秒，示例使用随机数模拟调用的通过和不通过，分别计数到 pass 计数器和 fail 计数器

控制台输出

场景 2：分布式测试

本示例在单元测试 TestQpsMetricsCluster1，TestQpsMetricsCluster2，模拟两个服务集群调用 qps 测量，服务测试代码同场景 1，使用 PrometheusReporter，报告间隔 10 秒，tag 提取器增加 type，instant 标签，type 标签 pass，fail，通过和不同的 qps 技术，instant ip+port，测量输出如下图：

上面 2 个图标，服务 8091 和 8092 的通过请求数速率，不通过数速率，总请求数速率

下面是两个服务通过总请求数，不通过的总请求数，两个服务的总请求

promsql：

rate(apixxx{exported_job="apiflow", instant="host:port", type="pass|fail"}[1m])

sum(rate(apixxx {exported_job="apiflow", instant="host:port", type="pass|fail"}[1m]))

7. 代码库(收费)

metrics-reporter.zip-Java文档类资源-CSDN下载

https://download.csdn.net/download/szlhj/66934422