1.2 安装

Linux 安装

官网指定下载包: https://prometheus.io/download/

下载本地安装启动

wget https://github.com/prometheus/prometheus/releases/download/v2.26.0/prometheus-2.26.0.linux-amd64.tar.gz

tar -zxvf prometheus-2.26.0.linux-amd64.tar.gz
cd prometheus-2.26.0.linux-amd64

# 启动命令
./prometheus

启动完毕之后，本地访问
http://127.0.0.1:9090/graph 可以看到默认提供的界面

2. SpringBoot应用接入

我们演示的SpringBoot为2.0+，因此直接选择 io.micrometer 的依赖包来实现；更低版本的不能使用这种姿势，可以直接使用官方提供的client来实现；这里不进行扩展

2.1 依赖配置

借助SpringBoot的actuator来提供扩展端点（所以本文采用的是Prometheus的拉工作模式）

SpringBoot版本为 2.2.1.RELEASE

核心依赖

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-actuator</artifactId>
    </dependency>

    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>

    <dependency>
        <groupId>io.micrometer</groupId>
        <artifactId>micrometer-registry-prometheus</artifactId>
    </dependency>
</dependencies>

yaml配置文件，需要指定Prometheus相关的参数，一个demo如下

spring:
  application:
    name: prometheus-example
management:
  endpoints:
    web:
      exposure:
        include: "*"
  metrics:
    tags:
      application: ${spring.application.name}

注意

management.endpoints.web.exposure.include 这里指定所有的web接口都会上报
metrics.tags.application 这个应用所有上报的metrics 都会带上 application 这个标签

上面配置完毕之后，会提供一个 /actuator/prometheus 的端点，供prometheus来拉取Metrics信息

2.2 应用启动

对于SpringBoot而言，此时就不需要额外做什么，就可以实现应用的基本信息上报了

一个简单的demo如下

@RestController
@SpringBootApplication
public class Application {
    private Random random = new Random();
true
    // 一个用于演示的http接口
    @GetMapping(path = "hello")
    public String hello(String name) {
        int sleep = random.nextInt(200);
        try {
            Thread.sleep(sleep);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        return "hello sleep: " + sleep + " for " + name;
    }

    public static void main(String[] args) {
        SpringApplication.run(Application.class);
    }

    // 注意，这个是注册的核心代码块
    @Bean
    MeterRegistryCustomizer<MeterRegistry> configurer(@Value("${spring.application.name}") String applicationName) {
        return (registry) -> registry.config().commonTags("application", applicationName);
    }
}

到此，springboot应用的监控就算是完成了；接下来配置一下prometheus的服务端

3. prometheus 配置与实测

在前面下载的包下面，有一个配置文件 prometheus.yml ，新增一个Job

- job_name: 'prometheus-example'
true# 抓取频率
  scrape_interval: 5s
  # 抓取的端点
  metrics_path: '/actuator/prometheus'
  static_configs:
  	# 目标机器，数组，也就是说支持集群拉取
    - targets: ['127.0.0.1:8080']

修改配置之后，需要重启一下，当服务启动之后，可以在控制台上我们的应用信息

接下来访问Graph，选择metric:
http_server_requests_seconds_count 可以看到一条抓起metric的记录

前面我们定义了一个Controller，接下来简单访问几次，然后再看一下，会发现多一条记录

这些数据由框架层直接集成，实现REST接口的相关信息上报，借助这个metric，我们可以实现qps的统计

3.1 qps统计

sum(rate(http_server_requests_seconds_count{application="prometheus-example"}[10s]))

rate: 用于统计增长趋势，要求上报的Metric为Counter类型（只增不减）
irate: 与rate相似，区别在于rate统计的是一段时间内的平均增长速率，无法反应这个时间窗口内的突发情况（即瞬时高峰），irate通过区间向量中最后两个样本数据来计算增长速率，但是当选用的区间范围较大时，可能造成不小的偏差
sum: 求和，适用于统计场景

更多内置函数，可以参考: PromQL内置函数

3.2 耗时统计

除了qps，另外一个经常关注的指标就是rt了，如上面接口的平均rt，通过两个Metric的组合来实现

sum(rate(http_server_requests_seconds_sum{application="prometheus-example"}[10s])) / sum(rate(http_server_requests_seconds_count{application="prometheus-example"}[10s]))