prometheus使用三（自定义监控指标实现）

Posted 2020-12-19 lpcyj

　　prometheus提供了了系列的export帮助采集各种容器和中间件的运行指标，但有时我们还需要更灵活的监控指标，介绍一下自定义

       本文用来监控dubbo的服务提供者的被调用指标，包括调用次数，p99等。

       首先引入jar包

<dependency>

<groupId>io.prometheus</groupId>

<artifactId>simpleclient_httpserver</artifactId>

<version>0.6.0</version>
</dependency>

<dependency>

<groupId>io.prometheus</groupId>

<artifactId>simpleclient_pushgateway</artifactId>

<version>0.7.0</version>
</dependency>

写一个util工具类，里面有四大基本统计类型的用法

 

import io.prometheus.client.Gauge;
import io.prometheus.client.Histogram;
import io.prometheus.client.Summary;
import org.springframework.stereotype.Component;

@Component
public class PrometheusUtil {

static final Gauge gauge = Gauge.build()
.name("requests_count")
.labelNames("getCount") //key

.help("requests_count").register(); //累加的count值

//用法: 代码前加入 gauge.labels("get").inc(); //+1 get,value
// gauge.labels("get").dec(); //-1

Summary receivedBytes = Summary.build()
.name("requests_size_bytes")
.labelNames("summaryBytes")
.help("Request size in bytes.").register(); //http请求的字节数

//用法: 方法后执行 receivedBytes.observe(req.size());

static final Summary summaryTime = Summary.build()
.name("requests_summary_seconds")
.labelNames("summaryTime")
.help("Request latency in seconds.").register(); //请求处理的时间

 

static final Histogram hisTimer=

Histogram.build()
.name("histogram")
.labelNames("histogram")
.help("request histogram")
.exponentialBuckets(1,1.2,10).register(); //处理p99

//count+

public static void inc(String lable){

gauge.labels(lable).inc();
}

//请求处理时间开始

public static Summary.Timer summaryTimeStart(String lable){
Summary.Timer timer= summaryTime.labels(lable).startTimer();

return timer;
}

//请求处理时间结束

public static void summaryStop(Summary.Timer timer){
timer.observeDuration();
}

//p99开始

public static Histogram.Timer histogramStart(String lable){
Histogram.Timer timer=hisTimer.labels(lable).startTimer();

return timer;
}

//p99结束

public static void histogramStop(Histogram.Timer timer){
timer.observeDuration();
}

}

 

然后在dubbo服务提供者启动类里开个端口，用来让prometheus访问

public class Provider {

public static void main(String[] args) throws Exception {
ClassPathXmlApplicationContext context = new ClassPathXmlApplicationContext("/provider.xml");

//模拟调用dubbo service，方便调试，实际使用中不需要

DemoServiceImpl service = context.getBean(DemoServiceImpl.class);

for (int i=0;i<5;i++){
String sayHello = service.sayHello("prometheus");
System.out.println(sayHello);
}

HTTPServer server=new HTTPServer(8023);

context.start();
System.in.read();
}
}

 

service层如下

@Component

public class DemoServiceImpl implements Service{

@Override
public String sayHello(String name) throws InterruptedException, IOException {
PrometheusUtil.inc("sayHello");

Histogram.Timer timer = PrometheusUtil.histogramStart("sayHello");
Summary.Timer timer1 = PrometheusUtil.summaryTimeStart("sayHello");

　　try{
　　　　Random random = new Random(1);
　　　　Thread.sleep(500 + random.nextInt(3000));
　　　}catch (Exception e){
　　　　System.out.println(e.getMessage());
　　　}finally {
　　 PrometheusUtil.histogramStop(timer);
PrometheusUtil.summaryStop(timer1);
}

return "Hello " + name;
}

}

 

 

然后在prometheus的prometheus.yml上配置一个job，参数prometheus二中方法配置即可。

然后启动dubbo，再看prometheus的targets有没有监控到

 

 已是up状态，有监控到，点击打开查看指标

 

 跟预期一样，有指标，然后展示在grafana

自定义一个仪表盘，新建一个panel

 

 写好表达式即可展示。同理写出其它几个指标，主要表达式为

平均响应时间 rate(histogram_sum[5m])/rate(histogram_count[5m])

平均qps increase(histogram_count[5m])/300

p90或p99 histogram_quantile(0.9, sum(rate(histogram_bucket[5m])) by (le))  等等 

或微调这些项得到最理想的展示