springcloud-dashboard、turbine监控hystrix的使用

布满荆棘的人生 2022-06-05 01:54 278阅读 0赞

在hystrx中将线程数目等设置完成后，可以通过Dashboard或者Turbine对其进行监控，在使用的使用一般会有1-2S的延迟，对于这两者的区别，Dashboard就是一个数据的展示面板，可以对单机的内容进行监控；而Turbine则是将多个相同的服务数据在Dashboard进行汇总展示，下图展示了turbine汇总数据的形式。  
![Center][]  
不管Dashboard还是Turbine都是作为独立的服务运行，首先说明dashboard，添加以下jar包，并在主类中加上@EnableHystrixDashboard，启用Hystrix Dashboard功能。

<dependency>
    		<groupId>org.springframework.cloud</groupId>
    		<artifactId>spring-cloud-starter-hystrix</artifactId>
    	</dependency>
    	<dependency>
    		<groupId>org.springframework.cloud</groupId>
    		<artifactId>spring-cloud-starter-hystrix-dashboard</artifactId>
    	</dependency>
    	<dependency>
    		<groupId>org.springframework.boot</groupId>
    		<artifactId>spring-boot-starter-actuator</artifactId>
    	</dependency>

除此之外还需要在被监控的服务中添加以下jar包，并@EnableCircuitBreaker开启断路功能

启动dashboard之后，在界面中添加http://localhost:8084/hystrix.stream，其中8084是被监控服务的端口，这样就可以在dashboard中监控服务的运行情况了，下图是监控单个服务的页面情况

![Center 1][]

上图中需要解释几个参数，这几个参数的大部分可以通过下图表现出来，这里重点说的是图中展示不全或解释不完全的。

![Center 2][]

第一、median、mean、90th、99th和99.5th，这是统计数据，这些统计数据来自metrics，可以在代码中进行如下设置：

private static String getStatsStringFromMetrics(HystrixCommandMetrics metrics) {
        StringBuilder m = new StringBuilder();
        if (metrics != null) {
            HealthCounts health = metrics.getHealthCounts();
            m.append("Requests: ").append(health.getTotalRequests()).append(" ");
            m.append("Errors: ").append(health.getErrorCount()).append(" (").append(health.getErrorPercentage())
                    .append("%)   ");
            m.append("Mean: ").append(metrics.getTotalTimeMean()).append(" ");
            m.append("50th: ").append(metrics.getExecutionTimePercentile(50)).append(" ");
            m.append("75th: ").append(metrics.getExecutionTimePercentile(75)).append(" ");
            m.append("90th: ").append(metrics.getExecutionTimePercentile(90)).append(" ");
            m.append("99th: ").append(metrics.getExecutionTimePercentile(99)).append(" ");
        }
        return m.toString();
    }

一个比较好的解释是The 90th percentile tells you the value for which 90% of the data points are smaller and 10% are bigger.，意思就是1065ms以下的占99%，1065ms以上的占1%，其他同样类推  
第二、Cluster和Host每秒的请求数目，其中Cluster代表集群中每秒的请求数，host代表单机的每秒请求数  
第三、Pool Size代表程序中的线程数目，并一定代表最大的线程数  
第四、executions 正在执行的线程数，这个数量是小于Pool Size的  
第五、max active 的解释是hread count displays the rolling maximum number of active threads during a rolling statistical window。我的理解是超时回滚的线程数，这个数目和超时线程的数目应该是一致的  
第六、Queue size 队列大小  
使用turbine的时候，dashboard服务的所有服务都不需要改变，因为Turbine展示的数据还要在dashboard中展示，Turbine作为一个单独的服务需要添加以下jar包

<dependency>
    		<groupId>org.springframework.cloud</groupId>
    		<artifactId>spring-cloud-starter-turbine</artifactId>
    	</dependency>
    	<dependency>
    		<groupId>org.springframework.boot</groupId>
    		<artifactId>spring-boot-starter-actuator</artifactId>
    	</dependency>

在主类中添加以下注解

@Configuration
    @EnableAutoConfiguration
    @EnableTurbine
    @EnableDiscoveryClient

在turbine的配置文件中添加以下数据eureka.client.serviceUrl.defaultZone=http://localhost:1001/eureka/，之后在dashboard页面中输入http://localhost:8086/turbine.stream后，便可以对集群中的提供相同服务的数据进行监控了,下边就是监控两个服务的页面，我们可以看到host的数量是2，说明是监控了两个相同的服务，通过每秒请求的数量也可以看出host的2倍是cluster  
![Center 3][]  
在使用turbine监控数据的时候出现一个问题：两个相同的服务提供相同的接口，此时一个服务应该是另一个服务的复制，因此所设置的线程池的大小和队列的大小也应该是一致的，但是出现以下几种情况：  
第一，线程数+队列数为偶数的情况，单个服务处理请求数目为（线程数\*2+队列数）/2，而不是原来的线程数+队列数，总体处理能力也由是线程数\*2+队列数，总体未验证  
第二，线程数+队列数为偶数的情况，单个服务处理请求数目和不加turbine监控时候的处理能力一样，总体处理能力也由是线程数\*2+队列数，总体未验证  
这样服务本身因为添加了监控而导致服务本身的设置发生了变化，个人认为这是不应该的发生的情况，监控不应该对服务本身产生影响，这是我测试的结果，有什么不对的也请指出。

[Center]: /images/20220605/e08ee7257c7b4bb283d03486d0ddf2ba.png
[Center 1]: /images/20220605/5146b4f05d0e41d082da12b4f3c639a5.png
[Center 2]: /images/20220605/5483f6d35d04404d9bb08abd7d0cc3ee.png
[Center 3]: /images/20220605/1361f2cdf20e48cba687f6eca0c6489c.png