Micrometer详解与应用实战

Micrometer 是 Java 应用中用于收集应用程序度量指标的核心库，它作为一项监控门面（Facade） 技术，可以与各种监控系统集成，帮助你收集和分析应用性能数据。下面这张表格汇总了 Micrometer 的核心概念，方便你快速建立整体印象。

概念维度	核心要点	说明与价值
统一抽象	供应商中立 (Vendor-neutral)	提供一套通用 API，使应用代码与具体监控系统（如 Prometheus, Datadog）解耦。
核心模型	Meter (度量器) 与 MeterRegistry(注册中心)	Meter 用于收集特定指标（如计数器、计时器）。MeterRegistry 负责创建和管理 Meter，并将数据发布到监控系统。
维度化数据	Tags(标签)	为度量指标添加键值对标签（如 uri=/api/users, status=200），实现高性能、多维度数据查询与钻取。
丰富度量类型	Counter (计数器), Timer (计时器), Gauge (仪表), DistributionSummary(分布摘要) 等	支持不同场景的度量需求，如计数、耗时、瞬时值、数据分布统计等。

🔌 快速集成与配置

Spring Boot 为 Micrometer 提供了强大的自动配置支持。

1. 添加依赖

   核心依赖是 spring-boot-starter-actuator，它内置了 Micrometer。你还需要引入对应监控系统（以 Prometheus 为例）的依赖。

   <dependency>
       <groupId>org.springframework.boot</groupId>
       <artifactId>spring-boot-starter-actuator</artifactId>
   </dependency>
   <!-- 以 Prometheus 为例 -->
   <dependency>
       <groupId>io.micrometer</groupId>
       <artifactId>micrometer-registry-prometheus</artifactId>
   </dependency>

2. 基础配置

   在 application.yml中进行配置，暴露端点并设置通用标签。

   management:
     endpoints:
       web:
         exposure:
           include: health,info,metrics,prometheus  # 暴露所需端点，包括prometheus
     metrics:
       tags:
         application: ${spring.application.name}  # 设置通用标签，标识应用
       export:
         prometheus:
           enabled: true

   配置后，可通过 /actuator/prometheus访问指标。

3. 使用全局标签

   使用 MeterRegistryCustomizer配置全局标签，这些标签会附加到所有指标上。

   @Configuration
   public class MetricsConfig {
       @Bean
       public MeterRegistryCustomizer<MeterRegistry> metricsCommonTags() {
           return registry -> registry.config().commonTags("region", "us-east-1", "env", "prod");
       }
   }

📊 使用度量指标

Micrometer 提供了多种度量器（Meter）类型，用于不同场景的指标收集。

• Counter（计数器） ：用于记录单调递增的数值，例如订单量、访问次数。它特别适用于报告某个事件发生的总次数，监控系统通常更关注其增长速率。

  @Service
  public class OrderService {
      private final Counter orderCounter;
  
      public OrderService(MeterRegistry registry) {
          // 创建计数器，建议使用点号分隔的命名方式，并添加有意义的标签
          orderCounter = Counter.builder("order.created")
                  .description("Number of orders created")
                  .tag("channel", "WEB") // 使用低基数标签
                  .register(registry);
      }
      public void createOrder() {
          // 业务逻辑
          orderCounter.increment(); // 下单成功后计数器+1
      }
  }

• Gauge（仪表） ：用于测量瞬时值，例如当前在线人数、队列大小。Gauge 测量的值是可增可减的，适用于观察那些有自然上限的指标。通常通过引用一个会变化的对象（如 AtomicInteger）来创建。

  @Component
  public class CacheMetrics {
      private final List<String> cache = new ArrayList<>();
      public CacheMetrics(MeterRegistry registry) {
          // 监控缓存大小
          Gauge.builder("cache.size", cache, List::size)
                  .description("Current size of the cache")
                  .register(registry);
      }
  }

• Timer（计时器）：用于记录短时任务的执行时间，并测量其频率，例如接口请求耗时。Timer 会记录事件的总次数（count）和总耗时（totalTime），从而可以计算平均耗时等数据。

  @Service
  public class ApiService {
      private final Timer apiTimer;
      public ApiService(MeterRegistry registry) {
          apiTimer = Timer.builder("api.call.duration")
                  .description("Duration of API calls")
                  .tags("api_name", "getUserInfo")
                  .publishPercentiles(0.95, 0.99) // 发布95%和99%分位数
                  .register(registry);
      }
      public String callExternalApi() {
          // 方式一：使用Timer.Sample手动记录
          Timer.Sample sample = Timer.start(registry);
          String result;
          try {
              result = // ... 调用外部API的逻辑
          } finally {
              sample.stop(apiTimer);
          }
          return result;
          // 方式二：使用函数式接口（更简洁）
          // return apiTimer.record(() -> { ... });
      }
  }

• 使用 @Timed和 @Counted注解

  Micrometer 提供注解，可以更方便地使用方法级别监控。

  @Configuration
  public class TimedConfiguration {
      // 启用@Timed注解支持
      @Bean
      public TimedAspect timedAspect(MeterRegistry registry) {
          return new TimedAspect(registry);
      }
  }
  @Service
  public class BusinessService {
      @Timed(value = "order.process.time", description = "Order processing time")
      @Counted(value = "order.process.count", description = "Order processing count")
      public void processOrder() {
          // 业务逻辑
      }
  }

⚙️ 生产环境最佳实践

1. 避免标签基数爆炸 ：不要使用高基数（高唯一性）的值作为标签，例如用户ID、订单ID，这会导致创建海量时间序列，给监控系统带来巨大压力。应使用像状态（status）、接口路径（uri，建议模板化）、错误类型（error_type）这样的低基数标签。

2. 配置百分比直方图：对于 Timer 和 DistributionSummary，可以在配置中启用百分比直方图，这有助于在服务端（如 Prometheus）进行更灵活的聚合查询。

   management:
     metrics:
       distribution:
         percentiles:
           http.server.requests: 0.5, 0.95, 0.99 # 为HTTP请求配置分位数
         percentile-histogram:
           http.server.requests: true # 启用直方图

3. 使用 MeterFilter 进行控制 ：MeterFilter可以用来拒绝、修改或配置 Meter。例如，可以忽略某些标签，或为特定 Meter 设置统一的统计配置。

   @Bean
   public MeterFilter meterFilter() {
       // 例如，忽略某个高基数标签，或者统一为所有Timer设置百分位
       return MeterFilter.ignoreTags("high-cardinality-tag");
   }

📈 与监控系统集成

Micrometer 收集的指标数据需要通过对应的 MeterRegistry实现发布到监控系统。以 Prometheus 为例，引入 micrometer-registry-prometheus依赖并配置暴露端点后，Prometheus 服务器可以定期从应用的 /actuator/prometheus端点拉取数据。随后，可以在 Grafana 中利用 PromQL 查询语言创建丰富的监控仪表盘。

💎 总结

Micrometer 的核心价值在于其统一的抽象层 ，使得应用监控代码与具体监控后端解耦。掌握其维度化数据模型（Tags） 和丰富的度量器类型（Meter Types） 是利用其强大能力的关键。