美文网首页
SpringCloud升级之路2020.0.x版-15.Unde

SpringCloud升级之路2020.0.x版-15.Unde

作者: 干货满满张哈希 | 来源:发表于2021-08-19 09:18 被阅读0次
    image

    本系列代码地址:https://github.com/HashZhang/spring-cloud-scaffold/tree/master/spring-cloud-iiford

    我们使用 Spring Boot 的 SPI 机制对 Undertow 进行订制,主要有如下两个方面:

    1. 需要在 accesslog 中打开响应时间统计。
    2. 期望通过 JFR 监控每个 Http 请求,同时占用空间不能太大。

    接下来我们依次实现这两个需求:

    image

    首先,我们的框架作为基础组件,应该按照基础组件的标准来开发,使用 这个系列之前介绍的 spring.factories 这个 Spring Boot SPI 机制,在引入我们这个基础组件依赖的时候,就自动加载对应配置。

    然后,对于是否打开响应时间统计,应该根据用户配置的 accesslog 格式而定(Undertow 的 accesslog 配置可以参考这个系列之前的文章)。

    由此我们来编写代码。目前比较遗憾的是,Spring Boot 对接 Undertow 并没有直接的配置可以让 Undertow 打开响应时间统计,但是可以通过实现 WebServerFactoryCustomizer 接口的方式,对构造 WebServerWebServerFactory 进行订制。其底层实现原理非常简单(以下参考源码:WebServerFactoryCustomizerBeanPostProcessor.java):

    • Spring Boot 中指定了 WebServerFactoryCustomizerBeanPostProcessor 这个 BeanPostProcessor.
    • WebServerFactoryCustomizerBeanPostProcessorpostProcessBeforeInitialization 方法(即在所有 Bean 初始化之前会调用的方法)中,如果 Bean 类型是 WebServerFactory,就将其作为参数传入注册的所有 WebServerFactoryCustomizer Bean 中进行自定义。

    接下来我们来实现自定义的 WebServerFactoryCustomizer

    DefaultWebServerFactoryCustomizer

    package com.github.hashjang.spring.cloud.iiford.spring.cloud.webmvc.undertow;
    
    import io.undertow.UndertowOptions;
    import org.apache.commons.lang.StringUtils;
    import org.springframework.boot.autoconfigure.web.ServerProperties;
    import org.springframework.boot.web.embedded.undertow.ConfigurableUndertowWebServerFactory;
    import org.springframework.boot.web.server.WebServerFactoryCustomizer;
    
    public class DefaultWebServerFactoryCustomizer implements WebServerFactoryCustomizer<ConfigurableUndertowWebServerFactory> {
    
        private final ServerProperties serverProperties;
    
        public DefaultWebServerFactoryCustomizer(ServerProperties serverProperties) {
            this.serverProperties = serverProperties;
        }
    
        @Override
        public void customize(ConfigurableUndertowWebServerFactory factory) {
            String pattern = serverProperties.getUndertow()
                    .getAccesslog().getPattern();
            // 如果 accesslog 配置中打印了响应时间,则打开记录请求开始时间配置
            if (logRequestProcessingTiming(pattern)) {
                factory.addBuilderCustomizers(builder -> 
                        builder.setServerOption(
                                UndertowOptions.RECORD_REQUEST_START_TIME, 
                                true
                        )
                );
            }
        }
    
        private boolean logRequestProcessingTiming(String pattern) {
            //如果没有配置 accesslog,则直接返回 false
            if (StringUtils.isBlank(pattern)) {
                return false;
            }
            //目前只有 %D 和 %T 这两个占位符和响应时间有关,通过这个判断
            //其他的占位符信息,请参考系列之前的文章
            return pattern.contains("%D") || pattern.contains("%T");
        }
    }
    
    

    然后我们通过 spring.factories SPI 机制将这个类以一个单例 Bean 的形式,注册到我们应用 ApplicationContext 中,如图所示:

    image

    在 Configuration 和 spring.factories 之间多了一层 AutoConfiguration 的原因是:

    1. 隔离 SPI 与 Configuration,在 AutoConfiguration 同一管理相关的 Configuration。
    2. @AutoConfigurationBefore 等类似的注解只能用在 SPI 直接加载的 AutoConfiguration 类上面才有效,隔离这一层也是出于这个考量。

    [图片上传失败...(image-2d0467-1629335874484)]

    在系列前面的文章中,我们提到过我们引入了 prometheus 的依赖。在引入这个依赖后,对于每个 http 请求,都会在请求结束返回响应的时候,将响应时间以及响应码和异常等,记入统计,其中的内容类似于:

    http_server_requests_seconds_count{exception="None",method="POST",outcome="SUCCESS",status="200",uri="/query/orders",} 120796.0
    http_server_requests_seconds_sum{exception="None",method="POST",outcome="SUCCESS",status="200",uri="/query/orders",} 33588.274025738
    http_server_requests_seconds_max{exception="None",method="POST",outcome="SUCCESS",status="200",uri="/query/orders",}  0.1671125
    http_server_requests_seconds_count{exception="MissingRequestHeaderException",method="POST",outcome="CLIENT_ERROR",status="400",uri="/query/orders",} 6.0
    http_server_requests_seconds_sum{exception="MissingRequestHeaderException",method="POST",outcome="CLIENT_ERROR",status="400",uri="/query/orders",} 0.947300794
    http_server_requests_seconds_max{exception="MissingRequestHeaderException",method="POST",outcome="CLIENT_ERROR",status="400",uri="/query/orders",}  0.003059704
    

    可以看出,记录了从程序开始到现在,以 exception,method,outcome,status,uri 为 key 的调用次数,总时间和最长时间。

    同时呢,还可以搭配 @io.micrometer.core.annotation.Timer 注解,订制监控并且增加 Histogram,例如:

    //@Timer 注解想生效需要注册一个 io.micrometer.core.aop.TimedAspect Bean 并且启用切面
    @Bean
    public TimedAspect timedAspect(MeterRegistry registry) {
        return new TimedAspect(registry);
    }
    
    @Timed(histogram=true)
    @RequestMapping("/query/orders")
    public xxxx xxxx() {
        .....
    }
    

    这样就会除了上面的数据额外得到类似于 bucket 的统计数据:

    http_server_requests_seconds_bucket{exception="None",method="GET",outcome="SUCCESS",status="200",uri="/facts-center/query/frontend/market-info",le="0.001",} 0.0
    http_server_requests_seconds_bucket{exception="None",method="GET",outcome="SUCCESS",status="200",uri="/facts-center/query/frontend/market-info",le="0.001048576",} 0.0
    http_server_requests_seconds_bucket{exception="None",method="GET",outcome="SUCCESS",status="200",uri="/facts-center/query/frontend/market-info",le="0.001398101",} 0.0
    http_server_requests_seconds_bucket{exception="None",method="GET",outcome="SUCCESS",status="200",uri="/facts-center/query/frontend/market-info",le="0.001747626",} 0.0
    //省略中间的时间层级
    http_server_requests_seconds_bucket{exception="None",method="GET",outcome="SUCCESS",status="200",uri="/facts-center/query/frontend/market-info",le="30.0",} 1.0
    http_server_requests_seconds_bucket{exception="None",method="GET",outcome="SUCCESS",status="200",uri="/facts-center/query/frontend/market-info",le="+Inf",} 1.0
    

    以上这些统计给我们分析问题带来了如下不便的地方:

    1. 采集分析压力过大:我们采用了 grafana 采集 prometheus 上报的指标数据,grafana 的时序数据库会将采集到的数据全部保存。自带的 http 监控指标过多,一个路径,一个结果,一个异常,一个方法就有一个特定指标,如果是有将参数作为路径参数的接口,那么这个指标就更多更多了,例如将 userId 放入路径中。我们其实只关注出问题的时间段的请求状况,但是我们并不能预测啥时候出问题,也就无法按需提取,只能一直采集并保存,这也就导致压力过大。
    2. 指标对于压力不敏感,无法很准确的用指标进行报警:由于指标并不是采集后就清空,而是从程序开始就一直采集。所以随着程序的运行,这些指标对于瞬时压力的表现波动越来越小

    所以,我们基本不会通过这个指标进行问题定位,也就没必要开启了,于是我们禁用这个 http 请求响应采集,目前没有很优雅的方式单独禁用,只能通过自动扫描注解中排除,例如:

    @SpringBootApplication(
            scanBasePackages = {"com.test"}
            //关闭 prometheus 的 http request 统计,我们用不到
            , exclude = WebMvcMetricsAutoConfiguration.class
    )
    
    image
    • 首先,JFR 采集是进程内的,并且 JVM 做了很多优化,性能消耗很小,可以指定保留多少天或者保留最多多大的 JFR 记录(保存在本地临时目录),我们可以随用随取。
    • 并且,我们可以将我们感兴趣的信息放入 JFR 事件,作比较灵活的定制。
    • 对于某个请求时间过长一直没有响应的,我们可以分为收到请求和请求响应两个 JFR 事件。

    我们来定义这两个 JFR 事件,一个是收到请求的事件,另一个是请求响应的事件:

    HttpRequestReceivedJFREvent.java

    package com.github.hashjang.spring.cloud.iiford.spring.cloud.webmvc.undertow.jfr;
    
    import jdk.jfr.Category;
    import jdk.jfr.Event;
    import jdk.jfr.Label;
    import jdk.jfr.StackTrace;
    
    import javax.servlet.ServletRequest;
    
    @Category({"Http Request"})
    @Label("Http Request Received")
    @StackTrace(false)
    public class HttpRequestReceivedJFREvent extends Event {
        //请求的 traceId,来自于 sleuth
        private final String traceId;
        //请求的 spanId,来自于 sleuth
        private final String spanId;
    
        public HttpRequestReceivedJFREvent(ServletRequest servletRequest, String traceId, String spanId) {
            this.traceId = traceId;
            this.spanId = spanId;
        }
    }
    

    HttpRequestJFREvent.java

    package com.github.hashjang.spring.cloud.iiford.spring.cloud.webmvc.undertow.jfr;
    
    import io.undertow.servlet.spec.HttpServletRequestImpl;
    import io.undertow.servlet.spec.HttpServletResponseImpl;
    import jdk.jfr.Category;
    import jdk.jfr.Event;
    import jdk.jfr.Label;
    import jdk.jfr.StackTrace;
    
    import javax.servlet.ServletRequest;
    import javax.servlet.ServletResponse;
    import java.util.Enumeration;
    
    @Category({"Http Request"})
    @Label("Http Request")
    @StackTrace(false)
    public class HttpRequestJFREvent extends Event {
        //请求的 http 方法
        private final String method;
        //请求的路径
        private final String path;
        //请求的查询参数
        private final String query;
        //请求的 traceId,来自于 sleuth
        private String traceId;
        //请求的 spanId,来自于 sleuth
        private String spanId;
        //发生的异常
        private String exception;
        //http 响应码
        private int responseStatus;
    
        public HttpRequestJFREvent(ServletRequest servletRequest, String traceId, String spanId) {
            HttpServletRequestImpl httpServletRequest = (HttpServletRequestImpl) servletRequest;
            this.method = httpServletRequest.getMethod();
            this.path = httpServletRequest.getRequestURI();
            this.query = httpServletRequest.getQueryParameters().toString();
            Enumeration<String> headerNames = httpServletRequest.getHeaderNames();
            StringBuilder stringBuilder = new StringBuilder();
            headerNames.asIterator().forEachRemaining(s -> stringBuilder.append(s).append(":").append(httpServletRequest.getHeader(s)).append("\n"));
            this.traceId = traceId;
            this.spanId = spanId;
        }
    
        public void setResponseStatus(ServletResponse servletResponse, Throwable throwable) {
            this.responseStatus = ((HttpServletResponseImpl) servletResponse).getStatus();
            this.exception = throwable != null ? throwable.toString() : null;
        }
    }
    

    然后,我们仿照文中前面关闭的 WebMvcMetricsAutoConfiguration 中的 WebMvcMetricsFilter 编写我们自己的 Filter 并仿照注册,这里我们只展示核心代码:

    JFRTracingFilter.java

    @Override
    public void doFilter(ServletRequest servletRequest, ServletResponse servletResponse, FilterChain filterChain) throws IOException, ServletException {
        HttpRequestJFREvent httpRequestJFREvent = null;
        try {
            //从 sleuth 中获取 traceId 和 spanId
            TraceContext context = tracer.currentSpan().context();
            String traceId = context.traceId();
            String spanId = context.spanId();
            //收到请求就创建 HttpRequestReceivedJFREvent 并直接提交
            HttpRequestReceivedJFREvent httpRequestReceivedJFREvent = new HttpRequestReceivedJFREvent(servletRequest, traceId, spanId);
            httpRequestReceivedJFREvent.commit();
            httpRequestJFREvent = new HttpRequestJFREvent(servletRequest, traceId, spanId);
            httpRequestJFREvent.begin();
        } catch (Exception e) {
            log.error("JFRTracingFilter-doFilter failed: {}", e.getMessage(), e);
        }
    
        Throwable throwable = null;
        try {
            filterChain.doFilter(servletRequest, servletResponse);
        } catch (IOException | ServletException t) {
            throwable = t;
            throw t;
        } finally {
            try {
                //无论如何,都会提交 httpRequestJFREvent
                if (httpRequestJFREvent != null) {
                    httpRequestJFREvent.setResponseStatus(servletResponse, throwable);
                    httpRequestJFREvent.commit();
                }
            } catch (Exception e) {
                log.error("JFRTracingFilter-doFilter final failed: {}", e.getMessage(), e);
            }
        }
    }
    
    image

    我们这一节针对 Undertow 进行了两个定制:分别是需要在 accesslog 中打开响应时间统计以及通过 JFR 监控每个 Http 请求,同时占用空间不能太大。下一节,我们将开始介绍我们微服务的注册中心 Eureka 的使用以及细节配置。

    相关文章

      网友评论

          本文标题:SpringCloud升级之路2020.0.x版-15.Unde

          本文链接:https://www.haomeiwen.com/subject/ipsobltx.html