Druid監控踩坑指南

来源:https://www.cnblogs.com/Createsequence/p/18106827
-Advertisement-
Play Games

概述 最近項目組在準備接入各種指標監控系統,筆者負責的部分剛好涉及到了 Druid,故記錄一下在過程中遇到的各種情況和坑。 1. 直接使用 Druid 直接使用 Druid 的監控功能,需要直接將它提供的 Servlet 配置到 Web 容器中。具體可以直接參照官方文檔。 配置信息採集:https: ...


概述

最近項目組在準備接入各種指標監控系統,筆者負責的部分剛好涉及到了 Druid,故記錄一下在過程中遇到的各種情況和坑。

1. 直接使用 Druid

直接使用 Druid 的監控功能,需要直接將它提供的 Servlet 配置到 Web 容器中。具體可以直接參照官方文檔。

此外,在這個過程中大部分問題官方文檔中也有解答https://github.com/alibaba/druid/wiki/常見問題

2. 使用 starter

2.1. 啟用監控

如果使用 spring-boot-starter ,則可以基於 springboot 集成。
參照:SpringBoot——開啟Druid監控統計功能

2.2. SQL監控無數據問題

開啟配置後,雖然可用訪問監控頁面了,但是發現 SQL 監控依然沒有數據。
參照:SpringBoot中使用 Druid 資料庫連接池, 後臺SQL監控無效
不過筆者在嘗試過上述兩種方案後,在 SQL 監控依然無法獲取相應的監控數據,在查找 issues 後發現瞭解決方案:SQL監控無數據--DataSource註入問題導致沒有數據
如果用 javaConf 或者 xml 的方式手動配置 Bean,需要指定開啟的 Filters。

@Bean("druidDataSource")
public DataSource dataSource(Environment env) throws SQLException {
  DruidDataSource dataSource = new DruidDataSource();
  dataSource.setFilters("stat");
  ......
  return dataSource;
}

如果不手動指定 Bean,使用配置指定 Druid 數據,會自動開啟 statFilter

spring.datasource.url=your_url 
spring.datasource.username=username 
spring.datasource.password=password
pring.datasource.driver-class-name=com.mysql.jdbc.Driver 
spring.datasource.type=com.alibaba.druid.pool.DruidDataSource

實際上,筆者的項目就是第一種情況,我們的數據源是在配置類中單獨配置的,因此需要通過 dataSource.setFilters("stat") 手動開啟狀態採集器,其餘配置保持不變,重啟項目後正常。

3. 手動採集

如果不依賴 Druid 的監控頁面,也可以自己獲取線程池進行採集,Druid 已經提供好的響應的 API,我們只需要將相應的指標收集任務註冊好即可。
這裡以 Metrics 為例:

/**
 * DruidMetricsCollector
 *
 * @author huangchengxing
 */
@ConditionalOnClass({DruidDataSource.class, MeterRegistry.class})
@Component
@Slf4j
@RequiredArgsConstructor
public class DruidMetricsCollector implements ApplicationContextAware, InitializingBean {

    private static final String LABEL_NAME = "druid-data-source";
    private final MeterRegistry registry;
    @Setter
    private ApplicationContext applicationContext;

    @Override
    public void afterPropertiesSet() throws Exception {
        log.info("Metrics components: druid register finish");
        Map<String, DataSource> dataSourceMap = applicationContext.getBeansOfType(DataSource.class);
        dataSourceMap.forEach((name, ds) -> {
            DruidDataSource druidDataSource = null;
            try {
                druidDataSource = ds.unwrap(DruidDataSource.class);
            } catch (SQLException e) {
                log.warn("Failed to unwrap DruidDataSource from DataSource: {}", name, e);
            }
            if (druidDataSource != null) {
                log.info("Registering metrics for DruidDataSource: {}", name);
                registerMetrics(druidDataSource);
            }
        });
    }

    private void registerMetrics(DruidDataSource druidDataSource) {
        registerGauge(druidDataSource, "druid_initial_size", "Initial size", (datasource) -> (double) druidDataSource.getInitialSize());
        registerGauge(druidDataSource, "druid_min_idle", "Min idle", datasource -> (double) druidDataSource.getMinIdle());
        registerGauge(druidDataSource, "druid_max_active", "Max active", datasource -> (double) druidDataSource.getMaxActive());

        registerGauge(druidDataSource, "druid_active_count", "Active count", datasource -> (double) druidDataSource.getActiveCount());
        registerGauge(druidDataSource, "druid_active_peak", "Active peak", datasource -> (double) druidDataSource.getActivePeak());
        registerGauge(druidDataSource, "druid_pooling_peak", "Pooling peak", datasource -> (double) druidDataSource.getPoolingPeak());
        registerGauge(druidDataSource, "druid_pooling_count", "Pooling count", datasource -> (double) druidDataSource.getPoolingCount());
        registerGauge(druidDataSource, "druid_wait_thread_count", "Wait thread count", datasource -> (double) druidDataSource.getWaitThreadCount());

        registerGauge(druidDataSource, "druid_not_empty_wait_count", "Not empty wait count", datasource -> (double) druidDataSource.getNotEmptyWaitCount());
        registerGauge(druidDataSource, "druid_not_empty_wait_millis", "Not empty wait millis", datasource -> (double) druidDataSource.getNotEmptyWaitMillis());
        registerGauge(druidDataSource, "druid_not_empty_thread_count", "Not empty thread count", datasource -> (double) druidDataSource.getNotEmptyWaitThreadCount());

        registerGauge(druidDataSource, "druid_logic_connect_count", "Logic connect count", datasource -> (double) druidDataSource.getConnectCount());
        registerGauge(druidDataSource, "druid_logic_close_count", "Logic close count", datasource -> (double) druidDataSource.getCloseCount());
        registerGauge(druidDataSource, "druid_logic_connect_error_count", "Logic connect error count", datasource -> (double) druidDataSource.getConnectErrorCount());
        registerGauge(druidDataSource, "druid_physical_connect_count", "Physical connect count", datasource -> (double) druidDataSource.getCreateCount());
        registerGauge(druidDataSource, "druid_physical_close_count", "Physical close count", datasource -> (double) druidDataSource.getDestroyCount());
        registerGauge(druidDataSource, "druid_physical_connect_error_count", "Physical connect error count", datasource -> (double) druidDataSource.getCreateErrorCount());

        registerGauge(druidDataSource, "druid_error_count", "Error count", datasource -> (double) druidDataSource.getErrorCount());
        registerGauge(druidDataSource, "druid_execute_count", "Execute count", datasource -> (double) druidDataSource.getExecuteCount());
        registerGauge(druidDataSource, "druid_start_transaction_count", "Start transaction count", datasource -> (double) druidDataSource.getStartTransactionCount());
        registerGauge(druidDataSource, "druid_commit_count", "Commit count", datasource -> (double) druidDataSource.getCommitCount());
        registerGauge(druidDataSource, "druid_rollback_count", "Rollback count", datasource -> (double) druidDataSource.getRollbackCount());

        registerGauge(druidDataSource, "druid_prepared_statement_open_count", "Prepared statement open count", datasource -> (double) druidDataSource.getPreparedStatementCount());
        registerGauge(druidDataSource, "druid_prepared_statement_closed_count", "Prepared statement closed count", datasource -> (double) druidDataSource.getClosedPreparedStatementCount());
        registerGauge(druidDataSource, "druid_ps_cache_access_count", "PS cache access count", datasource -> (double) druidDataSource.getCachedPreparedStatementAccessCount());
        registerGauge(druidDataSource, "druid_ps_cache_hit_count", "PS cache hit count", datasource -> (double) druidDataSource.getCachedPreparedStatementHitCount());
        registerGauge(druidDataSource, "druid_ps_cache_miss_count", "PS cache miss count", datasource -> (double) druidDataSource.getCachedPreparedStatementMissCount());
        registerGauge(druidDataSource, "druid_execute_query_count", "Execute query count", datasource -> (double) druidDataSource.getExecuteQueryCount());
        registerGauge(druidDataSource, "druid_execute_update_count", "Execute update count", datasource -> (double) druidDataSource.getExecuteUpdateCount());
        registerGauge(druidDataSource, "druid_execute_batch_count", "Execute batch count", datasource -> (double) druidDataSource.getExecuteBatchCount());

        registerGauge(druidDataSource, "druid_max_wait", "Max wait", datasource -> (double) druidDataSource.getMaxWait());
        registerGauge(druidDataSource, "druid_max_wait_thread_count", "Max wait thread count", datasource -> (double) druidDataSource.getMaxWaitThreadCount());
        registerGauge(druidDataSource, "druid_login_timeout", "Login timeout", datasource -> (double) druidDataSource.getLoginTimeout());
        registerGauge(druidDataSource, "druid_query_timeout", "Query timeout", datasource -> (double) druidDataSource.getQueryTimeout());
        registerGauge(druidDataSource, "druid_transaction_query_timeout", "Transaction query timeout", datasource -> (double) druidDataSource.getTransactionQueryTimeout());
    }

    private void registerGauge(DruidDataSource weakRef, String metric, String help, ToDoubleFunction<DruidDataSource> measure) {
        Gauge.builder(metric, weakRef, measure)
            .description(help)
            .tag(LABEL_NAME, weakRef.getName())
            .register(this.registry);
    }
}

項目啟動後,確保該組件被 Spring 管理即可。


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 本文全面探索了容器編排技術的核心概念、工具和高級應用,包括Docker Compose、Kubernetes等主要平臺及其高級功能如網路和存儲管理、監控、安全等。此外,文章還探討了這些技術在實際應用中的案例,提供了對未來趨勢的洞見。 關註【TechLeadCloud】,分享互聯網架構、雲服務技術的全 ...
  • 圖片內容一般無法編輯,如果想要讀取圖片中的文本,我們需要用到OCR工具。本文將介紹如何在Java中實現OCR識別讀取圖片中的文字。 所需工具: IDEA Spire.OCR for Java - Java OCR組件,支持識別多種語言、字體,可讀取JPG、PNG、GIF、BMP 和 TIFF 等常用 ...
  • 關於JDK21控制台字元集編碼問題 前言: 某日嘗試JDK21,idea控制台字元集編碼一直亂碼,後將idea所有能配置UTF-8的配置都配了一遍,無果,後搜索JDK21字元集編碼相關後解決 1.配置項目字元集 點擊菜單 File - > settings -> appearence , 將字體設置 ...
  • 1. 四旋翼無人機飛行原理:欠驅動系統 通過4個電機的轉速,來控制飛行器X、Y、Z軸的加速度和角速度,實現懸停、垂直升降、俯仰、偏航、滾轉(這裡只對比較陌生的俯仰、偏偏行、滾轉做示意圖說明)。 組成 運動控制 運動控制主要參考:四旋翼無人機飛行原理及控制方法,你瞭解多少? 實物圖 2. 無人機設計思 ...
  • 大家好,我是 Java陳序員。 Redis 作為一款高性能的非關係型資料庫,可是深受開發者的喜愛,無論是什麼開發,都能看到 Redis 的身影。 今天,給大家介紹一款跨平臺的 Redis 客戶端連接工具,功能強大,界面美觀! 關註微信公眾號:【Java陳序員】,獲取開源項目分享、AI副業分享、超20 ...
  • 大家好,我是R哥。 最近做 Java 面試輔導,看了許多小伙伴的簡歷,有的人的簡歷一看就知道是包裝的,比如這位,他自己都承認了: 包裝過的簡歷,作為多年面試官,我一眼就能看出來,相信其他面試官也會有同樣的感覺,這也是為什麼很多人的簡歷都是已讀不回的狀態。 下麵我簡單說說包裝的簡歷的特點。 1、技術棧 ...
  • 寫在前面 在實際項目的開發過程中,我們程式往往需要在不同環境中運行。例如:開發環境、測試環境和生產環境。 每個環境中的配置參數可能都會有所不同,例如資料庫連接信息、文件伺服器等等。 Spring Boot 提供了非常方便的方式來管理這些不同環境的配置。 一、Spring Profile 介紹 Spr ...
  • 在 Python 2 中,str.format() 函數可以使用一些高級的格式化選項,下麵是一些常用的高級用法: 1. 格式化數字 可以使用格式化選項來控制數字的顯示方式,例如: # 將數字格式化為帶千位分隔符的字元串 n = 1234567 s = "{:,}".format(n) print(s ...
一周排行
    -Advertisement-
    Play Games
  • 隨著Aspire發佈preview5的發佈,Microsoft.Extensions.ServiceDiscovery隨之更新, 服務註冊發現這個屬於老掉牙的話題解決什麼問題就不贅述了,這裡主要講講Microsoft.Extensions.ServiceDiscovery(preview5)以及如何 ...
  • 概述:通過使用`SemaphoreSlim`,可以簡單而有效地限制非同步HTTP請求的併發量,確保在任何給定時間內不超過20個網頁同時下載。`ParallelOptions`不適用於非同步操作,但可考慮使用`Parallel.ForEach`,儘管在非同步場景中謹慎使用。 對於併發非同步 I/O 操作的數量 ...
  • 1.Linux上安裝Docken 伺服器系統版本以及內核版本:cat /etc/redhat-release 查看伺服器內核版本:uname -r 安裝依賴包:yum install -y yum-utils device-mapper-persistent-data lvm2 設置阿裡雲鏡像源:y ...
  • 概述:WPF界面綁定和渲染大量數據可能導致性能問題。通過啟用UI虛擬化、非同步載入和數據分頁,可以有效提高界面響應性能。以下是簡單示例演示這些優化方法。 在WPF中,當你嘗試綁定和渲染大量的數據項時,性能問題可能出現。以下是一些可能導致性能慢的原因以及優化方法: UI 虛擬化: WPF提供了虛擬化技術 ...
  • 引言 上一章節介紹了 TDD 的三大法則,今天我們講一下在單元測試中模擬對象的使用。 Fake Fake - Fake 是一個通用術語,可用於描述 stub或 mock 對象。 它是 stub 還是 mock 取決於使用它的上下文。 也就是說,Fake 可以是 stub 或 mock Mock - ...
  • 為.net6在CentOS7上面做準備,先在vmware虛擬機安裝CentOS 7.9 新建CentOS764位的系統 因為CentOS8不更新了,所以安裝7;簡單就一筆帶過了 選擇下載好的操作系統的iso文件,下載地址https://mirrors.aliyun.com/centos/7.9.20 ...
  • 經過前面幾篇的學習,我們瞭解到指令的大概分類,如:參數載入指令,該載入指令以 Ld 開頭,將參數載入到棧中,以便於後續執行操作命令。參數存儲指令,其指令以 St 開頭,將棧中的數據,存儲到指定的變數中,以方便後續使用。創建實例指令,其指令以 New 開頭,用於在運行時動態生成並初始化對象。方法調用指... ...
  • LiteDB 是一個輕量級的嵌入式 NoSQL 資料庫,其設計理念與 MongoDB 類似,但它是完全使用 C# 開發的,因此與 C# 應用程式的集成非常順暢。與 SQLite 相比,LiteDB 提供了 NoSQL(即鍵值對)的數據存儲方式,並且是一個開源且免費的項目。它適用於桌面、移動以及 We ...
  • 1 開源解析和拆分文檔 第三方的工具去對文件解析拆分,去將我們的文件內容給提取出來,並將我們的文檔內容去拆分成一個小的chunk。常見的PDF word mark down, JSON、HTML。都可以有很好的一些模塊去把這些文件去進行一個東西去提取。 優勢 支持豐富的文檔類型 每種文檔多樣化選擇 ...
  • OOM是什麼?英文全稱為 OutOfMemoryError(記憶體溢出錯誤)。當程式發生OOM時,如何去定位導致異常的代碼還是挺麻煩的。 要檢查OOM發生的原因,首先需要瞭解各種OOM情況下會報的異常信息。這樣能縮小排查範圍,再結合異常堆棧、heapDump文件、JVM分析工具和業務代碼來判斷具體是哪 ...