跳到主要内容

Micrometer Atlas

DeepSeek V3 中英对照 Atlas Micrometer Atlas

Atlas 是一个内存中的维度时间序列数据库，具有内置的绘图功能、自定义的基于堆栈的查询语言以及高级数学运算。Atlas 起源于 Netflix，目前仍然是其运营指标解决方案。

1. 安装 micrometer-registry-atlas​

建议使用 Micrometer（或您的框架，如果有的话）提供的 BOM，您可以在此处查看如何配置它 here。以下示例假设您正在使用 BOM。

1.1. Gradle​

在 配置 好 BOM 之后，添加以下依赖项：

implementation 'io.micrometer:micrometer-registry-atlas'
groovy
备注

由于版本由 BOM 定义，因此此依赖项不需要指定版本。

1.2. Maven​

在 配置 完 BOM 后，添加以下依赖：

<dependency>
  <groupId>io.micrometer</groupId>
  <artifactId>micrometer-registry-atlas</artifactId>
</dependency>
xml
备注

由于该依赖项的版本由 BOM 定义，因此不需要指定版本。

2. 配置​

AtlasConfig atlasConfig = new AtlasConfig() {
    @Override
    public Duration step() {
        return Duration.ofSeconds(10);
    }

    @Override
    public String get(String k) {
        return null; // accept the rest of the defaults
    }
};
MeterRegistry registry = new AtlasMeterRegistry(atlasConfig, Clock.SYSTEM);
java

Micrometer 使用 Netflix 的 Spectator 作为底层工具库，用于记录发送到 Atlas 的指标。AtlasConfig 是一个带有默认方法的接口。如果在 get(String k) 的实现中，你将其绑定到一个属性源而不是返回 null，则可以覆盖默认配置。例如，Micrometer 的 Spring Boot 支持将前缀为 management.metrics.export.atlas 的属性直接绑定到 AtlasConfig：

management.metrics.export.atlas:
    # The location of your Atlas server
    uri: http://localhost:7101/api/v1/publish

    # You will probably want to conditionally disable Atlas publishing in local development.
    enabled: true

    # The interval at which metrics are sent to Atlas. The default is 1 minute.
    step: 1m
yml

3. 图表绘制​

本节将快速介绍如何在 Atlas 中呈现源自 Micrometer 的指标的有用表示。有关 Atlas 中可能性的更完整参考，请参阅 Atlas wiki。

3.1. 计数器​

Atlas 以 PNG 图像的形式提供图表（以及其他输出格式）。

我们使用以下查询来可视化来自 Atlas 的计数器。请注意，该值是经过步长间隔速率归一化的，而不是单调递增的。Atlas 始终期望从 Micrometer 获取的计数器数据是速率聚合的。

Atlas 渲染的计数器

图 1. 正偏差随机游走上的计数器。

GET /api/v1/graph?
       q=
       name,counter,:eq,
       2,:lw
       &tz=US/Central
       &s=e-15m // <1>
       &w=400 // <2>
       &l=0 // <3>
Host: localhost:7101
http

  • 我们希望在 x 轴上可视化的时间范围。e 表示结束时间或“现在”。此图的时间轴从 15 分钟前到现在。Atlas 会自动从数据中选择最精细的步长间隔，以便在生成的图像上至少渲染 1px 宽。

  • 返回的 PNG 图像的总宽度应为 400px。

  • 将 y 轴的下限设置为 0，以便随机游走中的波动看起来不那么剧烈。

3.2. 定时器​

直接从 Timer 读取时返回的是一个 double 类型，但底层值在 Spectator 中是以纳秒精度的 long 类型存储的。在 Timer 接口中转换为 double 时丢失的精度不会影响像 Atlas 这样的系统，因为它已配置为从 Micrometer 隐藏的底层 Spectator Timer 中读取测量值。

Spectator Atlas 的 Timer 生成了四个时间序列，每个序列都有一个不同的 statistic 标签：

  • count: 每秒调用次数。

  • totalTime: 每秒总时间。

  • totalOfSquares: 每秒总时间的平方（用于标准差计算）。

  • max: 记录的最大值。

因此，您可以通过以下查询实现吞吐量（请求/秒）的线性增长：

name,timer,:eq,statistic,count,:eq,:and
http

请注意，statistic 只是一个可以像其他维度一样进行下钻和选择的维度。

此外，totalTime/count 表示平均延迟，可以使用简写 :dist-avg 查询来选择，该查询会选中 totalTime 和 count 时间序列并为我们执行除法运算：

name,timer,:eq,:dist-avg
http

在前面的示例中，你可以看到这两条线绘制在同一个双轴图表上。

Atlas 渲染的计时器

图 2. 模拟服务上的计时器。

3.3. 长任务计时器​

假设我们有一个任务，预期在 70 秒内完成，但实际上花费了两分钟。长任务计时器的一个关键优势是，在我们超过阈值后的第一个报告间隔内，我们能够收到警报。而使用常规计时器，我们只能在任务完成后的第一个报告间隔内收到警报。如果我们有一个 10 秒的发布间隔，常规计时器警报将比长任务计时器警报晚近一分钟到达。

Atlas 渲染的长任务计时器

图 3. 模拟的背靠背长任务。

GET /api/v1/graph?
       q=
       name,longTaskTimer,:eq,statistic,duration,:eq,:and, // <1>
       :dup,
       70,:gt,:vspan,f00,:color,40,:alpha,alerted,:legend, // <2>
       70,f00,:color,alert+threshold,:legend // <3>
       &tz=US/Central
       &s=e-15m
       &w=400
       &l=0
       &title=Peaks+of+Long+Tasks
       &ylabel=time
Host: localhost:7101
http

  • 表示连续发生的长任务的表示。

  • 当长任务超过我们设定的 70 秒阈值时出现的垂直跨度。为了不让图表显得过于拥挤，我们还降低了垂直跨度的透明度。

  • 将 70 秒的阈值绘制为一条单独的线。