Loading... 上篇传送门： <div class="preview"> <div class="post-inser post box-shadow-wrap-normal"> <a href="http://www.tangsong.fun/index.php/Prometheus2.html" target="_blank" class="post_inser_a no-external-link no-underline-link"> <div class="inner-image bg" style="background-image: url(https://blog-picture01.oss-cn-shenzhen.aliyuncs.com/img/20210128155756.PNG);background-size: cover;"></div> <div class="inner-content" > <p class="inser-title">[Prometheus]实战：SpringBoot + Actuator metrics + Prometheus</p> <div class="inster-summary text-muted"> 上篇传送门：SpringBoot配置Actuator metrics的监控Actuator 是 Spring Bo... </div> </div> </a> <!-- .inner-content #####--> </div> <!-- .post-inser ####--> </div> 对于大型项目来说，虽然在运维那边通过Prometheus通过频率控制定时拉取项目，但是后端这边仍然需要进行基于本地缓存的聚合上传。 <!--more--> 在官方文档的性能考虑中，提到这么一句话： > `labels()`的结果应该是可缓存的。带有标签的指标的并行映射往往相对较慢。而不带标签的默认指标则查找性能更高。labels在执行inc()/dec()/set()等时应避免阻塞，因为在进行拉取时，整个应用程序都会被阻塞。 也就是说，在之前的设计中。对于每次拦截的请求都做一次labels提交操作是非常影响性能的。 本地聚合上传的思路就是：在拦截非拉取端口的请求时，对所有的累加操作都只在本地进行。只有当走拉取端口的请求时，才通过 `labels.set()`方法将缓存结果打上去。 代码如下： **PrometheusSubmitFilter** ```java /** * Prometheus提交过滤器 * * @author CaiTianXin * @date 2021/03/01 */ public class PrometheusSubmitFilter implements Filter { @Override public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain) throws IOException, ServletException { HttpServletRequest req = (HttpServletRequest) request; SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyyMMddHHmm"); String requestUri = req.getRequestURI(); String time = simpleDateFormat.format(new Date()); // 如果访问的是该暴露的页面才提交 if (requestUri.contains("/actuator/prometheus")) { MyMetrics.submit(time); // 过滤静态文件 }else if (!requestUri.contains("/static/")) { String ip = GetIpAddressUtil.getIpAddr(req); MyMetrics.increase(ip, time); } chain.doFilter(request, response); } } ``` **InitPrometheus** ```java /** * init普罗米修斯 * * @author CaiTianXin * @date 2021/03/01 */ @Component public class InitPrometheus implements ApplicationListener<ContextRefreshedEvent> { @Resource PrometheusMeterRegistry meterRegistry; /** * 将Metrics标签注册到暴露给Prometheus监听的端口上 */ @Override public void onApplicationEvent(ContextRefreshedEvent event) { CollectorRegistry prometheusRegistry = meterRegistry.getPrometheusRegistry(); prometheusRegistry.register(MyMetrics.baseGauge); } } ``` **MyMetrics** ```java /** * 描述：Gauge实现的自定义标签、指标 （Counter没有set()方法） * 当Prometheus获取实例的HTTP端点时，客户库发送所有跟踪的度量指标数据到服务器上。而要做的则是在跟踪时做一些缓存。 * 在时间维度下，对ip、localIp进行缓存处理; 原先的path、method、code维度改从自带的标签http_server_requests_seconds_count中查看。 * * @author CaiTianXin * @date 2021/03/01 */ @Slf4j public class MyMetrics { private static final Logger logger = LoggerFactory.getLogger(MyMetrics.class); /** * ConcurrentSkipListMap：有序的哈希表，线程安全，通过跳表实现。（key有序、支持高并发） * ###### * ConcurrentSkipListMap<String, ConcurrentSkipListMap<String, Integer>>; * ↓ * timeMap<{time}, ipMap<String, Integer>>>; */ private static Map<Object, Object> map = new ConcurrentSkipListMap<>(); /** * 项目名，采用动态获取避免写死在一个系统 * 格式：xxx_tps */ public static String projectName; /** * 通过自定义工具类获取到application.yml上的service.code */ static { projectName = GetYmlPropertiesUtil.getCommonYml("service.code") + "_tps"; } /** * 指标：{projectName}_tps * 标签：ip、time、localIp * 格式：antispam_v2_tps{ip="127.0.0.1",time="202103020943",localIp="10.10.10.234",} 2.0 */ public static Gauge baseGauge = Gauge.build() .name(projectName) .labelNames("ip", "time", "localIp") .help("Three metric for this label.") .register(); /** * 缓存一次累加请求 * * @param time 时间戳 * @return boolean */ public static synchronized void increase(String ip, String time) { ConcurrentSkipListMap timeMap = (ConcurrentSkipListMap)map.get(projectName); if (timeMap != null) { ConcurrentSkipListMap<String, Integer> ipMap = (ConcurrentSkipListMap)timeMap.get(time); if (ipMap != null) { tpsIncrease(ip, ipMap); } else { initIpMap(time, ip, timeMap); } } else { timeMap = new ConcurrentSkipListMap(); initIpMap(time, ip, timeMap); map.put(projectName, timeMap); } } /** * tps增加1 * * @param ip ip * @param ipMap ipMap */ private static void tpsIncrease(String ip, ConcurrentSkipListMap<String, Integer> ipMap) { Integer tps = ipMap.get(ip); if (tps == null) { tps = 0; } tps = tps + 1; ipMap.put(ip, tps); } /** * 初始化ipMap * * @param time 时间戳 * @param ip ip * @param timeMap tumeMap */ private static void initIpMap(String time, String ip, ConcurrentSkipListMap timeMap) { ConcurrentSkipListMap<String, Integer> ipMap = new ConcurrentSkipListMap<>(); ipMap.put(ip, 1); timeMap.put(time, ipMap); } /** * 将时间戳前的缓存提交并清空 * * @param time 时间 * @return boolean */ public static boolean submit(String time) { // 获取到当前ip，如果ip获取失败，该方法直接当成成功返回。 String localIp = getLocalIp(); if (localIp == null) { return true; } ConcurrentSkipListMap projMap = (ConcurrentSkipListMap)map.get(projectName); if (projMap != null && projMap.size() > 0) { while(true) { Map.Entry<String, ConcurrentSkipListMap<String, Integer>> timeMap = projMap.floorEntry(time); // 这里包含了第一次就拿不到数据以及消费完的情况 if (timeMap == null) { return true; } Iterator iterator = ((ConcurrentSkipListMap)timeMap.getValue()).entrySet().iterator(); while(iterator.hasNext()) { Map.Entry tpsEle = (Map.Entry)iterator.next(); String ip = (String)tpsEle.getKey(); Integer tps = (Integer)tpsEle.getValue(); baseGauge.labels(ip, timeMap.getKey(), localIp).set(tps); } projMap.remove(timeMap.getKey()); } } else { logger.warn("{} no request", time); return false; } } /** * 通过java.net包获取当前ip * * @return String */ private static String getLocalIp() { String localIp = null; try { localIp = InetAddress.getLocalHost().getHostAddress(); } catch (UnknownHostException var2) { log.error("localip error"); } return localIp; } } ```   **一些思考：** 1. labels的标签名不能带有 `-`，需要转为下划线。 2. Counter只能进行累加操作，set()方法适用于Guage。 3. 按照之前方案一修改后的Ip、Local维度都是在时间维度之下，也就是说如果要统计path、method、code的话，要么在时间维度下再封装一层metricMap，里面封装各种指标；要么再分别另取时间缓存的timeMap存放各种指标。 但问题是path、method、code等指标重复度不大，说白了就是持久化和网络提交的性能比较。 4. 当前只针对ip、localip、time的话，只对访问次数的累加。 好处是：可以直接获取到时间范围内某ip的访问次数，而之前存有path、method、code的方案还需要对此进行累加。并且该三个指标可以通过Prometheus的默认指标 `http_server_requests_seconds_count`去获取。<br>坏处是：无法分析出时间域下哪个端口请求量大。 Last modification：August 21, 2022 © Allow specification reprint Like 0 喵ฅฅ