程序员人生 网站导航

基于dropwizard/metrics ,kafka,zabbix构建应用统计数据收集展示系统

栏目:框架设计时间:2015-03-12 09:02:13

新blog地址:http://hengyunabc.github.io/about-metrics/


想要实现的功能

  • 利用可以用少许的代码,实现统计某类数据的功能
  • 统计的数据可以很方便地展现

metrics

metrics,按字面意思是度量,指标。

举具体的例子来讲,1个web服务器
- 1分钟内要求多少次?
- 平均要求耗时多长?
- 最长要求时间?
- 某个方法的被调用次数,时长?

以缓存为例:
- 平均查询缓存时间?
- 缓存获得不命中的次数/比例?

以jvm为例:
- GC的次数?
- Old Space的大小?

在1个利用里,需要搜集的metrics数据是多种多样的,需求也是各不同的。需要1个统1的metrics搜集,统计,展现平台。

流行的metrics的库

https://github.com/dropwizard/metrics
java实现,很多开源项目用到,比如hadoop,kafka。下面称为dropwizard/metrics。

https://github.com/tumblr/colossus
scala实现,把数据存到OpenTsdb上。

spring boot 项目里的metrics:

http://docs.spring.io/spring-boot/docs/current/reference/html/production-ready-metrics.html

spring boot里的metrics很多都是参考dropwizard/metrics的。

metrics的种类

dropwizard/metrics 里主要把metrics分为下面几大类:

https://dropwizard.github.io/metrics/3.1.0/getting-started/

Gauges

gauge用于丈量1个数值。比如队列的长度:

public class QueueManager { private final Queue queue; public QueueManager(MetricRegistry metrics, String name) { this.queue = new Queue(); metrics.register(MetricRegistry.name(QueueManager.class, name, "size"), new Gauge<Integer>() { @Override public Integer getValue() { return queue.size(); } }); } }

Counters

counter是AtomicLong类型的gauge。比如可以统计阻塞在队列里的job的数量:

private final Counter pendingJobs = metrics.counter(name(QueueManager.class, "pending-jobs")); public void addJob(Job job) { pendingJobs.inc(); queue.offer(job); } public Job takeJob() { pendingJobs.dec(); return queue.take(); }

Histograms

histogram统计数据的散布。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, and 99.9百分位的值(percentiles)。

比如request的大小的散布:

private final Histogram responseSizes = metrics.histogram(name(RequestHandler.class, "response-sizes")); public void handleRequest(Request request, Response response) { // etc responseSizes.update(response.getContent().length); }

Timers

timer正如其名,统计的是某部份代码/调用的运行时间。比如统计response的耗时:

private final Timer responses = metrics.timer(name(RequestHandler.class, "responses")); public String handleRequest(Request request, Response response) { final Timer.Context context = responses.time(); try { // etc; return "OK"; } finally { context.stop(); } }

Health Checks

这个实际上不是统计数据。是接口让用户可以自己判断系统的健康状态。如判断数据库是不是连接正常:

final HealthCheckRegistry healthChecks = new HealthCheckRegistry(); public class DatabaseHealthCheck extends HealthCheck { private final Database database; public DatabaseHealthCheck(Database database) { this.database = database; } @Override public HealthCheck.Result check() throws Exception { if (database.isConnected()) { return HealthCheck.Result.healthy(); } else { return HealthCheck.Result.unhealthy("Cannot connect to " + database.getUrl()); } } }

Metrics Annotation

利用dropwizard/metrics 里的annotation,可以很简单的实现统计某个方法,某个值的数据。
如:

/** * 统计调用的次数和时间 */ @Timed public void call() { } /** * 统计登陆的次数 */ @Counted public void userLogin(){ }

想要详细了解各种metrics的实际效果,简单的运行下测试代码,用ConsoleReporter输出就能够知道了。

metrics数据的传输和展现

dropwizard/metrics 里提供了reporter的接口,用户可以自己实现如何处理metrics数据。

dropwizard/metrics有很多现成的reporter:

ConsoleReporter 输出到stdout JmxReporter 转化为MBean metrics-servlets 提供http接口,可以查询到metrics信息 CsvReporter 输出为CSV文件 Slf4jReporter 以log方式输出 GangliaReporter 上报到Ganglia GraphiteReporter 上报到Graphite

上面的各种reporter中,Ganglia开源多年,但缺少1些监控的功能,图形展现也很简陋。Graphite已停止开发了。

而公司所用的监控系统是zabbix,而dropwizard/metrics没有现成的zabbix reporter。

zabbix的限制

zabbix上报数据通经常使用zabbix agent或zabbix trapper。
用户自己上报的数据通经常使用zabbix trapper来上报。

zabbix上搜集数据的叫item,每一个item都有自己的key,而这些item不会自动创建。zabbix有Low-level discovery,可以自动创建item,但是也相当麻烦,而且key的命名非常奇怪。不如直接用template了。

https://www.zabbix.com/documentation/2.4/manual/discovery/low_level_discovery

假定zabbix上不同的利用的key都是相对固定的,那末就能够通过模板的方式,比较方便地统1创建item, graph了。

另外想要实现自动创建item,比较好的办法是通过zabbix api了。

但目前Java版没有实现,因而实现了1个简单的:

https://github.com/hengyunabc/zabbix-api

dropwizard/metrics zabbix reporter

基于上面的template的思路,实现了1个dropwizard/metrics 的zabbix reporter。

原理是,通过zabbix sender,把metrics数据直接发送到zabbix server上。

https://github.com/hengyunabc/zabbix-sender

https://github.com/hengyunabc/metrics-zabbix

dropwizard/metrics发送到kafka,再从kafka发到zabbix

上面的方案感觉还是不太理想:
- 没有实现自动化,还要手动为每个利用配置template,不够灵活
- 所有的数据都发送到1个zabbix server上,担心性能有瓶颈
因而,新的思路是,把metrics数据发送到kafka上,然后再从kafka上消费,再把数据传到zabbix server上。

这样的好处是:
- kafka可以灵活扩容,不会有性能瓶颈
- 从kafka上消费metrics数据,可以灵活地用zabbix api来创建item, graph

因而实现了两个新项目:
- https://github.com/hengyunabc/metrics-kafka
- https://github.com/hengyunabc/kafka-zabbix

Java程序先把metrics数据上报到kafka,然后kafka consumer从metrics数据里,提取出host, key信息,再用zabbix-api在zabbix server上创建item,最后把metrics数据上报给zabbix server。

自动创建的zabbix item的效果图:
zabbix-api-create-zabbix-item

在zabbix上显示的用户自定义的统计数据的图:
zabbix-test-response-size

数据的聚合

比如,统计接口的访问次数,而这个接口部署在多台服务器上,那末如何展现聚合的数据?

zabbix自带有聚合功能,参考:

http://opsnotes.net/2014/10/24/zabbix_juhe/ 实战:Zabbix 聚合功能配置与利用

metrics的实现的探讨

从dropwizard/metrics里,我们可以看到1种简单直观的实现:
- app内搜集统计数据,计算好具体的key/value
- 定时上报

另外,用散布式调用追踪(dapper/zipkin)的办法,也能够实现部份metrics的功能。
比如某个方法的调用次数,缓存命中次数等。

固然,二者只是部份功能有重合。

dropwizard/metrics 是1种轻量级的手段,用户可以随便增加自己想要的统计数据,代码也很灵活。有些简单直观的统计数据如果用散布式调用追踪的方式来做,明显会比较费劲,得不偿失。

总结

本文提出并实现了,利用dropwizard/metrics做数据统计,kafka做数据传输,zabbix做数据展现的完全流程。

对开发者来讲,不需要关心具体的实现,只需要按dropwizard/metrics的文档做统计,再配置上metrics-kafka reporter便可。

------分隔线----------------------------
------分隔线----------------------------

最新技术推荐