metrics 是什么?
当我们需要为某个系统某个服务做监控、做统计,就需要用到Metrics
五种 Metrics 类型
-
Gauges
:最简单的度量指标,只有一个简单的返回值,或者叫瞬时状态 -
Counters
:Counter 就是计数器,Counter 只是用 Gauge 封装了 AtomicLong -
Meters
:Meter度量一系列事件发生的速率(rate),例如TPS。Meters会统计最近1分钟,5分钟,15分钟,还有全部时间的速率。 -
Histograms
:Histogram统计数据的分布情况。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, 和 99.9百分位的值(percentiles)。 -
Timer
其实是 Histogram 和 Meter 的结合, histogram 某部分代码/调用的耗时, meter统计TPS。
接下来我们写代码实际使用一下这些功能 就从最简单的Gauges 开始吧
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
package main import ( "github.com/rcrowley/go-metrics" "time" "os" "log" ) func main(){ g := metrics.NewGauge() metrics.Register( "bar" , g) g.Update( 1 ) go metrics.Log(metrics.DefaultRegistry, 1 * time.Second, log.New(os.Stdout, "metrics: " , log.Lmicroseconds)) var j int64 j = 1 for true { time.Sleep(time.Second * 1 ) g.Update(j) j++ } } |
此时我们运行程序 可以看到如下输出
在程序中我们在metrics.Log 中设置了 metrics 的输出频率为1s 同时指定了数据输出的目的为 log.New出来的Logger 设置为打印在标准输出
接下counters 与gauges 类似
只不过在操作上 gauges 是 update 而 counter 是 inc 做加法 增加参数市值 dec 做减法
1
2
3
4
5
6
7
|
g := metrics.NewGauge() metrics.Register( "bar" , g) g.Update( 1 ) c := metrics.NewCounter() metrics.Register( "foo" , c) c.Inc( 45 ) c.Dec( 3 ) |
以上代码可以看到区别 在New 的时候 默认的时候数值都为0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
package main import ( "github.com/rcrowley/go-metrics" "time" "os" "log" ) func main(){ s := metrics.NewExpDecaySample( 1024 , 0.015 ) // or metrics.NewUniformSample(1028) h := metrics.NewHistogram(s) metrics.Register( "baz" , h) h.Update( 1 ) go metrics.Log(metrics.DefaultRegistry, 1 * time.Second, log.New(os.Stdout, "metrics: " , log.Lmicroseconds)) var j int64 j = 1 for true { time.Sleep(time.Second * 1 ) j++ h.Update(j) } } |
metrics.NewExpDecaySample这函数的两个参数的含义: 第一是内部存储数据的个数
第二个是指数后乘以的数值 具体位置
下面来测试一下meters
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
package main import ( "time" "os" "github.com/rcrowley/go-metrics" "log" ) func main(){ m := metrics.NewMeter() metrics.Register( "quux" , m) m.Mark( 1 ) go metrics.Log(metrics.DefaultRegistry, 1 * time.Second, log.New(os.Stdout, "metrics: " , log.Lmicroseconds)) var j int64 j = 1 for true { time.Sleep(time.Second * 1 ) j++ m.Mark(j) } } |
测试结果
输出到influxdb
influxdb的安装和基本使用这里不做介绍
使用下面工作
vrischmann/go-metrics-influxdb
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
package main import ( "github.com/rcrowley/go-metrics" "time" "github.com/vrischmann/go-metrics-influxdb" ) func main(){ m := metrics.NewMeter() metrics.Register( "quux" , m) m.Mark( 1 ) go influxdb.InfluxDB(metrics.DefaultRegistry, time.Second * 5 , "http://192.168.150.74:8086" , "mydb" , "" , "" ) var j int64 j = 1 for true { time.Sleep(time.Second* 1 ) m.Mark(j) j += 1 } } |
看以上的代码 其他地方都不用改动 只要改下输出的地方就可以了
在influx中使用设置的database 表名则自用生成 使用 是 metrics中register 设置的名字加上类型 在这里例子中 表名为quux.meter
就可以在influxdb 里面看到如下的一些数据:
以上就是Go语言metrics应用监控指标基本使用说明的详细内容,更多关于go语言metrics使用的资料请关注服务器之家其它相关文章!
原文链接:https://blog.csdn.net/tianlongtc/article/details/81158506