Spring Boot 整合 Prometheus 实现资源监控

引言

在微服务架构流行的今天，服务的监控和管理变得尤为重要。Prometheus 作为一个开源的监控和告警工具，以其强大的数据采集、存储和查询能力，受到了众多开发者的青睐。Spring Boot 作为 Java 领域快速构建微服务的框架，与 Prometheus 的结合可以实现对 Spring Boot 应用的实时监控。本文将介绍如何使用 Prometheus 监控 Spring Boot 应用。

一、Prometheus 简介

Prometheus 是一个开源的系统监控和警报工具包，它通过采集和存储指标（metrics），提供了强大的数据查询语言，可以帮助我们分析和理解应用程序的行为。Prometheus 的核心组件是 Prometheus Server，它负责采集监控指标并提供查询接口。

二、Spring Boot Actuator

Spring Boot Actuator 是 Spring Boot 提供的一系列用于监控和管理 Spring Boot 应用的工具。它提供了许多端点（endpoints），例如 /health、/info、/metrics 等，这些端点可以公开应用的内部信息，如健康状态、配置信息和度量指标。

三、集成 Prometheus 和 Spring Boot

要将 Prometheus 与 Spring Boot 应用集成，我们需要执行以下步骤：

3.1 添加依赖

首先，将 Spring Boot Actuator 和 Micrometer Prometheus Registry 添加到项目的依赖中。Actuator 提供了一系列内置端点，用于显示运行应用的性能信息，如健康状况、指标等。Micrometer Prometheus registry 会将这些指标格式化为 Prometheus 可读格式。

xml

<dependencies>
    <!-- Spring Boot Actuator -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-actuator</artifactId>
        <version>2.7.15</version>
    </dependency>
    <!-- Micrometer Prometheus Registry -->
    <dependency>
        <groupId>io.micrometer</groupId>
        <artifactId>micrometer-registry-prometheus</artifactId>
        <version>1.9.14</version>
    </dependency>
</dependencies>

3.2 配置 Actuator

在 application.yml 或 application.properties 文件中配置 Actuator 以暴露 Prometheus 端点。例如，在 application.yml 中：

yaml

management:
  endpoints:
    web:
      exposure:
        include: '*'
    metrics:
      export:
        prometheus:
          enabled: true
  endpoints:
    web:
      base-path: "/status" # 将/actuator/xxx修改为/status/xxx，防止被猜到
      server:
        request:
          metric-name: "application:request" # 自定义接口指标名
      client:
        request:
          metric-name: "application:client_request" # 自定义http客户端指标名
  server:
    port: 10111 # 指定端口，默认跟server.port一样，可以防止被猜到

3.3 配置 Prometheus

下载并运行 Prometheus Server，然后从 Prometheus 官网或 GitHub 仓库获取适用于您操作系统的版本。启动 Prometheus Server 后，需要修改其配置文件 prometheus.yml，以便添加 Spring Boot 应用作为监控目标。

yaml

global:
  scrape_interval: 15s
scrape_configs:
  - job_name: "prometheus"
    static_configs:
      - targets: ["localhost:9090"]
  - job_name: 'prometheusapp'
    metrics_path: '/actuator/prometheus'
    static_configs:
      - targets: ['localhost:8080']

四、监控落地

基于 Prometheus + Grafana 的监控落地，包括安装 Prometheus + Grafana、导入依赖、配置 Prometheus 拉取数据以及配置 Grafana 监控面板。

五、总结

通过上述步骤，我们可以成功地将 Prometheus 与 Spring Boot 应用集成，实现对应用的实时监控。

监控结果与可观察的指标

在Spring Boot应用中整合Prometheus后，我们可以监控到一系列关键的性能指标，这些指标对于理解应用的行为和健康状况至关重要。以下是一些主要的监控结果和可观察的指标：

1. 系统和JVM指标

• CPU使用率：监控系统CPU的使用情况，可以通过PromQL查询rate(process_cpu_seconds_total[5m])来获取。

• 内存使用情况：包括堆内存和非堆内存的使用情况，可以通过jvm_memory_used_bytes等指标来监控。

• 垃圾回收（GC）：监控JVM的垃圾回收情况，包括GC次数和耗时，可以通过jvm_gc_collection_seconds_sum等指标来监控。

2. 应用性能指标

• 请求处理时间：监控接口的响应时间，可以通过http_server_requests_seconds等指标来获取。

• 请求量：监控接口的请求次数，可以通过http_server_requests_total等指标来监控。

• 错误率：监控接口的错误请求次数，可以通过http_server_requests_seconds_count等指标来监控。

3. 业务指标

• 订单总额：模拟订单系统的实时订单总额，可以通过自定义指标order_amount_sum来监控。

• 下单失败率：监控10分钟内的下单失败率，可以通过自定义指标来实现监控。

• 请求失败数：监控请求失败的次数，可以通过自定义指标来实现监控。

4. 容器和部署指标

• 容器启动时间：监控容器的启动时间，可以通过自定义脚本和Prometheus的pushgateway来实现。

• 容器运行时指标：监控容器的运行时指标，如资源使用情况等。

5. 自定义指标

• 接口调用次数和耗时：通过自定义指标来监控特定接口的调用次数和耗时，可以通过method_rt等指标来监控。

• 订单请求次数：通过自定义指标metrics_request_count来监控订单请求的次数。

通过这些指标，我们可以对Spring Boot应用的性能和健康状况有一个全面的了解。这些数据不仅可以帮助我们及时发现和解决问题，还可以用于性能优化和故障排查。通过Grafana等可视化工具，我们可以将这些指标以图表的形式展示出来，使得监控结果更加直观和易于理解。

 如何通过Prometheus监控分布式系统的指标？

要通过Prometheus监控分布式系统的指标，可以遵循以下步骤和最佳实践：

1. 选择合适的监控指标

根据Google的分布式监控经验，推荐的四个黄金指标包括[1]：

• 延迟：服务请求的时间，反映用户体验和系统核心性能。

• 通讯量：监控当前系统的流量，用于衡量服务的容量需求。

• 错误：监控当前系统所有发生的错误请求，衡量当前系统错误发生的速率。

• 饱和度：衡量当前服务的饱和度，主要强调最能影响服务状态的受限制的资源，如内存状态。

2. 使用Exporter收集数据

Prometheus通过Exporter来收集分布式系统中的数据。常见的Exporter包括[11]：

• NodeExporter：收集主机的CPU、内存、磁盘等信息。

• 其他Exporter：根据需要监控的具体服务或组件，可能需要使用特定的Exporter。

3. 配置Prometheus

配置Prometheus的prometheus.yml文件，定义如何拉取不同Exporter的数据[11]：

yaml

scrape_configs:
  - job_name: 'node'
    static_configs:
      - targets: ['localhost:8080']

这将配置Prometheus从NodeExporter的:8080端口拉取数据。

4. 多集群监控方案

在分布式云场景下，可以采用TMP+TDCC方案，通过在中心账号下创建TMP监控实例，并在该账号下开启TDCC HUB集群，将其他账号下的集群统一注册到TDCC HUB集群中，实现一套监控系统采集所有集群的指标[9]。

5. 聚合查询与指标数据量

对于多集群数据存放在一起的情况，可以进行预聚合以减少查询时Prometheus的压力和反馈耗时[9]。同时，需要注意监控数据的总量，建议所有集群总的数据量不超过450w。

6. 可视化与告警

使用Grafana与Prometheus结合，实现数据的可视化展示[12]。同时，可以设置告警规则，当特定指标超过阈值时触发告警。

7. 监控指标的类型

Prometheus主要有四种类型的监控指标[10]：

1. Counter：只增不减的计数器，如HTTP访问量。

2. Gauge：反映系统的当前状态，可增可减，如CPU使用率。

3. Histogram：用于统计和分析样本的分布情况。

4. Summary：与Histogram类似，但提供了分位数统计。

通过上述步骤和实践，可以有效地通过Prometheus监控分布式系统的指标，确保系统的稳定性和性能。