Metrics，谷歌翻译就是度量的意思。当我们需要为某个系统某个服务做监控、做统计，就需要用到Metrics。
举个栗子，一个图片压缩服务：
-
每秒钟的请求数是多少（TPS）？
-
平均每个请求处理的时间？
-
请求处理的最长耗时？
-
等待处理的请求队列长度？
又或者一个缓存服务：
-
缓存的命中率？
-
平均查询缓存的时间？
基本上每一个服务、应用都需要做一个监控系统，这需要尽量以少量的代码，实现统计某类数据的功能。
以 Java 为例，目前最为流行的 metrics 库是来自 Coda Hale 的 dropwizard/metrics，该库被广泛地应用于各个知名的开源项目中。例如 Hadoop，Kafka，Spark，JStorm 中。
本文就结合范例来主要介绍下 dropwizard/metrics 的概念和用法。
Maven 配置
我们需要在pom.xml中依赖 metrics-core 包：
<dependencies><dependency><groupId>io.dropwizard.metrics</groupId><artifactId>metrics-core</artifactId><version>${metrics.version}</version></dependency></dependencies>
|
注：在POM文件中需要声明 ${metrics.version} 的具体版本号，如 3.1.0
Metric Registries
MetricRegistry类是Metrics的核心，它是存放应用中所有metrics的容器。也是我们使用 Metrics 库的起点。
MetricRegistry registry = new MetricRegistry(); |
每一个 metric 都有它独一无二的名字，Metrics 中使用句点名字，如 com.example.Queue.size。当你在 com.example.Queue 下有两个 metric 实例，可以指定地更具体：com.example.Queue.requests.size 和 com.example.Queue.response.size 。使用MetricRegistry类，可以非常方便地生成名字。
MetricRegistry.name(Queue.class, "requests", "size")MetricRegistry.name(Queue.class, "responses", "size") |
Metrics 数据展示
Metircs 提供了 Report 接口，用于展示 metrics 获取到的统计数据。metrics-core中主要实现了四种 reporter： JMX, console, SLF4J, 和 CSV。 在本文的例子中，我们使用 ConsoleReporter 。
五种 Metrics 类型
Gauges
最简单的度量指标，只有一个简单的返回值，例如，我们想衡量一个待处理队列中任务的个数，代码如下：
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");}}}
|
运行之后的结果如下：
-- Gauges ------------------------------------------------com.alibaba.wuchong.metrics.GaugeTest.queue.sizevalue = 6 |
其中第7行和第8行添加了ConsoleReporter，可以每秒钟将度量指标打印在屏幕上，理解起来会更清楚。
但是对于大多数队列数据结构，我们并不想简单地返回queue.size()，因为java.util和java.util.concurrent中实现的#size()方法很多都是 O(n) 的复杂度，这会影响 Gauge 的性能。
Counters
Counter 就是计数器，Counter 只是用 Gauge 封装了 AtomicLong 。我们可以使用如下的方法，使得获得队列大小更加高效。
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++;}}}
|
运行之后的结果大致如下：
add job : Job-15add job : Job-16take job : Job-8take job : Job-10add job : Job-1915-8-1 16:11:31 ============================================-- Counters ----------------------------------------------java.util.Queue.pending-jobs.sizecount = 5 |
Meters
Meter度量一系列事件发生的速率(rate)，例如TPS。Meters会统计最近1分钟，5分钟，15分钟，还有全部时间的速率。
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);}}}
|
运行结果大致如下：
request15-8-1 16:23:25 ============================================-- Meters ------------------------------------------------com.alibaba.wuchong.metrics.MeterTest.request.tpscount = 134mean rate = 2.13 events/second1-minute rate = 2.52 events/second5-minute rate = 3.16 events/second15-minute rate = 3.32 events/second |
注：非常像 Unix 系统中 uptime 和 top 中的 load。
Histograms
Histogram统计数据的分布情况。比如最小值，最大值，中间值，还有中位数，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));}}}
|
运行之后结果大致如下：
-- Histograms --------------------------------------------java.util.Queue.queue.histogramcount = 56min = 1122max = 99650mean = 48735.12stddev = 28609.02median = 49493.0075% <= 72323.0095% <= 90773.0098% <= 94011.0099% <= 99650.0099.9% <= 99650.00 |
Timers
Timer其实是 Histogram 和 Meter 的结合， histogram 某部分代码/调用的耗时， meter统计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();}}}
|
运行之后结果如下：
-- Timers ------------------------------------------------com.alibaba.wuchong.metrics.TimerTest.get-latencycount = 38mean rate = 1.90 calls/second1-minute rate = 1.66 calls/second5-minute rate = 1.61 calls/second15-minute rate = 1.60 calls/secondmin = 13.90 millisecondsmax = 988.71 millisecondsmean = 519.21 millisecondsstddev = 286.23 millisecondsmedian = 553.84 milliseconds75% <= 763.64 milliseconds95% <= 943.27 milliseconds98% <= 988.71 milliseconds99% <= 988.71 milliseconds99.9% <= 988.71 milliseconds |
其他
初次之外，Metrics还提供了 HealthCheck 用来检测某个某个系统是否健康，例如数据库连接是否正常。还有Metrics Annotation，可以很方便地实现统计某个方法，某个值的数据。感兴趣的可以点进链接看看。
使用经验总结
一般情况下，当我们需要统计某个函数被调用的频率（TPS），会使用Meters。当我们需要统计某个函数的执行耗时时，会使用Histograms。当我们既要统计TPS又要统计耗时时，我们会使用Timers。
参考资料
本文代码已上传至GitHub。
转载请注明：学时网 » Metrics简单介绍
