当前位置：首页 > 文章列表 > 文章 > java教程 > Prometheus监控Java应用指标采集指南

Prometheus监控Java应用指标采集指南

2025-07-19 18:59:22 0浏览收藏

想为你的Java应用实现高效监控？本文为你提供一份全面的Prometheus监控Java应用指标采集教程，助你轻松掌握关键技术。针对Spring Boot应用，推荐使用Micrometer，通过引入`spring-boot-starter-actuator`和`micrometer-registry-prometheus`依赖，并配置启用`/prometheus`端点，即可快速集成并暴露自定义指标，实现对应用运行状态的实时监控。对于传统Java应用，JMX Exporter则是不二之选，它能将JMX MBeans转换为Prometheus指标，只需下载`jmx_prometheus_javaagent.jar`，编写`config.yaml`定义映射规则，并通过`-javaagent`参数加载代理，即可让Prometheus抓取JMX转换后的指标。无论选择哪种方案，都能让你充分利用Prometheus强大的监控能力，深入洞察Java应用的运行状况。

Prometheus监控Java应用的核心方法是使用Micrometer或JMX Exporter暴露指标。1. 使用Micrometer时，添加spring-boot-starter-actuator和micrometer-registry-prometheus依赖，配置management.endpoints.web.exposure.include启用/prometheus端点，并通过MeterRegistry创建Counter、Gauge、Timer等指标类型记录数据。2. 使用JMX Exporter时，下载jmx_prometheus_javaagent.jar并编写config.yaml定义JMX到Prometheus指标的映射规则，通过-javaagent参数加载代理并指定端口和配置文件，使Prometheus可抓取JMX转换后的指标。两者分别适用于Spring Boot应用和传统Java应用，实现对运行状态的有效监控。

Prometheus监控Java应用的指标采集指南

Prometheus监控Java应用，核心在于让Java应用以Prometheus可识别的格式（通常是OpenMetrics文本格式）暴露其内部指标。这通常通过在应用内部集成特定的客户端库（如Micrometer）或使用外部代理（如JMX Exporter）来实现。一旦指标暴露出来，Prometheus服务器就能周期性地抓取（scrape）这些数据，进行存储、查询和告警。

解决方案

要让Prometheus顺利监控到你的Java应用，最主流且推荐的方式是使用Micrometer。它是一个度量门面（metrics facade），支持多种监控系统，包括Prometheus。对于一些遗留或非Spring Boot的应用，JMX Exporter则是一个非常实用的选择，它能将Java应用通过JMX暴露的MBeans转换为Prometheus指标。

1. 使用Micrometer (推荐)

如果你在使用Spring Boot，Micrometer的集成简直是无缝的。它内置了对各种指标类型的支持，并且通过Spring Boot Actuator自动暴露/actuator/prometheus端点。

Maven依赖:

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-actuator</groupId>
</dependency>
<dependency>
    <groupId>io.micrometer</groupId>
    <artifactId>micrometer-registry-prometheus</artifactId>
    <scope>runtime</scope>
</dependency>

Gradle依赖:

implementation 'org.springframework.boot:spring-boot-starter-actuator'
runtimeOnly 'io.micrometer:micrometer-registry-prometheus'

配置 (application.properties 或 application.yml):

确保Actuator的Prometheus端点被启用。

management.endpoints.web.exposure.include=health,prometheus

自定义指标示例 (Java代码):

import io.micrometer.core.instrument.Counter;
import io.micrometer.core.instrument.MeterRegistry;
import org.springframework.stereotype.Service;

@Service
public class MyService {

    private final Counter requestCounter;

    public MyService(MeterRegistry registry) {
        // 创建一个名为 "my_service_requests_total" 的计数器
        // 带有标签 "status" 和 "method"
        this.requestCounter = Counter.builder("my_service_requests_total")
                .description("Total number of requests to MyService")
                .tag("status", "success")
                .register(registry);
    }

    public String processRequest() {
        // 每次调用此方法，计数器加1
        requestCounter.increment();
        return "Request processed successfully!";
    }
}

启动应用后，访问 http://localhost:8080/actuator/prometheus 就能看到你的指标了。

2. 使用JMX Exporter (适用于传统或非Spring Boot应用)

JMX Exporter是一个独立的Java代理，它通过JMX连接到运行中的JVM，并根据配置文件将JMX MBean属性转换为Prometheus指标。

下载JMX Exporter JAR:

你可以从Maven Central下载最新版本的 jmx_prometheus_javaagent.jar。比如，搜索 io.prometheus.jmx:jmx_prometheus_javaagent。

创建配置文件 (config.yaml):

这个文件定义了哪些JMX MBean应该被暴露，以及如何命名它们。

# config.yaml 示例
startDelaySeconds: 0 # 代理启动后立即开始暴露指标
rules:
  - pattern: "java.lang<type=OperatingSystem><>SystemLoadAverage"
    name: "jvm_system_load_average"
    help: "System load average for the last minute"
    type: GAUGE
  - pattern: "java.lang<type=Memory><HeapMemoryUsage>committed"
    name: "jvm_heap_memory_committed_bytes"
    help: "Committed heap memory in bytes"
    type: GAUGE
  - pattern: "java.lang<type=MemoryPool, name=(.+?)><Usage>committed"
    name: "jvm_memory_pool_committed_bytes"
    help: "Committed memory for a given memory pool in bytes"
    labels:
      pool: "$1"
    type: GAUGE

启动Java应用时加载JMX Exporter:

java -javaagent:/path/to/jmx_prometheus_javaagent.jar=9090:/path/to/config.yaml -jar your-application.jar

这里 9090 是JMX Exporter暴露指标的端口，/path/to/config.yaml 是你的配置文件路径。

为什么选择Prometheus来监控Java应用？

在我看来，Prometheus和Java的结合简直是天作之合。首先，它是一个强大的开源监控系统，尤其是其基于拉取（pull）模型的指标采集方式，与Java应用的服务发现机制能很好地协同工作。你不需要担心应用主动推送数据的问题，Prometheus会定期来“拜访”你的应用，把需要的数据拿走。这种模式在微服务架构下特别香，服务启动了，Prometheus自然就能发现它并开始监控。

其次，Prometheus的PromQL查询语言真的非常强大。它可以让你对收集到的时间序列数据进行各种复杂的聚合、过滤和计算，从而深入洞察应用的运行状况。我记得有一次，我用PromQL几行代码就快速定位了一个内存泄露问题，那种效率是传统监控工具很难比拟的。

当然，它也有一些小“脾气”。比如，PromQL的学习曲线对于新手来说可能有点陡峭，而且Prometheus本身是单机的，虽然有联邦（federation）和远程存储（remote storage）方案来扩展，但大规模集群的规划和维护确实需要一些经验。不过，这些挑战相比它带来的价值来说，我觉得完全值得投入。

Micrometer在Java应用中如何快速集成并暴露自定义指标？

Micrometer的魅力在于它的“门面”特性，这意味着你写一次代码，就可以适配多种监控后端，Prometheus只是其中之一。对于Spring Boot应用，集成简直是傻瓜式的。

添加依赖：上面已经提到了 spring-boot-starter-actuator 和 micrometer-registry-prometheus。前者提供了Spring Boot的监控端点基础设施，后者是Prometheus注册表的实现。
启用Actuator端点：在 application.properties 或 application.yml 中配置 management.endpoints.web.exposure.include=prometheus。这样，Spring Boot就会在 /actuator/prometheus 路径上暴露Prometheus格式的指标。

创建自定义指标： Micrometer提供了几种核心的度量类型：

Counter (计数器)：只增不减的数值，适合统计请求总数、错误总数等。

Counter myCounter = registry.counter("my_app_processed_events_total", "type", "success");
myCounter.increment(); // 每次事件发生时调用

Gauge (计量器)：表示瞬时值，可增可减，适合表示当前内存使用、队列大小等。

// 监控一个List的当前大小
List<String> myList = new ArrayList<>();
registry.gaugeCollectionSize("my_app_list_size", Tags.empty(), myList);

或者直接绑定一个函数：

registry.gauge("my_app_active_connections", this, MyService::getActiveConnections);
// MyService中需要有 public double getActiveConnections() 方法

Timer (计时器)：测量短时间事件的持续时间，如方法执行时间、请求处理时间。它同时提供了计数和总时间。

Timer myTimer = registry.timer("my_app_task_duration", "task", "data_processing");
myTimer.record(() -> {
    // 这里是需要计时的代码块
    try {
        Thread.sleep(100);
    } catch (InterruptedException e) {
        Thread.currentThread().interrupt();
    }
});

DistributionSummary (分布摘要)：用于统计事件的分布，如请求体大小、响应延迟等，可以提供分位数（percentiles）信息。
```
DistributionSummary mySummary = registry.summary("my_app_payload_size_bytes");
mySummary.record(1024); // 记录一个1024字节的负载
```

关键点是，你需要通过 MeterRegistry 实例来注册这些指标。在Spring Boot中，MeterRegistry 会被自动注入到你的组件中。

我个人在使用Micrometer时，最喜欢它的标签（tags）功能。你可以为每个指标添加任意数量的键值对标签，比如 method="GET", path="/api/v1/users", status="success"。这让你的数据变得异常灵活，在PromQL查询时能进行非常细粒度的过滤和聚合。

JMX Exporter：如何为传统Java应用配置Prometheus监控？

JMX Exporter对于那些不是Spring Boot，或者你不想修改应用代码来集成Micrometer的传统Java应用来说，简直是救星。它的工作原理是作为一个Java代理运行，通过JVM的JMX接口获取运行时的各种MBeans信息，然后转换成Prometheus能理解的格式。

获取JMX Exporter Jar包：从Maven Central下载 jmx_prometheus_javaagent.jar。通常，你会把它放在应用服务器能访问到的某个路径下。
编写 config.yaml 配置文件：这是JMX Exporter的核心。它定义了哪些JMX MBean应该被暴露，以及如何将它们的属性映射到Prometheus指标。这个配置文件是基于YAML格式的，包含一系列的 rules。
- pattern: 这是匹配JMX MBean名称的正则表达式。JMX MBean的名称通常是 domain:key=value,key=value,... 的形式，比如 java.lang:type=Memory。
- name: 转换后Prometheus指标的名称。
- help: 指标的描述信息，会在Prometheus的 /metrics 页面显示。
- type: 指标类型（GAUGE, COUNTER, SUMMARY, HISTOGRAM）。
- labels: 可以从Mbean名称或属性中提取值作为Prometheus指标的标签。$1, $2 等代表 pattern 中捕获组的值。
举个例子，要监控Tomcat连接池：
```
rules:
  - pattern: "Catalina<type=ThreadPool, name=\".*?\"><>currentThreadCount"
    name: "tomcat_thread_pool_current_threads"
    help: "Current number of threads in Tomcat thread pool"
    type: GAUGE
    labels:
      name: "$1" # 从name=\"(.*?)\"捕获组中提取线程池名称
  - pattern: "Catalina<type=DataSource, host=.*?, path=.*?, class=.*?, name=\"(.*?)\"><>NumActive"
    name: "tomcat_datasource_active_connections"
    help: "Number of active connections in Tomcat datasource"
    type: GAUGE
    labels:
      name: "$1"
```
配置 rules 是JMX Exporter使用过程中最需要花时间的地方。因为不同的Java应用服务器（Tomcat, Jetty, WildFly等）或库（HikariCP, Druid等）暴露的JMX MBean名称和结构都不尽相同。你可能需要借助JConsole或VisualVM这样的工具来查看目标JVM的MBeans结构，然后根据它们来编写你的 pattern。
启动Java应用时加载JMX Exporter：通过JVM参数 -javaagent 来加载JMX Exporter。
```
java -javaagent:/path/to/jmx_prometheus_javaagent.jar=9090:/path/to/config.yaml -jar your-application.jar
```
这里 9090 是JMX Exporter将暴露指标的端口，Prometheus会从这个端口抓取数据。

JMX Exporter的优点是侵入性极低，你不需要修改应用代码。但缺点也很明显，就是 config.yaml 的编写和调试可能比较繁琐，特别是当你需要监控的MBeans结构复杂或不明确时。有时候，一个正则表达式写不对，就可能导致一大堆指标无法被正确采集。不过，一旦配置好了，它就能非常稳定地工作，为你的老应用提供现代化的监控能力。

终于介绍完啦！小伙伴们，这篇关于《Prometheus监控Java应用指标采集指南》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识，快来关注吧！