Micrometer 核心概念 详解

Micrometer 是一个用于监控和度量（Metrics）的 Java 库，广泛用于 Spring Boot 2.x 及以上版本中，作为应用性能监控（APM）的基础组件。它为开发者提供了一套统一的 API，用于收集应用的运行时指标（如计数器、计时器、仪表等），并支持将这些指标导出到多种监控系统（如 Prometheus、Graphite、InfluxDB、Datadog 等）。

下面详细讲解 Micrometer 的核心概念：

---

一、Micrometer 的核心目标

Micrometer 的设计目标是：

• 提供统一的 API 来收集应用指标。
• 解耦监控后端（如 Prometheus）与应用代码。
• 支持多监控系统（通过不同的 MeterRegistry 实现）。
• 高性能、低开销。

---

二、核心概念详解

1. Meter（度量器）

Meter 是 Micrometer 中最基本的抽象，表示一个具体的度量指标。每个 Meter 都有：

• 名称（name）
• 标签（tags）
• 类型（counter, timer, gauge, etc.）
• 时间戳和值

Meter 不是直接创建的，而是通过 MeterRegistry 创建。

---

2. MeterRegistry（度量注册表）

MeterRegistry 是 Micrometer 的核心组件，负责：

• 创建和管理所有的 Meter。
• 将指标数据导出到后端监控系统（如 Prometheus）。
• 提供统一的 API 来注册和访问指标。

@Bean
public MeterRegistryCustomizer<MeterRegistry> metricsCommonTags() {
    return registry -> registry.config().commonTags("application", "my-app");
}

常见的 MeterRegistry 实现：

• PrometheusMeterRegistry：导出为 Prometheus 格式
• InfluxMeterRegistry：发送到 InfluxDB
• DatadogMeterRegistry：发送到 Datadog
• SimpleMeterRegistry：内存中存储，用于测试

---

3. Meter 的类型（核心指标类型）

Micrometer 提供了多种 Meter 类型，对应不同的监控场景：

（1）Counter（计数器）

• 用途：单调递增的计数器，用于记录事件发生的次数。
• 特点：只能增加，不能减少（increment()）。
• 适用场景：HTTP 请求次数、错误数、消息消费数等。

Counter counter = Counter.builder("http.requests")
    .tag("method", "GET")
    .register(registry);
counter.increment();

（2）Gauge（仪表）

• 用途：测量当前瞬时值（如内存使用量、队列大小）。
• 特点：可增可减，反映当前状态。
• 注意：Gauge 通常通过回调函数获取值。

List<String> queue = new LinkedList<>();
Gauge.builder("queue.size", queue, List::size)
    .register(registry);

⚠️ 不要用于高频更新的值（性能开销大）

（3）Timer（计时器）

• 用途：记录操作的执行时间（如 HTTP 请求耗时）。
• 特点：记录时间分布（max、mean、percentiles、histogram）。
• 内部使用 DistributionSummary + 时间单位。

Timer timer = Timer.builder("http.server.requests")
    .tag("uri", "/api/users")
    .register(registry);

timer.record(Duration.ofMillis(100));

也可使用 time() 方法简化：

timer.record(() -> {
    // 执行业务逻辑
});

（4）DistributionSummary（分布摘要）

• 用途：记录事件的大小或数量的分布（如请求体大小、响应字节数）。
• 特点：不关心时间，只关心数值分布（count、total、max、percentiles）。

DistributionSummary summary = DistributionSummary.builder("request.size")
    .register(registry);
summary.record(1024); // 记录请求大小

（5）LongTaskTimer（长任务计时器）

• 用途：测量长时间运行的任务（如批处理、异步任务）。
• 特点：记录正在运行的任务数量和持续时间。

LongTaskTimer timer = LongTaskTimer.builder("batch.job.duration")
    .register(registry);

LongTaskTimer.Sample sample = timer.start();
// 执行任务
sample.stop();

（6）FunctionCounter / FunctionTimer / FunctionGauge

• 用途：基于已有对象的值自动暴露为指标。
• 特点：无需手动更新，通过函数回调自动获取值。

Queue<String> queue = new ConcurrentLinkedQueue<>();

FunctionGauge.builder("queue.size", queue, q -> q.size())
    .register(registry);

推荐使用 FunctionGauge 而非手动 Gauge，更安全高效。

---

4. Tag（标签）

• 作用：为指标添加维度，实现多维数据切片分析。
• 格式：键值对（key=value），如 status=200, method=GET
• 重要性：Prometheus 等系统依赖标签进行查询和聚合。

registry.counter("requests", "method", "GET", "status", "200");

✅ 建议：

• 标签值不应无限增长（避免“标签爆炸”）。
• 使用有意义的标签名（如 uri, status, exception）。

---

5. Naming Convention（命名规范）

Micrometer 推荐使用 小写 + 点分隔 的命名方式，例如：

• http.server.requests
• jvm.memory.used
• cache.evictions

避免使用大写、特殊字符或下划线。

---

6. 自动指标（Auto-configured Metrics）

Spring Boot 自动配置了许多开箱即用的指标，例如：

• JVM 相关：jvm.memory.used, jvm.threads.live
• HTTP 请求：http.server.requests
• Tomcat 连接池：tomcat.threads.busy
• 缓存：cache.gets, cache.puts
• 数据库连接池：hikari.connections.active

这些指标由 MeterBinder 自动注册。

---

7. MeterBinder（度量绑定器）

用于封装一组相关指标的注册逻辑。Spring Boot 中很多自动指标都是通过 MeterBinder 实现的。

@Component
public class CustomMetricsBinder implements MeterBinder {

    private final AtomicInteger activeUsers = new AtomicInteger(0);

    @Override
    public void bindTo(MeterRegistry registry) {
        Gauge.builder("users.active", activeUsers, AtomicInteger::get)
            .register(registry);
    }
}

---

8. MeterFilter（度量过滤器）

用于控制哪些指标被注册、重命名、添加标签、拒绝等。

@Bean
public MeterFilter meterFilter() {
    return MeterFilter.deny(id -> id.getName().startsWith("jvm."));
}

常用操作：

• MeterFilter.accept()：允许
• MeterFilter.deny()：拒绝
• MeterFilter.rename()：重命名
• MeterFilter.commonTags()：添加通用标签

---

三、与 Prometheus 集成示例

# application.yml
management:
  endpoints:
    web:
      exposure:
        include: prometheus
  metrics:
    export:
      prometheus:
        enabled: true

访问 /actuator/prometheus 即可看到指标：

http_server_requests_seconds_count{method="GET",uri="/api/users",status="200"} 42.0
http_server_requests_seconds_max{method="GET",uri="/api/users",status="200"} 0.123

---

四、最佳实践

1. 合理使用标签：避免高基数标签（如用户ID、IP地址）。
2. 优先使用自动指标：Spring Boot 已提供大量有用指标。
3. 自定义指标要有业务意义：如订单创建数、支付成功率。
4. 避免频繁创建 Meter：应缓存或复用。
5. 使用 Timer 而非手动记录时间：避免精度和异常问题。
6. 监控指标本身的健康：如 meter.registry.errors。

---

五、总结

概念	说明
Meter	指标的基本单位
MeterRegistry	管理所有 Meter 并导出数据
Counter	递增计数器
Gauge	当前瞬时值
Timer	执行时间统计
DistributionSummary	数值分布统计
Tag	为指标添加维度
MeterBinder	封装指标注册逻辑
MeterFilter	控制度量行为

---

Micrometer 通过简洁的 API 和强大的后端支持，成为现代 Java 应用监控的事实标准。掌握其核心概念，有助于构建可观测性强、易于运维的系统。