Metrics,我們聽到的太多了,熟悉大資料系統的不可能沒聽說過metrics,當我們需要為某個系統某個服務做監控、做統計,就需要用到Metrics。
舉個例子,一個圖檔壓縮服務:
- 每秒鐘的請求數是多少(TPS)?
- 平均每個請求處理的時間?
- 請求處理的最長耗時?
- 等待處理的請求隊列長度?
又或者一個緩存服務:
- 緩存的命中率?
- 平均查詢緩存的時間?
基本上每一個服務、應用都需要做一個監控系統,這需要盡量以少量的代碼,實作統計某類資料的功能。
以 Java 為例,目前最為流行的 metrics 庫是來自 Coda Hale 的 dropwizard/metrics,該庫被廣泛地應用于各個知名的開源項目中。例如 Hadoop,Kafka,Spark,JStorm 中。
本文就結合範例來主要介紹下 dropwizard/metrics 的概念和用法。
Maven 配置
我們需要在
pom.xml
中依賴
metrics-core
包:
<dependencies>
<dependency>
<groupId>io.dropwizard.metrics</groupId>
<artifactId>metrics-core</artifactId>
<version>${metrics.version}</version>
</dependency>
</dependencies> |
Metric Registries
MetricRegistry
類是Metrics的核心,它是存放應用中所有metrics的容器。也是我們使用 Metrics 庫的起點。
每一個 metric 都有它獨一無二的名字,Metrics 中使用句點名字,如 com.example.Queue.size。當你在 com.example.Queue 下有兩個 metric 執行個體,可以指定地更具體:com.example.Queue.requests.size 和 com.example.Queue.response.size 。使用
MetricRegistry
類,可以非常友善地生成名字。
MetricRegistry.name(Queue.class, "requests", "size")
MetricRegistry.name(Queue.class, "responses", "size")
|
Metrics 資料展示
Metircs 提供了 Report 接口,用于展示 metrics 擷取到的統計資料。
metrics-core
中主要實作了四種 reporter:JMX, console, SLF4J, 和 CSV。 在本文的例子中,我們使用 ConsoleReporter 。
五種 Metrics 類型
Gauges
最簡單的度量名額,隻有一個簡單的傳回值,或者叫瞬時狀态,例如,我們想衡量一個待處理隊列中任務的個數,代碼如下:
public class GaugeTest {
public static Queue<String> q = new LinkedList<String>();
public static void main(String[] args) throws InterruptedException {
MetricRegistry registry = new MetricRegistry();
ConsoleReporter reporter = ConsoleReporter.forRegistry(registry).build();
reporter.start(1, TimeUnit.SECONDS);
registry.register(MetricRegistry.name(GaugeTest.class, "queue", "size"),
new Gauge<Integer>() {
public Integer getValue() {
return q.size();
}
});
while(true){
Thread.sleep(1000);
q.add("Job-xxx");
}
}
}
|
運作之後的結果如下:
-- Gauges ------------------------------------------------
com.alibaba.wuchong.metrics.GaugeTest.queue.size
value = 6
|
其中第7行和第8行添加了ConsoleReporter,可以每秒鐘将度量名額列印在螢幕上,了解起來會更清楚。
但是對于大多數隊列資料結構,我們并不想簡單地傳回
queue.size()
,因為
java.util
和
java.util.concurrent
中實作的
#size()
方法很多都是 O(n) 的複雜度,這會影響 Gauge 的性能。
Counters
Counter 就是計數器,Counter 隻是用 Gauge 封裝了
AtomicLong
。我們可以使用如下的方法,使得獲得隊列大小更加高效。
public class CounterTest {
public static Queue<String> q = new LinkedBlockingQueue<String>();
public static Counter pendingJobs;
public static Random random = new Random();
public static void addJob(String job) {
pendingJobs.inc();
q.offer(job);
}
public static String takeJob() {
pendingJobs.dec();
return q.poll();
}
public static void main(String[] args) throws InterruptedException {
MetricRegistry registry = new MetricRegistry();
ConsoleReporter reporter = ConsoleReporter.forRegistry(registry).build();
reporter.start(1, TimeUnit.SECONDS);
pendingJobs = registry.counter(MetricRegistry.name(Queue.class,"pending-jobs","size"));
int num = 1;
while(true){
Thread.sleep(200);
if (random.nextDouble() > 0.7){
String job = takeJob();
System.out.println("take job : "+job);
}else{
String job = "Job-"+num;
addJob(job);
System.out.println("add job : "+job);
}
num++;
}
}
}
|
運作之後的結果大緻如下:
add job : Job-15
add job : Job-16
take job : Job-8
take job : Job-10
add job : Job-19
15-8-1 16:11:31 ============================================
-- Counters ----------------------------------------------
java.util.Queue.pending-jobs.size
count = 5
|
Meters
Meter度量一系列事件發生的速率(rate),例如TPS。Meters會統計最近1分鐘,5分鐘,15分鐘,還有全部時間的速率。
public class MeterTest {
public static Random random = new Random();
public static void request(Meter meter){
System.out.println("request");
meter.mark();
}
public static void request(Meter meter, int n){
while(n > 0){
request(meter);
n--;
}
}
public static void main(String[] args) throws InterruptedException {
MetricRegistry registry = new MetricRegistry();
ConsoleReporter reporter = ConsoleReporter.forRegistry(registry).build();
reporter.start(1, TimeUnit.SECONDS);
Meter meterTps = registry.meter(MetricRegistry.name(MeterTest.class,"request","tps"));
while(true){
request(meterTps,random.nextInt(5));
Thread.sleep(1000);
}
}
}
|
運作結果大緻如下:
request
15-8-1 16:23:25 ============================================
-- Meters ------------------------------------------------
com.alibaba.wuchong.metrics.MeterTest.request.tps
count = 134
mean rate = 2.13 events/second
1-minute rate = 2.52 events/second
5-minute rate = 3.16 events/second
15-minute rate = 3.32 events/second
|
注:非常像 Unix 系統中 uptime 和 top 中的 load。
Histograms
Histogram統計資料的分布情況。比如最小值,最大值,中間值,還有中位數,75百分位, 90百分位, 95百分位, 98百分位, 99百分位, 和 99.9百分位的值(percentiles)。
比如request的大小的分布:
public class HistogramTest {
public static Random random = new Random();
public static void main(String[] args) throws InterruptedException {
MetricRegistry registry = new MetricRegistry();
ConsoleReporter reporter = ConsoleReporter.forRegistry(registry).build();
reporter.start(1, TimeUnit.SECONDS);
Histogram histogram = new Histogram(new ExponentiallyDecayingReservoir());
registry.register(MetricRegistry.name(HistogramTest.class, "request", "histogram"), histogram);
while(true){
Thread.sleep(1000);
histogram.update(random.nextInt(100000));
}
}
}
|
運作之後結果大緻如下:
-- Histograms --------------------------------------------
java.util.Queue.queue.histogram
count = 56
min = 1122
max = 99650
mean = 48735.12
stddev = 28609.02
median = 49493.00
75% <= 72323.00
95% <= 90773.00
98% <= 94011.00
99% <= 99650.00
99.9% <= 99650.00
|
Timers
Timer其實是 Histogram 和 Meter 的結合, histogram 某部分代碼/調用的耗時, meter統計TPS。
public class TimerTest {
public static Random random = new Random();
public static void main(String[] args) throws InterruptedException {
MetricRegistry registry = new MetricRegistry();
ConsoleReporter reporter = ConsoleReporter.forRegistry(registry).build();
reporter.start(1, TimeUnit.SECONDS);
Timer timer = registry.timer(MetricRegistry.name(TimerTest.class,"get-latency"));
Timer.Context ctx;
while(true){
ctx = timer.time();
Thread.sleep(random.nextInt(1000));
ctx.stop();
}
}
}
|
運作之後結果如下:
-- Timers ------------------------------------------------
com.alibaba.wuchong.metrics.TimerTest.get-latency
count = 38
mean rate = 1.90 calls/second
1-minute rate = 1.66 calls/second
5-minute rate = 1.61 calls/second
15-minute rate = 1.60 calls/second
min = 13.90 milliseconds
max = 988.71 milliseconds
mean = 519.21 milliseconds
stddev = 286.23 milliseconds
median = 553.84 milliseconds
75% <= 763.64 milliseconds
95% <= 943.27 milliseconds
98% <= 988.71 milliseconds
99% <= 988.71 milliseconds
99.9% <= 988.71 milliseconds
|
其他
初次之外,Metrics還提供了 HealthCheck 用來檢測某個某個系統是否健康,例如資料庫連接配接是否正常。還有Metrics Annotation,可以很友善地實作統計某個方法,某個值的資料。感興趣的可以點進連結看看。
使用經驗總結
一般情況下,當我們需要統計某個函數被調用的頻率(TPS),會使用Meters。當我們需要統計某個函數的執行耗時時,會使用Histograms。當我們既要統計TPS又要統計耗時時,我們會使用Timers。
轉 自 http://wuchong.me/blog/2015/08/01/getting-started-with-metrics/