@zero1036
2018-08-22T14:52:18.000000Z
字数 3061
阅读 2401
Java-Spring
Endpoints | 描述 | 是否需要鉴权 |
---|---|---|
actuator | 为其他端点提供“发现页面”。要求Spring HATEOAS在classpath路径上。 | 需要 |
auditevents | 陈列当前应用程序的审计事件信息 | 需要 |
autoconfig | 展示自动配置信息并且显示所有自动配置候选人以及他们“被不被”应用的原因 | 需要 |
beans | 显示应用程序中所有Spring bean的完整列表。 | 需要 |
configprops | 显示所有配置信息。 | 需要 |
dump | dump所有线程。 | 需要 |
env | 陈列所有的环境变量。 | 需要 |
flyway | Shows any Flyway database migrations that have been applied | 需要 |
health | 显示应用程序运行状况信息 | 不需要 |
info | 显示应用信息 。 | 不需要 |
loggers | 显示和修改应用程序中的loggers配置 。 | 需要 |
liquibase | 显示已经应用的任何Liquibase数据库迁移。 | 需要 |
metrics | 显示当前应用程序的“指标”信息。 | 需要 |
mappings | 显示所有@RequestMapping的url整理列表 。 | 需要 |
shutdown | 关闭应用(默认情况下不启用)。 | 需要 |
trace | 显示跟踪信息(默认最后100个HTTP请求)。 | 需要 |
官网:https://prometheus.io/docs/prometheus/latest/querying/functions/
参考自:https://blog.ruhm.me/post/prometheus-intro/
大致使用逻辑是这样: 1. Prometheus server 定期从静态配置的 targets 或者服务发现的 targets 拉取数据。 2. 当新拉取的数据大于配置内存缓存区的时候,Prometheus 会将数据持久化到磁盘(如果使用 remote storage 将持久化到云端)。 3. Prometheus 可以配置 rules,然后定时查询数据,当条件触发的时候,会将 alert 推送到配置的 Alertmanager。 4. Alertmanager 收到警告的时候,可以根据配置,聚合,去重,降噪,最后发送警告。
官网API文档:https://prometheus.io/docs/prometheus/latest/querying/functions/
increase():calculates the increase in the time series in the range vector.指定时间范围内的增量
过去5分钟内新增请求总数:increase(loan_total{appName="grafana-design-competition-server"}[5m])
sum():分组求和。类似select sum() group by。例如以下result是领取红包编码,表示每个红包的领取成功记录counter求和。
sum(action_draw_total{appName="red-packet-service",group="lc-yxx",instance="192.168.13.42:8024",type="winning"})by(result)
**注意:**sum()与count()的区别在于,count()方法是select count() group by。例如以下,表示为每个红包,结果为result = A,数量为1;result = b,数量为1 。。。
count(action_draw_total{appName="red-packet-service",group="lc-yxx",instance="192.168.13.42:8024",type="winning"})by(result)
组合使用可得,所有存在红包的总数,注意,不是所有红包的领取成功记录数之和:
sum(count(action_draw_total{appName="red-packet-service",group="lc-yxx",instance="192.168.13.42:8024",type="winning"})by(result))
rate():calculates the per-second average rate of increase of the time series in the range vector. 过去时间范围内,每秒的增量相对该时间范围内总量的占比。
1.QPS统计,根据过去5分钟内每秒增加请求数的占比:
rate(lz_http_requests_total{job="02_lzmh_microservice_base_service_docker"}[5m]) > 0
2.QPS统计,根据过去5分钟内每秒增加请求数的占比,并根据handler分组:
sum(rate(lz_http_requests_total{job="lzmh_microservice_weixin_applet_api"}[5m])) by (handler) > 0
3.平均响应时间占比:每秒请求总时长占比除以每秒请求总数占比:
(rate(lz_http_response_time_milliseconds_sum{job="02_lzmh_microservice_base_service_docker"}[5m]) /
rate(lz_http_response_time_milliseconds_count{job="02_lzmh_microservice_base_service_docker"}[5m])
) > 0
offset:往过去偏移指定时长
获取一天的近4分钟内loan请求总数的增量:
increase(loan_total{appName="grafana-design-competition-server",type="success"}[5m] offset 1d)
环比计算方法:例如增量请求环比,以30分钟为一个周期,每个周期相对上一个周期请求增量之比
sum(increase(http_requests_total{appName="grafana-design-competition-server"}[10m] offset 10m)) by (appName)/
sum(increase(http_requests_total{appName="grafana-design-competition-server"}[10m])) by (appName)
环比:表示连续2个单位周期(比如连续两月)内的量的变化比
同比:一般情况下是今年第n月与去年第n月比
例如:同比,比如,2012年3月比2011年3月叫同比。 环比,比如,2012年3月比2012年2月叫环比。