1. 前期回顾

项目源码地址：https://github.com/ruogu-coder/ruogu-like

在上一期进行压力测试，但是目前的系统难以实时检测系统的状态，比如点赞的请求量，响应时间等

2. 本期目标

通过 Prometheus + Grafana 构建可观测性解决方案

3. 开发实现

3.1. 重启 TiDB

禁用 TiDB 默认启动的 Prometheus 和 Grafana。

▼
java
复制代码
tiup playground --tag thumb --host 0.0.0.0 --db.host 0.0.0.0 --without-monitor

3.2. 添加依赖

▼
xml
复制代码
<!-- 整合 Prometheus + Grafana -->  
<dependency>  
  <groupId>org.springframework.boot</groupId>  
  <artifactId>spring-boot-starter-actuator</artifactId>  
</dependency>  
<dependency>  
  <groupId>io.micrometer</groupId>  
  <artifactId>micrometer-registry-prometheus</artifactId>  
</dependency>

修改 application-local.yml 文件新增配置：

▼
yaml
复制代码
# 整合 Prometheus + Grafana  
management:  
  endpoints:  
    web:  
      exposure:  
        include: health, prometheus  
  metrics:  
    distribution:  
      percentiles:  
        http:  
          server:  
            requests: 0.5, 0.75, 0.9, 0.95, 0.99

3.3. 添加计数器

在 ThumbController 集成计数器指标

Counter import io.micrometer.core.instrument.Counter;

▼
java
复制代码
private final Counter successCounter;  
private final Counter failureCounter;  
  
public ThumbController(MeterRegistry registry) {  
    this.successCounter = Counter.builder("thumb.success.count")  
            .description("Total successful thumb")  
            .register(registry);  
    this.failureCounter = Counter.builder("thumb.failure.count")  
            .description("Total failed thumb")  
            .register(registry);  
}

统计失败和成功数量

▼
java
复制代码
@PostMapping("/do")
    @Operation(summary = "点赞")
    public CommonResult<Boolean> doThumb(@RequestBody ThumbLikeOrUnLikeDTO thumbLikeOrUnLikeDTO) {
        Boolean success;
        try {
            success = thumbService.doThumb(thumbLikeOrUnLikeDTO);
            if (success) {
                successCounter.increment();
            } else {
                failureCounter.increment();
            }
        } catch (Exception e) {
            failureCounter.increment();
            throw e;
        }
        return CommonResult.success(success);
    }

3.4. Redis 监控指标

虚拟机安装 redis

▼
java
复制代码
docker run --name redis -p 6379:6379 -d redis

添加 Redis Exproter 无密码可以删除最后一行

▼
java
复制代码
docker run --name redis-exporter \
  -p 9121:9121 \
  oliver006/redis_exporter \
  --redis.addr=redis://host.docker.internal:6379 \
  --redis.password=xxx

3.5. Prometheus 配置

在当前目录下创建 Prometheus.yml 文件

▼
java
复制代码
global:
  # 默认情况下，每15秒抓取一次目标数据。
  scrape_interval: 15s

  # 在与外部系统（如联邦、远程存储、Alertmanager）通信时，将这些标签附加到任何时间序列或警报上。
  external_labels:
    monitor: 'codelab-monitor'

# 一个包含一个抓取端点的抓取配置：这里是 Prometheus 自身。
scrape_configs:
  # 作业名称作为标签 `job=<job_name>` 添加到从此配置抓取的任何时间序列中。
  - job_name: 'prometheus'

    # 覆盖全局默认值，每5秒从该作业抓取目标数据。
    scrape_interval: 5s

    static_configs:
      # 目标地址为 Prometheus 自身，在本地主机的9090端口上运行。
      - targets: ['localhost:9090']

  - job_name: 'biz'
    # 覆盖全局默认值，每5秒从该作业抓取目标数据。
    scrape_interval: 5s
  
    # 指标路径，用于从业务服务中获取 Prometheus 指标数据。
    metrics_path: '/api/actuator/prometheus'
  
    static_configs:
      # 目标地址为宿主机上运行的业务服务，端口为9199。
      - targets: ['192.168.31.247:8080']
        labels:
          # 为该目标添加一个额外的标签，用于标识其所属的组。
          group: 'thumb'

  - job_name: 'redis'
    # 覆盖全局默认值，每5秒从该作业抓取目标数据。
    scrape_interval: 5s
  
    static_configs:
      # 目标地址为宿主机上运行的 Redis Exporter，端口为9121。
      - targets: ['host.docker.internal:9121']

启动命令注意要将路径映射对应

▼
java
复制代码
docker run -d \
    --name prometheus \
    -p 9090:9090 \
    -v /path/to/prometheus.yml:/etc/prometheus/prometheus.yml \
    prom/prometheus

3.6. Grafana 仪表盘配置

▼
java
复制代码
docker run -d \
    --name grafana \
    -p 3000:3000 \
    grafana/grafana-enterprise

访问虚拟机 IP:3000 端口默认账号密码 admin

第一次登录需要重新修改密码

配置 Promotheus 数据源

报错：

▼
java
复制代码
firewall-cmd --query-port=9090/tcp  # 查看端口是否开放
firewall-cmd --zone=public --add-port=9090/tcp --permanent  # 开放端口
firewall-cmd --reload  # 重启防火墙使配置生效

▼
java
复制代码
sum(rate(http_server_requests_seconds_count[1m]))

▼
java
复制代码
sum(rate(http_server_requests_seconds_count[1m]))by (uri)

近一分钟点赞成功率计算公式

▼
java
复制代码
rate(thumb_.success_.count_.total[1m])/(rate(thumb._success_count,_total[1m])+rate(thumb_failure_count_total[1m]))

近5分钟缓存命中率计算公式：

▼
java
复制代码
rate(redis_keyspace_hits_total[5m])/(rate(redis_keyspace_hits_total[5m])+ rate(redis keyspace misses total[5m]))

我们认为，如果请求的响应状态码不是2xx，即是请求失败，所以可得近3小时请求失败的总数计算公式:

▼
java
复制代码
increase(http_server_requests_seconds_count{status!~"2.."}[3h])

我这里就简单放一下

亿级流量点赞系统-第八章