在微服务体系当中，监控是必不可少的。当系统环境超过指定的阀值以后，需要提醒指定的运维人员或开发人员进行有效的防范，从而降低系统宕机的风险。在CNCF云计算平台中，Prometheus+Grafana是比较通用的解决方案，在SpringBoot2.0以后metrics默认与micrometer集成，而micrometer有关于Prometheus的MeterRegistry规范的实现，因此我们通过Micrometer这个桥梁能将SpringBoot的监控数据与Prometheus展示出来。然后通过Grafana提供的UI界面进行数据的实时展示。
Prometheus从对应的节点地址获取度量数据并在本地存储所有数据样例根据相关规则将现有数据聚合并记录新的时间序列（或者生成警报）。可以使用Grafana或其他API消费者来可视化收集的数据。
1. 编写SpringBoot项目并用docker启动
1.1 gradle依赖
compile 'org.springframework.boot:spring-boot-starter-actuator'
compile 'io.micrometer:micrometer-registry-prometheus:latest.release'
compile 'io.micrometer:micrometer-core:1.1.0'
AI 代码解读
1.2 开放prometheus的端点
在application.properties中编辑如下配置
management.endpoints.web.exposure.include=prometheus,health,info
AI 代码解读
1.3 配置与grafana集成所需的bean
/**
* 为了和grafana集成，因此必须配置这个bean
* @return
*/
@Bean
MeterRegistryCustomizer<MeterRegistry> metricsCommonTags() {
return registry -> registry.config().commonTags("application", "MYAPPNAME");
}
AI 代码解读
具体可以参考：micrometer
1.4 编写docker-compose.yml文件启动spring-boot应用
docker-compose.yml
version: '3'
services:
application:
image: java
working_dir: /apps
volumes:
- "${project.home}/build/libs:/apps"
container_name: app
networks:
- node1
hostname: application
entrypoint: java -jar spring-boot-project-0.0.1-SNAPSHOT.jar
ports:
- "8080:8080"
networks:
node1:
AI 代码解读
当启动完毕后，我们可以运行如下命令来查看，是否有对应的信息输出：
curl -G http://localhost:8080/actuator/prometheusAI 代码解读
当这里得到如下结果时，证明我们的SpringBoot项目提供好与prometheus所需的数据了：
# HELP tomcat_global_request_max_seconds
# TYPE tomcat_global_request_max_seconds gauge
tomcat_global_request_max_seconds{application="spring-boot",name="http-nio-8080",} 0.0
# HELP tomcat_sessions_created_sessions_total
# TYPE tomcat_sessions_created_sessions_total counter
tomcat_sessions_created_sessions_total{application="spring-boot",} 0.0
# HELP jvm_gc_live_data_size_bytes Size of old generation memory pool after a full GC
# TYPE jvm_gc_live_data_size_bytes gauge
jvm_gc_live_data_size_bytes{application="spring-boot",} 1.9078616E7
# HELP process_files_open_files The open file descriptor count
# TYPE process_files_open_files gauge
process_files_open_files{application="spring-boot",} 38.0
# HELP tomcat_threads_current_threads
# TYPE tomcat_threads_current_threads gauge
tomcat_threads_current_threads{application="spring-boot",name="http-nio-8080",} 10.0
# HELP jvm_gc_max_data_size_bytes Max size of old generation memory pool
# TYPE jvm_gc_max_data_size_bytes gauge
jvm_gc_max_data_size_bytes{application="spring-boot",} 3.49700096E8
# HELP tomcat_servlet_request_seconds
# TYPE tomcat_servlet_request_seconds summary
tomcat_servlet_request_seconds_count{application="spring-boot",name="default",} 0.0
AI 代码解读
2 安装Prometheus
我们可以借助于docker进行安装，在这里由于springboot项目我也是使用docker进行部署的，因此我们保证Prometheus的容器与SpringBoot的容器保证在同一个网络下：
docker run --name prom --link app:app --net spring-boot-project_node1 --hostname prom -p 9090:9090 -v /tmp/prometheus.yml:/etc/prometheus/prometheus.yml prom/prometheus
AI 代码解读
安装完毕后，我们编辑/tmp/prometheus.yml文件进行配置：
global:
scrape_interval: 15s
evaluation_interval: 15s
rule_files:
# - "first.rules"
# - "second.rules"
scrape_configs:
- job_name: 'spring'
metrics_path: '/actuator/prometheus'
static_configs:
- targets: ['application:8080']
AI 代码解读
在这里我们指定一个job，这个job会去指定的地址获取监控数据，那么在这里targets指定的是我们SpringBoot项目的actutator的监控地址，application对应的是springboot容器的hostname。
启动以后，我们运行http://localhost:9090 可以访问Prometheus的界面：
当出现这种界面就说明 Prometheus已经可以监控到Springboot的提供的数据了
3 安装Grafana
虽然Prometheus提供的有一个简单的UI界面，但是使用起来不那么方便同时也并不好看。不过，我们可以利用Grafana来提供更直接更美观的UI展示界面。同时，Grafana能够提供多种数据源，让我们进行不同类型的中间件或服务器监控。官网地址。同样我们使用docker来构建grafana容器。grafana所有的配置都在conf/grafana.ini里进行设置。不过它能通过docker的环境变量参数-e进行覆盖，它的基本格式为：GF_<SectionName>_<KeyName>。例如：
$ docker run \
-d \
-p 3000:3000 \
--name=grafana \
--net=spring-boot-project_node1
--link=prom
-e "GF_SERVER_ROOT_URL=http://grafana.server.name" \
-e "GF_SECURITY_ADMIN_PASSWORD=secret" \
grafana/grafana
AI 代码解读
当启动完毕后，我们可以访问http://localhost:3000
可以访问到对应的界面，其默认情况下都会跳转至登录界面，我们可以在登录界面上输入用户名admin与密码admin，这样会以管理员身份进行登录。接下来我们需要创建一个prometheus的数据源：
此处我们设置prometheus的地址，这里我的设置为http://prom:9090 用以连接prometheus的监控(注意prom是docker容器prometheus的hostname)，剩余的一些设置比如说Auth，Advanced HTTP Settings请按需进行配置。此时我们需要在这个地址里下一个用于监控micrometer的Dashboard:
我们需要下载这个dashboard对应的json数据：
然后我们在grafana上传json脚本：
当导入成功后我们即可以展示出如下监控界面：
3.1 报警信息配置
在这里我以qq邮箱为例，首先我们必须开启smtp许可，在这里我们会收到安全码用于将来的密码设置。那么我们可以在docker启动容器时设置环境变量来配置邮件服务的信息：
docker run
-p 3000:3000
--env GF_SMTP_ENABLED=true
--env GF_SMTP_HOST=smtp.qq.com:465
--env GF_SMTP_USER=xxxx(用户名)
--env GF_SMTP_PASSWORD=(安全码)
--env GF_SMTP_SKIP_VERIFY=true
--env GF_SMTP_FROM_ADDRESS=xxxxx@qq.com
--name grafana
grafana/grafana:latest
AI 代码解读
相关配置我们可以参考：地址，当我们启动成功以后，我们可以参考如下界面进行配置：
收到测试邮件后，我们需要设置监控值，在这里我以内存监控举例：
同时我们需要配置发送邮件具体内容：
最后我们保存我们设置的Dashboard即可
