metrics

一、关于App.Metrics+InfluxDB+Grafana 1.1 App.Metrics 　　 　　App.Metrics是一款开源的支持.NET Core的 监控 插件，它还可以支持跑在.NET Framework上的应用程序（版本 >= 4.5.2）。官方文档地址： https://www.app-metrics.io/ 1.2 InfluxDB 　　 　　InfluxDB是一款开源的分布式 时序、时间和指标 数据库，使用go语言编写，无需外部依赖。官网地址： https://portal.influxdata.com 1.3 Grafana 　　 　　Grafana是一个可视化面板（ Dashboard ），有着非常漂亮的图表和布局展示，功能齐全的度量仪表盘和图形编辑器，支持Graphite、zabbix、 InfluxDB 、Prometheus和OpenTSDB作为数据源。官网地址： https://grafana.com/ 二、InfluxDB的安装与配置 2.1 Linux下的安装 　　请参考focus-lei的文章《 .NET Core使用App.Metrics + InfluxDB + Grafana进行APM监控 》，我这里只是做demo，所以选择了在我的Windows Server虚拟机中安装，快速一点。当然

1.yaml文件如下 spec : clusterIP : 10.233 . 43.125 ports : - name : http - metrics port : 8080 protocol : TCP targetPort : http - metrics - name : telemetry port : 8081 protocol : TCP targetPort : telemetry selector : k8s - app : kube - state - metrics sessionAffinity : None #type: ClusterIP type : NodePort 来源：博客园 作者： littlevigra 链接：https://www.cnblogs.com/hixiaowei/p/11551549.html

IMDB数据集 from keras . datasets import imdb ( train_data , train_labels ),( test_data , test_labels )= imdb . load_data ( num_words = 10000 ) print ( train_data [ 0 ]) print ( train_labels [ 0 ]) print ( max ([ max ( sequence ) for sequence in train_data ])) word_index = imdb . get_word_index () reverse_word_index = dict ( [( value , key ) for ( key , value ) in word_index . items ()]) decoded_review = ' ' . join ([ reverse_word_index . get ( i - 3 , '?' ) for i in train_data [ 0 ]]) print ( decoded_review )#将整数序列编码为二进制矩阵 import numpy as npdef vectorize_sequences ( sequences , dimension = 10000

https://nacos.io/zh-cn/docs/what-is-nacos.html 服务（Service）是 Nacos 世界的一等公民。Nacos 支持几乎所有主流类型的“服务”的发现、配置和管理 我们开发说是： 配置中心和服务注册中心 不纠结了，做为一个运维，还是好好部署吧。 这个没什么好说的，用docker-compose 一键启动 Clone 项目 git clone https : //github.com/nacos-group/nacos-docker.git cd nacos - docker 单机模式 docker - compose - f example / standalone - mysql . yaml up - d 官网的文档比较简洁，用docker去搭建集群是伪集群。于是放弃用docker搭集群。换用官方的编译包。 以下为官方推荐的部署架构图 下载地址 https://github.com/alibaba/nacos/releases/download/1.1.3/nacos-server-1.1.3.tar.gz tar - xvf nacos - server - 1.1 . 3.tar . gz cd nacos / conf 配置文件 [ root@nodejs1 conf ]# cat cluster . conf #it is

Prometheus 监控K8S集群中Pod kubelet的节点使用cAdvisor提供的metrics接口获取该节点所 有容器相关的性能指标数据。 暴露接口地址： https : //NodeIP:10255/metrics/cadvisor https : //NodeIP:10250/metrics/cadvisor 在K8S中部署Grafana与可视化 　　grafana 是一个可视化面板，有着非常漂亮的图表和布局展示，功能齐全的度量仪表盘和图形编辑器，支持 Graphite、zabbix、InfluxDB、Prometheus、OpenTSDB、Elasticsearch 等作为数据源，比 Prometheus 自带的图表展示功能强大太多，更加灵活，有丰富的插件，功能更加强大。 下载地址：https://grafana.com/grafana/download 集群资源监控模板号：3119 1、导入新创建的Prometheus地址 2、导入模板：使用3119模板 3、查看效果 4、根据源服务器调整监控指标 5、根据情况修改参数 6、查看效果 来源：博客园 作者： kevin.Xiang 链接：https://www.cnblogs.com/xiangsikai/p/11432919.html

Prometheus（普罗米修斯）是一套开源的监控&报警&时间序列数据库的组合，起始是由SoundCloud公司开发的。随着发展，越来越多公司和组织接受采用Prometheus，社会也十分活跃，他们便将它独立成开源项目，并且有公司来运作。Google SRE的书内也曾提到跟他们BorgMon监控系统相似的实现是Prometheus。现在最常见的Kubernetes容器管理系统中，通常会搭配Prometheus进行监控。 Prometheus基本原理是通过HTTP协议周期性抓取被监控组件的状态，这样做的好处是任意组件只要提供HTTP接口就可以接入监控系统，不需要任何SDK或者其他的集成过程。这样做非常适合虚拟化环境比如VM或者Docker 。 Prometheus应该是为数不多的适合Docker、Mesos、Kubernetes环境的监控系统之一。 输出被监控组件信息的HTTP接口被叫做exporter 。目前互联网公司常用的组件大部分都有exporter可以直接使用，比如Varnish、Haproxy、Nginx、MySQL、Linux 系统信息 (包括磁盘、内存、CPU、网络等等)，具体支持的源看：https://github.com/prometheus。 与其他监控系统相比，Prometheus的主要特点是： 一个多维数据模型（时间序列由指标名称定义和设置键/值尺寸）。

今天和大家聊一聊在Spring Cloud微服务框架实践中，比较核心但是又很容易把人搞得稀里糊涂的一个问题，那就是在Spring Cloud中Hystrix、Ribbon以及Feign它们三者之间在处理微服务调用超时从而触发熔断降级的关系是什么？ 我们知道在Spring Cloud微服务体系下，微服务之间的互相调用可以通过Feign进行声明式调用，在这个服务调用过程中Feign会通过Ribbon从服务注册中心获取目标微服务的服务器地址列表，之后在网络请求的过程中Ribbon就会将请求以负载均衡的方式打到微服务的不同实例上，从而实现Spring Cloud微服务架构中最为关键的功能即服务发现及客户端负载均衡调用。 另一方面微服务在互相调用的过程中，为了防止某个微服务的故障消耗掉整个系统所有微服务的连接资源，所以在实施微服务调用的过程中我们会要求在调用方实施针对被调用微服务的熔断逻辑。而要实现这个逻辑场景在Spring Cloud微服务框架下我们是通过Hystrix这个框架来实现的。 调用方会针对被调用微服务设置调用超时时间，一旦超时就会进入熔断逻辑，而这个故障指标信息也会返回给Hystrix组件，Hystrix组件会根据熔断情况判断被调微服务的故障情况从而打开熔断器，之后所有针对该微服务的请求就会直接进入熔断逻辑，直到被调微服务故障恢复，Hystrix断路器关闭为止。 Hystrix

Metrics API 介绍Metrics-Server之前，必须要提一下Metrics API的概念 Metrics API相比于之前的监控采集方式(hepaster)是一种新的思路，官方希望核心指标的监控应该是稳定的，版本可控的，且可以直接被用户访问(例如通过使用 kubectl top 命令)，或由集群中的控制器使用(如HPA)，和其他的Kubernetes APIs一样。 官方废弃heapster项目，就是为了将核心资源监控作为一等公民对待，即像pod、service那样直接通过api-server或者client直接访问，不再是安装一个hepater来汇聚且由heapster单独管理。 假设每个pod和node我们收集10个指标，从k8s的1.6开始，支持5000节点，每个节点30个pod，假设采集粒度为1分钟一次，则： 10 x 5000 x 30 / 60 = 25000 平均每分钟2万多个采集指标 因为k8s的api-server将所有的数据持久化到了etcd中，显然k8s本身不能处理这种频率的采集，而且这种监控数据变化快且都是临时数据，因此需要有一个组件单独处理他们，k8s版本只存放部分在内存中，于是metric-server的概念诞生了。 其实hepaster已经有暴露了api，但是用户和Kubernetes的其他组件必须通过master

环境说明： 主机名 Docker版本 Prometheus版本 Node exporter版本 cAdvisor版本 Grafana版本 ip地址 docker01 18.09.2 2.9.2 0.18.0 v0.32.0 v6.1.6 172.27.9.71 docker02 18.09.2 / 0.18.0 v0.32.0 / 172.27.9.75 ubuntu安装详见： Ubuntu16.04.5以lvm方式安装全记录 docker安装详见： Ubuntu16.04安装Docker docker-compose安装详见： Docker Compose实践 一、Prometheus简介 Prometheus特点： 多维数据模型，其中时间序列数据通过metric名和键值对来区分。 灵活而强大的查询语句（PromQL） 不依赖分布式存储，可直接在本地工作 通过HTTP使用pull模式采集时间序列数据 可以采用push gateway的方式把时间序列数据推送至 Prometheus server 端 可以通过服务发现或者静态配置去获取监控的 targets 支持多种图形和仪表盘模式 二、Prometheus架构 组件： Prometheus生态圈由多个组件组成，其中许多是可选的： Prometheus Server: 用于抓取和存储时间序列数据。 Client Library

actuator默认集成了很多端点查看，这里我会挑选也用到可能性大些的 1.2. Endpoints 开启服务后，直接访问： localhost:8080/actuator/health ，最后个单词换成端点的任意一个单词 beans 显示应用spring beans的完整列表 conditions 自动装配的类信息，一般情况下也不会用到，研究源码时可以参考下 env 显示环境变量 metrics 当前应用的metrics信息 mappings 当前应用的@RequestMapping 路径集列表 scheduledtasks 当前应用的定时任务列表 httptrace 显示http跟踪信息，默认显示最后100个Http请求-响应交换 如下是我的配置例子 info.author=lll info.company=xxx公司 info.java_version=${java.version} # 端点检查 management.endpoints.web.exposure.include=* management.endpoint.health.show-details=always management.endpoint.shutdown.enabled=false 这里很多资料是用'*'来表示include的值，我实际测试，至少在 application.properties