SpringBoot 2.0 + InfluxDB+ Sentinel 实时监控数据存储
- 2019 年 10 月 3 日
- 筆記
前言
阿里巴巴提供的控制台只是用于演示 Sentinel 的基本能力和工作流程，并没有依赖生产环境中所必需的组件，比如持久化的后端数据库、可靠的配置中心等。目前 Sentinel 采用内存态的方式存储监控和规则数据，监控最长存储时间为 5 分钟，控制台重启后数据丢失。
企业版
这里推荐一下阿里云的官方版，AHAS Sentinel 控制台 是 Sentinel 控制台的阿里云上版本，提供企业级的控制台服务，包括：
- 实时请求链路查看
- 还有各种酷炫的监控图表
- 可靠的实时监控和历史监控数据查询，无需自行存储、拉取
- 动态规则管理/推送，无需自行配置外部数据源
免费版，可以提供 5 个节点的免费额度。开通专业版即可享受不限量节点额度。
专业版没有实例连接限制，开通后每天前5个限流降级节点不计费，超出部分按3元/天/实例收取相应的费用。
思路
官方文档也提供了思路，若需要监控数据持久化的功能，可以自行扩展实现 MetricsRepository 接口（0.2.0 版本），然后注册成 Spring Bean 并在相应位置通过 @Qualifier 注解指定对应的 bean name 即可。MetricsRepository 接口定义了以下功能：
-
save 与 saveAll：存储对应的监控数据
-
queryByAppAndResourceBetween：查询某段时间内的某个应用的某个资源的监控数据
-
listResourcesOfApp：查询某个应用下的所有资源
其中默认的监控数据类型为 MetricEntity，包含应用名称、时间戳、资源名称、异常数、请求通过数、请求拒绝数、平均响应时间等信息。
对于监控数据的存储，用户需要根据自己的存储精度，来考虑如何存储这些监控数据。显然我们要使用目前最流行的时序数据库InfluxDB解决方案，不要问什么？闭眼享受就可以了。
选型
InfluxDB是一个开源分布式时序、事件和指标数据库。使用 Go 语言编写，无需外部依赖。
应用：性能监控，应用程序指标，物联网传感器数据和实时分析等的后端存储。
-
强大的类SQL语法
-
内置http支持，使用http读写
-
基于事件：它支持任意的事件数据
-
无结构（无模式）：可以是任意数量的列
-
可度量性：你可以实时对大量数据进行计算
-
持续高并发写入、无更新、数据压缩存储、低查询延时
-
支持min, max, sum, count, mean, median 等一系列函数
-
基于时间序列，支持与时间有关的相关函数（如最大，最小，求和等）
改造
InfluxDB 安装
首先你得先有个 Influxdb 数据库，建议使用 Docker 方式安装，更多可以参考文末链接。
需要注意的是，从1.1.0版开始不推荐使用管理员界面，并将在1.3.0版中删除。默认情况下禁用。如果需要，仍可以通过设置如下环境变量来启用它。
以下端口很重要，并由InfluxDB使用。
- 8086 HTTP API端口
- 8083 管理员界面端口（如果已启用，1.7.8貌似启用也不好使），官方推荐使用
chronograf
通过该命令, 生成默认配置文件:
docker run --rm influxdb influxd config > influxdb.conf创建并运行容器：
docker run -d -p 8086:8086 -p 8083:8083 -e INFLUXDB_ADMIN_ENABLED=true -v $PWD/data:/var/lib/influxdb/ -v $PWD/config/influxdb.conf:/etc/influxdb/influxdb.conf:ro --name influx influxdb -config /etc/influxdb/influxdb.conf生产环境一定要开启权限验证，修改 influxdb.conf 配置：
[http] enabled = true bind-address = ":8086" auth-enabled = true # 鉴权创建用户：
# 进入容器 docker exec -it influx /bin/sh # 连接 influx # 创建用户 CREATE USER admin with PASSWORD 'admin' WITH ALL PRIVILEGES退出重新登录：
# 用户密码登录 influx -username admin -password admin # 创建数据库 CREATE DATABASE sentinel_logSentinel 控制台改造
pom.xml引入 influxdb 官方开源工具包：
<dependency> <groupId>org.influxdb</groupId> <artifactId>influxdb-java</artifactId> <version>2.15</version> </dependency>配置文件引入：
# 自行替换 API 地址:端口 spring.influx.url=http://127.0.0.1:8086 spring.influx.user=admin spring.influx.password=admin spring.influx.database=sentinel_log配置数据源：
/** * InfluxDb 配置 * 创建者 爪哇笔记 * 网址 https://blog.52itstyle.vip */ @Configuration public class InfluxDbConfig { @Value("${spring.influx.url:''}") private String influxDBUrl; @Value("${spring.influx.user:''}") private String userName; @Value("${spring.influx.password:''}") private String password; @Value("${spring.influx.database:''}") private String database; @Bean public InfluxDB influxDB(){ InfluxDB influxDB = InfluxDBFactory.connect(influxDBUrl, userName, password); try { /** * 异步插入： * enableBatch这里第一个是point的个数，第二个是时间，单位毫秒 * point的个数和时间是联合使用的，如果满100条或者2000毫秒 * 满足任何一个条件就会发送一次写的请求。 */ influxDB.setDatabase(database) .enableBatch(100,2000, TimeUnit.MILLISECONDS); } catch (Exception e) { e.printStackTrace(); } finally { influxDB.setRetentionPolicy("autogen"); } influxDB.setLogLevel(InfluxDB.LogLevel.BASIC); return influxDB; } }实现 MetricsRepository 接口，重写实现：
/** * 数据CURD * 创建者 爪哇笔记 * 网址 https://blog.52itstyle.vip */ @Component("inInfluxdbMetricsRepository") public class InInfluxdbMetricsRepository implements MetricsRepository<MetricEntity> { @Autowired public InfluxDB influxDB; @Override public synchronized void save(MetricEntity metric) { //省略代码，太长了，参考内存写法，参考 saveAll 这里是单条插入 } @Override public synchronized void saveAll(Iterable<MetricEntity> metrics) { if (metrics == null) { return; } BatchPoints batchPoints = BatchPoints.builder() .tag("async", "true") .consistency(InfluxDB.ConsistencyLevel.ALL) .build(); metrics.forEach(metric->{ Point point = Point .measurement("sentinelInfo") //这里使用微妙、如果还有覆盖数据就使用纳秒，保证 time 和 tag 唯一就可以 .time(System.currentTimeMillis(), TimeUnit.MICROSECONDS) .tag("app",metric.getApp())//tag 数据走索引 .addField("gmtCreate", metric.getGmtCreate().getTime()) .addField("gmtModified", metric.getGmtModified().getTime()) .addField("timestamp", metric.getTimestamp().getTime()) .addField("resource", metric.getResource()) .addField("passQps", metric.getPassQps()) .addField("successQps", metric.getSuccessQps()) .addField("blockQps", metric.getBlockQps()) .addField("exceptionQps", metric.getExceptionQps()) .addField("rt", metric.getRt()) .addField("count", metric.getCount()) .addField("resourceCode", metric.getResourceCode()) .build(); batchPoints.point(point); }); //批量插入 influxDB.write(batchPoints); } @Override public synchronized List<MetricEntity> queryByAppAndResourceBetween(String app, String resource, long startTime, long endTime) { //省略代码，太长了，参考内存写法 } @Override public synchronized List<String> listResourcesOfApp(String app) { //省略代码，太长了，参考内存写法 } }分别修改 MetricFetcher 和 MetricController中 metricStore 的注入方式，使用 Influxdb 实现：
/** * 注入 * 创建者 爪哇笔记 * 网址 https://blog.52itstyle.vip */ @Autowired @Qualifier("inInfluxdbMetricsRepository") private MetricsRepository<MetricEntity> metricStore;配置完成后，我们重启控制台，然后访问客户端项目，如果控制台打印以下数据，说明配置成功：
2019-09-21 19:47:25 [sentinel-dashboard-metrics-fetchWorker-thread-2] INFO okhttp3.OkHttpClient - --> POST http://118.190.247.102:8086/write?db=sentinel_log&precision=n&consistency=all (486-byte body) 2019-09-21 19:47:25 [sentinel-dashboard-metrics-fetchWorker-thread-2] INFO okhttp3.OkHttpClient - <-- 204 No Content http://118.190.247.102:8086/write?db=sentinel_log&precision=n&consistency=all (46ms, 0-byte body) 多访问几次客户端项目，然后登陆控制台查看，出现以下效果，说明改造成功：
注意事项：
-
官方前端并没有实现按照时间范围的查询搜索，需要自行实现
-
官方控制台实时监控默认查询的是最近一分钟的热点资源排行，见方法
listResourcesOfApp -
官方控制台实时监控右侧 Table 默认查询的是最近五分钟的热点访问详情，见方法
queryTopResourceMetric
小结
对于官方五分钟的阉割版，时序数据库实现的流控数据存储，对于生产环境还是很有帮助的，比如实时数据分析，热点资源、监控预警等等。小伙伴们还可以根据实际生产需求结合Chronograf、Grafana 做出更炫酷的大屏监控。
源码
https://gitee.com/52itstyle/sentinel-dashboard
参考
https://blog.52itstyle.vip/archives/4460/
https://hub.docker.com/_/influxdb
https://hub.docker.com/_/chronograf
https://github.com/influxdata/influxdb-java
https://github.com/influxdata/influxdb-python
https://help.aliyun.com/document_detail/97578.htm
