从系统监控到业务洞察：ARMS 自定义指标采集功能全解析

阿里云云原生2025-12-04 18:22

作者：陈承

引言

在数字化转型的浪潮中，应用性能监控（APM）已经成为保障系统稳定运行的重要基石。然而，传统的 APM 系统往往只能提供系统层面的性能数据，而无法深入业务核心。阿里云应用实时监控服务（ARMS）推出的自定义指标采集功能，正是为了打破这一局限，让监控真正成为业务增长的助推器。

为什么需要自定义指标采集？

1.1 传统 APM 系统的监控盲区

传统的 APM 系统通常关注以下系统层面的指标：

  • CPU 使用率、内存占用
  • 请求响应时间、吞吐量
  • 数据库查询性能
  • 接口调用成功率

这些指标往往是站在解决性能、错慢的角度设计的，很难直接反应业务功能的运行情况，但在实际业务场景中存在一定的监控盲区，比如下面几个场景：

场景一：电商大促

在双十一等大促活动中，系统的 CPU、内存指标可能完全正常，但如果订单转化率突然下降、支付成功率异常，这些业务层面的问题往往无法通过系统指标及时发现。

场景二：商城系统运营

对于商城系统而言，真正关键的业务指标包括：

  • 实时订单数量与订单金额
  • 商品库存水位
  • 用户购物车转化率
  • 优惠券使用率
  • 退款率

这些业务指标直接反映了业务健康度和运营效率，但传统 APM 系统无法采集。

场景三：金融风控系统

金融系统需要实时监控：

  • 交易笔数与金额
  • 风险拦截率
  • 异常交易占比
  • 资金流转速度

这些指标对于业务决策至关重要，却游离于传统监控体系之外。

1.2 自定义指标的价值

引入自定义指标采集功能，能够带来以下核心价值：

✅ 业务可观测性：将业务指标与系统指标统一监控，形成完整的可观测性体系

✅ 快速问题定位：当业务异常时，可以快速关联系统指标，精准定位问题根因

✅ 数据驱动决策：实时的业务指标为运营和产品决策提供数据支撑

✅ 全链路追踪：业务指标与调用链结合，实现端到端的业务流程监控

Java 语言常见的指标定义框架对比

在 Java 生态系统中，有多个成熟的指标采集框架可供选择。了解它们的特点，有助于选择最适合的技术方案。

2.1 Micrometer

简介： Micrometer 是 Spring 生态的指标门面（Facade），类似于 SLF4J 之于日志。

核心特性：

  • 提供统一的 API，支持多种监控系统后端（Prometheus、InfluxDB、Datadog等）
  • 与 Spring Boot 深度集成
  • 支持维度化指标（Tags/Labels）

代码示例：

scss 复制代码 
@Autowired
MeterRegistry registry;
public void processOrder(Order order) {
    Counter.builder("orders.processed")
        .tag("status", order.getStatus())
        .tag("channel", order.getChannel())
        .register(registry)
        .increment();
}

优点：

  • ✅ 多后端支持，一套代码适配多种监控系统
  • ✅ Spring Boot 自动配置，开箱即用
  • ✅ 支持维度化指标，查询灵活
  • ✅ 社区活跃，持续更新

缺点：

  • ❌ 强依赖 Spring 生态
  • ❌ 不支持分布式追踪和日志
  • ❌ 配置较为复杂
  • ❌ 缺乏统一的可观测性标准

适用场景： Spring Boot 微服务应用。

2.2 Prometheus Client

简介： Prometheus Client 是 Prometheus 官方提供的 Java 客户端库，直接对接 Prometheus 生态，是 K8s 生态中众多组件暴露指标的首选方案。

核心特性：

  • 原生集成：与 Prometheus 监控系统无缝对接
  • Pull 模式：Prometheus 主动拉取指标，应用无需主动推送
  • 强大的查询：支持 PromQL 强大的查询和聚合能力
  • 丰富的生态：Grafana 可视化、AlertManager 告警

代码示例：

java 复制代码 
import io.prometheus.client.Counter;
import io.prometheus.client.Gauge;
import io.prometheus.client.Histogram;
public class OrderMetrics {
    // 定义Counter：订单总数
    private static final Counter orderCounter = Counter.build()
        .name("orders_total")
        .help("Total number of orders")
        .labelNames("status", "channel")  // 定义标签
        .register();
    // 定义Gauge：当前处理中的订单数
    private static final Gauge processingOrders = Gauge.build()
        .name("orders_processing")
        .help("Number of orders currently processing")
        .register();
    // 定义Histogram：订单金额分布
    private static final Histogram orderAmount = Histogram.build()
        .name("order_amount")
        .help("Order amount distribution")
        .buckets(50, 100, 200, 500, 1000, 5000)  // 自定义分桶
        .register();
    public void processOrder(Order order) {
        // 订单数+1，带标签
        orderCounter.labels(order.getStatus(), order.getChannel()).inc();
        // 记录订单金额
        orderAmount.observe(order.getAmount());
        // 处理中订单+1
        processingOrders.inc();
        try {
            // 处理订单逻辑...
        } finally {
            // 处理完成，计数-1
            processingOrders.dec();
        }
    }
}

Maven 依赖：

xml 复制代码 
<dependency>
    <groupId>io.prometheus</groupId>
    <artifactId>simpleclient</artifactId>
    <version>0.16.0</version>
</dependency>
<!-- 用于暴露HTTP端点 -->
<dependency>
    <groupId>io.prometheus</groupId>
    <artifactId>simpleclient_servlet</artifactId>
    <version>0.16.0</version>
</dependency>

暴露指标端点（Spring Boot）：

typescript 复制代码 
@Configuration
public class PrometheusConfig {
    @Bean
    public ServletRegistrationBean<MetricsServlet> metricsServlet() {
        return new ServletRegistrationBean<>(
            new MetricsServlet(), "/metrics"
        );
    }
}

访问 http://localhost:8080/metrics\ 即可查看 Prometheus 格式的指标数据。

优点：

  • ✅ Prometheus 生态原生支持，集成最佳
  • ✅ Pull 模式，应用侧更简单，无需关心指标推送
  • ✅ PromQL 查询功能强大，支持复杂的聚合和计算
  • ✅ 与 Grafana 等可视化工具无缝对接
  • ✅ 标签（Label）机制灵活，支持多维度查询
  • ✅ 轻量级，性能开销小

缺点：

  • ❌ 仅支持指标采集，不支持分布式追踪和日志
  • ❌ Pull 模式在某些网络环境下部署复杂（需要暴露端口）
  • ❌ 与非 Prometheus 监控系统集成需要额外适配
  • ❌ 数据持久化依赖 Prometheus Server，客户端不存储历史数据
  • ❌ 缺乏自动埋点能力，需要手动定义所有指标

适用场景：

  • 已使用 Prometheus 监控体系的团队
  • Kubernetes 环境的云原生应用
  • 需要强大查询能力的监控场景
  • 开源方案优先的项目

Prometheus vs 其他框架的独特优势：

1. Pull 模式的优势：

  • 应用无需配置数据推送地址，降低耦合
  • Prometheus 可以检测应用健康状态（抓取失败=应用异常）
  • 便于服务发现和动态监控

2. PromQL 的强大：

scss 复制代码 
# 计算订单增长率
rate(orders_total[5m])
# 按渠道分组统计
sum by(channel) (orders_total)
# P99响应时间
histogram_quantile(0.99, order_amount_bucket)

3. 云原生标准：

  • Kubernetes 原生支持 Prometheus 格式
  • 大量开源组件提供/metrics 端点
  • 监控即代码，配置版本化管理

2.3 OpenTelemetry

简介： OpenTelemetry（简称OTel）是 CNCF 的可观测性标准，整合了 OpenTracing 和 OpenCensus 两大项目。

核心特性：

  • 三位一体：统一支持 Traces（追踪）、Metrics（指标）、Logs（日志）
  • 厂商中立：标准化的数据模型和协议
  • 自动埋点：通过 Java Agent 自动采集框架指标
  • 灵活扩展：丰富的插件生态

代码示例：

ini 复制代码 
OpenTelemetry openTelemetry = GlobalOpenTelemetry.get();
Meter meter = openTelemetry.getMeter("order-service");
LongCounter orderCounter = meter.counterBuilder("orders.total")
    .setUnit("1")
    .setDescription("Total number of orders")
    .build();
orderCounter.add(1, Attributes.of(
    AttributeKey.stringKey("status"), "success",
    AttributeKey.stringKey("payment_method"), "alipay"
));

优点：

  • ✅ 云原生标准，广泛支持
  • ✅ 统一的可观测性体系（Traces + Metrics + Logs）
  • ✅ 自动埋点，零代码侵入采集框架指标
  • ✅ 丰富的上下文信息，支持指标与链路关联
  • ✅ 社区活跃，各大云厂商支持

缺点：

  • ❌ 学习曲线相对陡峭
  • ❌ 需要额外的 Collector 部署
  • ❌ 部分功能仍在演进中
  • ❌ 配置相对复杂

适用场景： 云原生微服务、分布式系统、需要统一可观测性的场景。

2.4 框架对比总结

特性 Micrometer Prometheus Client OpenTelemetry
标准化程度 ⭐⭐⭐ ⭐⭐⭐⭐ ⭐⭐⭐⭐⭐
多后端支持 ✅ ❌ (仅Prometheus) ✅
分布式追踪 ✅ ❌ ✅
自动埋点 部分支持 ❌ ✅
Spring集成 原生支持 需手动 需配置
学习成本 ⭐⭐ ⭐⭐ ⭐⭐⭐
云原生支持 ⭐⭐⭐ ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐⭐
社区活跃度 ⭐⭐⭐⭐ ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐⭐
查询能力 ⭐⭐⭐ ⭐⭐⭐⭐⭐ (PromQL) ⭐⭐⭐⭐
数据模型 Push Pull Push/Pull
可视化生态 丰富 优秀 (Grafana) 丰富

选型建议：

  • Spring Boot 应用 → Micrometer
  • Prometheus 体系 → Prometheus Client
  • 云原生/分布式系统 → OpenTelemetry（推荐）
  • 已有 Grafana 大盘 → Prometheus Client 或 Micrometer

深度对比：Prometheus Client vs OpenTelemetry

对于云原生应用，Prometheus Client 和 OpenTelemetry 是最常见的选择，它们的核心区别：

维度 Prometheus Client OpenTelemetry
核心定位 专注指标采集 完整可观测性方案
数据类型 仅Metrics Traces + Metrics + Logs
数据传输 Pull模式（/metrics端点） Push模式（OTLP协议）
后端绑定 绑定Prometheus 支持多种后端
指标关联 通过标签 原生支持Trace关联
学习曲线 平缓 较陡
适用场景 K8s + Prometheus标准栈 多云/混合云/需要链路追踪

常见方案：

  1. 纯 Prometheus 栈：Prometheus Client + Prometheus + Grafana

  2. 混合方案：OpenTelemetry 采集 + Prometheus 格式导出 + Grafana

ARMS 自定义指标采集最佳实践

通过上面的对比可知，不同的指标定义框架均有其优缺点，ARMS 当前支持和 OpenTelemetry 深度集成，相比开源方案，极大的简化用户通过 OpenTelemetry SDK 技术栈定义指标、采集指标、配置大盘和报警的门槛，当然后续我们也有计划支持 micrometer 和 prometheus 指标的快捷采集。下面通过一个完整的电商秒杀场景，演示如何使用 ARMS 实现自定义指标采集。

3.1 场景介绍

假设我们要监控一个秒杀系统，需要实时追踪以下关键指标：

  • 秒杀成功次数：按成功/失败分类统计
  • 当前库存水位：实时库存数量
  • 秒杀成功率：用于告警和大盘展示

3.2 第一步：添加依赖

在项目的 pom.xml中添加 OpenTelemetry 依赖：

xml 复制代码 
<dependencies>
    <!-- OpenTelemetry API -->
    <dependency>
        <groupId>io.opentelemetry</groupId>
        <artifactId>opentelemetry-api</artifactId>
    </dependency>
    <!-- OpenTelemetry SDK (可选，用于本地测试) -->
    <dependency>
        <groupId>io.opentelemetry</groupId>
        <artifactId>opentelemetry-sdk</artifactId>
    </dependency>
</dependencies>
<!-- 统一版本管理 -->
<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>io.opentelemetry</groupId>
            <artifactId>opentelemetry-bom</artifactId>
            <version>1.32.0</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

说明：

  • ARMS Java Agent 会自动初始化 OpenTelemetry 实例
  • 应用代码只需要依赖 opentelemetry-api 即可
  • 无需配置 Exporter，数据自动上报到 ARMS

3.3 第二步：定义自定义指标

创建秒杀服务类，定义业务指标：

arduino 复制代码 
import io.opentelemetry.api.GlobalOpenTelemetry;
import io.opentelemetry.api.OpenTelemetry;
import io.opentelemetry.api.common.AttributeKey;
import io.opentelemetry.api.common.Attributes;
import io.opentelemetry.api.metrics.LongCounter;
import io.opentelemetry.api.metrics.Meter;
import io.opentelemetry.api.metrics.ObservableLongGauge;
import org.springframework.stereotype.Service;
import javax.annotation.PreDestroy;
import java.util.concurrent.atomic.AtomicInteger;
@Service
public class SeckillService {
    // 库存计数器（线程安全）
    private final AtomicInteger stock = new AtomicInteger(0);
    // 秒杀次数计数器
    private final LongCounter seckillCounter;
    // 库存水位仪表盘
    private final ObservableLongGauge stockGauge;
    // 指标维度Key
    private static final AttributeKey<String> RESULT_KEY = AttributeKey.stringKey("result");
    private static final AttributeKey<String> PRODUCT_KEY = AttributeKey.stringKey("product_id");
    public SeckillService() {
        // 获取ARMS Java Agent初始化的OpenTelemetry实例
        OpenTelemetry openTelemetry = GlobalOpenTelemetry.get();
        // 创建Meter，命名空间为"seckill"
        Meter meter = openTelemetry.getMeter("seckill");
        // 定义Counter：记录秒杀请求次数（累计值）
        seckillCounter = meter.counterBuilder("product_seckill_count")
                .setUnit("1")
                .setDescription("秒杀请求次数，按成功/失败分类统计")
                .build();
        // 定义Gauge：记录当前库存（瞬时值）
        stockGauge = meter.gaugeBuilder("product_current_stock")
                .ofLongs()
                .setDescription("当前商品库存数量")
                .buildWithCallback(measurement -> {
                    // 每次采集时回调，上报当前库存
                    measurement.record(stock.get());
                });
    }
    /**
     * 初始化库存
     */
    public void initStock(int count) {
        stock.set(count);
    }
    /**
     * 秒杀商品
     */
    public String seckill(String productId, String userId) {
        int currentStock = stock.get();
        // 库存不足，秒杀失败
        if (currentStock <= 0) {
            // 记录失败次数
            seckillCounter.add(1, Attributes.of(
                RESULT_KEY, "failed",
                PRODUCT_KEY, productId
            ));
            return "抢购失败，商品已售罄";
        }
        // 尝试扣减库存（CAS操作保证线程安全）
        if (stock.decrementAndGet() >= 0) {
            // 秒杀成功
            seckillCounter.add(1, Attributes.of(
                RESULT_KEY, "success",
                PRODUCT_KEY, productId
            ));
            return "恭喜！抢购成功，剩余库存：" + stock.get();
        } else {
            // 并发情况下库存不足，回滚
            stock.incrementAndGet();
            seckillCounter.add(1, Attributes.of(
                RESULT_KEY, "failed",
                PRODUCT_KEY, productId
            ));
            return "抢购失败，商品已售罄";
        }
    }
    /**
     * 销毁资源
     */
    @PreDestroy
    public void destroy() {
        // 关闭Gauge，停止采集
        stockGauge.close();
    }
}

代码要点解析：

  1. Meter 命名： getMeter("seckill") 中的"seckill"是命名空间，后续需要在 ARMS 控制台配置

  2. Counter vs Gauge：

    • Counter 用于累计值（只增不减），如秒杀请求总数
    • Gauge 用于瞬时值（可增可减），如当前库存

  3. 维度设计： 通过 Attributes 添加维度，可以按 result（成功/失败）、product_id（商品 ID）进行多维度分析

  4. 线程安全： 使用 AtomicInteger 保证高并发场景下的数据准确性

3.4 第三步：在 ARMS 控制台配置

  1. 登录 ARMS 控制台， 进入应用监控 > 应用设置 > 自定义配置

  2. 开启自定义指标采集： 在应用配置页面的探针采集配置模块，配置需要采集的指标

  1. 配置说明：
    • meters 参数填写第二步中定义的 Meter 名称（seckill）
    • 支持配置多个 Meter，用逗号分隔：seckill,order,payment

3.5 第四步：查看指标数据

  1. 进入 ARMS 控制台的 Prometheus 监控实例列表页面 [ 1] ，并在顶部菜单栏中选择应用接入的地域。下方列表中实例类型为 Prometheus for 应用监控的实例即为当前地域所有 ARMS 应用的 APM 指标以及自定义指标的存储实例。如下图所示。
  1. 单击该示例右侧共享版进入 Grafana 页面，然后单击 Explore，选择数据源为上一步对应的 Prometheus 实例名称。
  1. 您可以通过 PromQL 简单查询在代码中定义的指标，如下图所示，也可以在 Grafana 中自定义展示大盘。

3.6 第五步：配置告警规则

进入 ARMS 控制台的 Prometheus 告警规则页面 [ 2] ，并在顶部菜单栏中选择应用接入的地域。点击创建报警规则即可，如下图所示。

告警：库存预警

更多关于告警规则的内容参见创建 Prometheus 告警规则 [ 3] 。

3.7 最佳实践建议

✅ 指标命名规范

arduino 复制代码 
<namespace>_<metric_name>
例如：
- order_created_count  // 订单创建数
- payment_success_rate // 支付成功率
- user_login_duration  // 登录耗时

✅ 维度设计原则

  • 维度基数不宜过大（避免"维度爆炸"）
  • 优先使用枚举类型维度（如 status: success/failed）
  • 避免使用高基数维度（如 userId、orderId）

反例：

less 复制代码 
// ❌ 错误：userId基数过大
counter.add(1, Attributes.of(
    AttributeKey.stringKey("user_id"), userId
));

正例：

less 复制代码 
// ✅ 正确：使用枚举类型
counter.add(1, Attributes.of(
    AttributeKey.stringKey("user_type"), "vip"
));

✅ 性能优化

  • 预先创建指标对象，避免频繁创建
  • 使用批量记录 API 减少开销
  • Gauge 回调函数保持轻量级

✅ 指标类型选择

场景 指标类型 示例
累计计数 Counter 订单总数、请求总数
瞬时值 Gauge 当前在线用户数、队列长度
分布统计 Histogram 订单金额分布、响应时间分布

ARMS 自定义指标的核心优势

4.1 无缝集成，零成本接入

  • ✅ 自动注入：使用 ARMS Java Agent，无需手动配置 OpenTelemetry
  • ✅ 无侵入采集：框架指标自动采集，业务指标按需定义
  • ✅ 统一上报：指标自动上报到 ARMS，无需部署 Collector

4.2 指标与链路关联

ARMS 的核心优势在于将自定义指标与分布式链路打通：

rust 复制代码 
请求链路：
前端 -> 网关 -> 订单服务 -> 支付服务
         ↓
  自定义指标：订单创建成功
         ↓
  追踪：该订单的完整调用链

价值：当订单指标异常时，可以一键跳转到具体的调用链，快速定位问题。

4.3 丰富的可视化能力

  • 📊 多维度聚合查询
  • 📈 趋势对比分析
  • 🎯 自定义大盘
  • 🔔 灵活的告警规则

4.4 企业级特性

  • 🔒 数据安全隔离
  • 📦 长期数据存储
  • ⚡ 高性能查询
  • 🌐 跨地域部署

总结与展望

自定义指标采集功能是 APM 系统从"监控"走向"可观测"的关键一步。阿里云 ARMS 通过与 OpenTelemetry 标准深度集成，为用户提供了：

✨ 标准化： 拥抱云原生标准，避免厂商锁定

✨ 简单化： 一行配置，即开即用

✨ 可视化： 指标、链路、日志三位一体

✨ 智能化： AI 异常检测，根因分析

应用场景：

  • 电商系统：订单、支付、库存监控
  • 金融系统：交易量、风控指标
  • 游戏系统：在线人数、充值金额
  • IoT 系统：设备在线率、消息量

未来展望：

ARMS 将继续深化自定义指标能力，支持更多框架和更多指标类型的自定义指标采集：

  • 框架上支持 micrometer、prometheus 框架
  • 指标类型上支持分位数、直方图

立即体验 ARMS 自定义指标采集功能，让监控真正服务于业务增长！

参考文档：

相关链接：

1\] Prometheus 监控实例列表页面 [arms.console.aliyun.com/#/prom/cn-h...](https://link.juejin.cn?target=https%3A%2F%2Farms.console.aliyun.com%2F%23%2Fprom%2Fcn-hangzhou "https://arms.console.aliyun.com/#/prom/cn-hangzhou") \[2\] Prometheus 告警规则页面 [arms.console.aliyun.com/#/prom/aler...](https://link.juejin.cn?target=https%3A%2F%2Farms.console.aliyun.com%2F%23%2Fprom%2Falert%2Fcn-hangzhou "https://arms.console.aliyun.com/#/prom/alert/cn-hangzhou") \[3\] 创建 Prometheus 告警规则 [help.aliyun.com/zh/arms/pro...](https://link.juejin.cn?target=https%3A%2F%2Fhelp.aliyun.com%2Fzh%2Farms%2Fprometheus-monitoring%2Fcreate-alert-rules-for-prometheus-instances "https://help.aliyun.com/zh/arms/prometheus-monitoring/create-alert-rules-for-prometheus-instances") 点击[此处](https://link.juejin.cn?target=https%3A%2F%2Fwww.aliyun.com%2Fproduct%2Farms%3Fspm%3Da1z389.11499242.0.0.65452413yOc5rP%26utm_content%3Dg_1000408142 "https://www.aliyun.com/product/arms?spm=a1z389.11499242.0.0.65452413yOc5rP&utm_content=g_1000408142")，立即体验 ARMS。 本文由阿里云 ARMS 团队出品

相关推荐
周杰伦_Jay1 小时前
【 Kubernetes（K8s）完全指南】从入门到实战（含命令+配置+表格对比）
云原生·容器·kubernetes
阿里云云原生2 小时前
从“看曲线”到“懂问题”：MetricSet Explorer 如何重构指标分析体验
云原生
Token_w3 小时前
我的openEuler云原生与AI开发现实际体验
人工智能·云原生
Empty_7773 小时前
K8S-daemonset控制器
云原生·容器·kubernetes
阿里云云原生4 小时前
一步到位！阿里云云原生 API 网关，助力 Nginx Ingress 用户实现高效、安全迁移
云原生
todoitbo4 小时前
openEuler 云原生实战：Docker Compose 部署 Nextcloud 企业级私有云
docker·云原生·容器·openeuler
一条懒鱼6664 小时前
K8S-daemonset控制器
云原生·容器·kubernetes
一周困⁸天.5 小时前
K8S-Service资源对象
云原生·容器·kubernetes
热门推荐
01GitHub 镜像站点02【超详细教程】手把手教你从微软官网免费下载Windows 10官方原版ISO镜像（2025最新版）03UV安装并设置国内源04React CVE-2025-55182漏洞排查与修复指南05BongoCat - 跨平台键盘猫动画工具06安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）07本地部署阿里最新开源的Z-Image08Linux下V2Ray安装配置指南09Labelme从安装到标注：零基础完整指南10Meta第三代“分割一切”模型——SAM 3本地部署教程：首支持文本提示分割，400万概念、30毫秒响应，检测分割追踪一网打尽