Prometheus 简单试用

Prometheus 是一个开源的监控和报警工具，广泛用于收集和查询指标数据。以下是如何在 Spring Boot 应用中集成和使用 Prometheus 的详细步骤：

环境准备

安装 Prometheus:
- 下载 Prometheus: 从 Prometheus 官网下载最新版本。
- 解压并运行 prometheus 可执行文件。
安装 Grafana（可选，但推荐用于数据可视化）:
- 下载 Grafana: 从 Grafana 官网下载并安装最新版本。
- 运行 grafana-server 并访问 http://localhost:3000 进行配置。

配置 Spring Boot 应用

添加依赖: 在 pom.xml 或 build.gradle 中添加以下依赖：

xml
复制代码
<!-- Spring Boot Actuator -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-actuator</artifactId>
</dependency>

<!-- Micrometer Prometheus -->
<dependency>
    <groupId>io.micrometer</groupId>
    <artifactId>micrometer-registry-prometheus</artifactId>
</dependency>

配置 application.properties: 配置 Spring Boot Actuator 暴露 Prometheus 端点：

properties
复制代码
management.endpoints.web.exposure.include=*
management.endpoint.prometheus.enabled=true

启用 Prometheus Endpoint: 确保 Prometheus 端点已经被启用，可以通过访问 http://localhost:8080/actuator/prometheus 来验证。

配置 Prometheus

配置 Prometheus 的 prometheus.yml 文件: 配置 Prometheus 来抓取 Spring Boot 应用的指标数据。

global:
  scrape_interval: 15s

scrape_configs:
  - job_name: 'spring-boot'
    metrics_path: '/actuator/prometheus'
    static_configs:
      - targets: ['localhost:8080']

运行 Prometheus: 启动 Prometheus，加载配置文件。
```
./prometheus --config.file=prometheus.yml
```
你可以通过访问 http://localhost:9090 来查看 Prometheus 的控制台。

配置 Grafana（可选）

添加 Prometheus 数据源:
- 访问 http://localhost:3000，登录 Grafana（默认用户名和密码为 admin）。
- 添加 Prometheus 数据源，URL 设置为 http://localhost:9090。
创建仪表板:
- 创建新的仪表板并添加图表。
- 在查询中选择 Prometheus 数据源并输入查询语句（例如 http_server_requests_seconds_count）。

示例查询

以下是一些常用的 Prometheus 查询示例：

HTTP 请求数:

sum(rate(http_server_requests_seconds_count[1m]))

HTTP 请求延迟（平均值）:

avg(rate(http_server_requests_seconds_sum[1m])) / avg(rate(http_server_requests_seconds_count[1m]))

内存使用情况:
```
jvm_memory_used_bytes{area="heap"}
```

通过以上步骤，你就可以在 Spring Boot 应用中集成 Prometheus 并进行监控了。利用 Prometheus 和 Grafana 的强大功能，可以实现对系统的全面监控和报警。

A multi-dimensional data model (time series defined by metric name and set of key/value dimensions)
多维数据模型（由指标名称和键/值维度集定义的时间序列）
PromQL, a powerful and flexible query language to leverage this dimensionality
PromQL，一种强大而灵活的查询语言，可以利用这种维度
No dependency on distributed storage; single server nodes are autonomous
不依赖分布式存储；单个服务器节点是自治的
An HTTP pull model for time series collection
用于时间序列收集的 HTTP 拉模型
Pushing time series is supported via an intermediary gateway for batch jobs
通过批处理作业的中间网关支持推送时间序列
Targets are discovered via service discovery or static configuration
通过服务发现或静态配置发现目标
Multiple modes of graphing and dashboarding support
多种图形和仪表板支持模式
Support for hierarchical and horizontal federation
支持分层和水平联合