度量指标（Metrics）
Spring Boot执行器包括一个支持'gauge'和'counter'级别的度量指标服务。'gauge'记录一个单一值；'counter'记录一个增量（增加或减少）。同时，Spring Boot提供一个PublicMetrics接口，你可以实现它，从而暴露以上两种机制不能记录的指标。
所有HTTP请求的指标都被自动记录，所以如果点击 metrics 端点，你可能会看到类似以下的响应：
{
"counter.status.200.root": 20,
"counter.status.200.metrics": 3,
"counter.status.200.star-star": 5,
"counter.status.401.root": 4,
"gauge.response.star-star": 6,
"gauge.response.root": 2,
"gauge.response.metrics": 3,
"classes": 5808,
"classes.loaded": 5808,
"classes.unloaded": 0,
"heap": 3728384,
"heap.committed": 986624,
"heap.init": 262144,
"heap.used": 52765,
"mem": 986624,
"mem.free": 933858,
"processors": 8,
"threads": 15,
"threads.daemon": 11,
"threads.peak": 15,
"uptime": 494836,
"instance.uptime": 489782,
"datasource.primary.active": 5,
"datasource.primary.usage": 0.25
}
此处我们可以看到基本的 memory ， heap ， class loading ， processor 和 thread pool 信息，连同一些HTTP指标。在该实例中， root ('/')， /metrics URLs分别返回20次，3次 HTTP 200 响应。同时可以看到 root URL返回了4次 HTTP 401 （unauthorized）响应。双asterix（star-star）来自于被Spring MVC /** 匹配到的一个请求（通常为一个静态资源）。
gauge 级别展示了一个请求的最后响应时间。所以， root 的最后请求被响应耗时2毫秒， /metrics 耗时3毫秒。
系统指标
- Spring Boot暴露以下系统指标：
系统内存总量（mem），单位:Kb
空闲内存数量（mem.free），单位:Kb
处理器数量（processors）
系统正常运行时间（uptime），单位:毫秒
应用上下文（就是一个应用实例）正常运行时间（instance.uptime），单位:毫秒
系统平均负载（systemload.average）
堆信息（heap，heap.committed，heap.init，heap.used），单位:Kb
线程信息（threads，thread.peak，thead.daemon）
类加载信息（classes，classes.loaded，classes.unloaded）
垃圾收集信息（gc.xxx.count, gc.xxx.time）
数据源指标
Spring Boot会为你应用中定义的支持的DataSource暴露以下指标：
最大连接数（datasource.xxx.max）
最小连接数（datasource.xxx.min）
活动连接数（datasource.xxx.active）
连接池的使用情况（datasource.xxx.usage）所有的数据源指标共用 datasoure. 前缀。该前缀对每个数据源都非常合适：
如果是主数据源（唯一可用的数据源或存在的数据源中被@Primary标记的）前缀为datasource.primary
如果数据源bean名称以dataSource结尾，那前缀就是bean的名称去掉dataSource的部分（例如，batchDataSource的前缀是datasource.batch）
其他情况使用bean的名称作为前缀通过注册一个自定义版本的DataSourcePublicMetrics bean，你可以覆盖部分或全部的默认行为。默认情况下，Spring Boot提供支持所有数据源的元数据；如果你喜欢的数据源恰好不被支持，你可以添加另外的DataSourcePoolMetadataProvider beans。具体参考DataSourcePoolMetadataProvidersConfiguration。
Tomcat session指标
- 如果你使用Tomcat作为内嵌的servlet容器，session指标将被自动暴露出去。 httpsessions.active 和 httpsessions.max 提供了活动的和最大的session数量。
记录自己的指标
想要记录你自己的指标，只需将CounterService或GaugeService注入到你的bean中。CounterService暴露increment，decrement和reset方法；GaugeService提供一个submit方法。
下面是一个简单的示例，它记录了方法调用的次数：
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.actuate.metrics.CounterService;
import org.springframework.stereotype.Service;
@Service
public class MyService {
private final CounterService counterService;
@Autowired
public MyService(CounterService counterService) {
this.counterService = counterService;
}
public void exampleMethod() {
this.counterService.increment("services.system.myservice.invoked");
}
}
注：你可以将任何的字符串用作指标的名称，但最好遵循所选存储或图技术的指南。Matt Aimonetti’s Blog中有一些好的关于图（Graphite）的指南。
添加你自己的公共指标
- 想要添加额外的，每次指标端点被调用时都会重新计算的度量指标，只需简单的注册其他的PublicMetrics实现bean(s)。默认情况下，端点会聚合所有这样的beans，通过定义自己的MetricsEndpoint可以轻易改变这种情况。
指标仓库
通过绑定一个MetricRepository来实现指标服务。 MetricRepository 负责存储和追溯指标信息。Spring Boot提供一个 InMemoryMetricRepository 和一个 RedisMetricRepository （默认使用in-memory仓库），不过你可以编写自己的 MetricRepository 。 MetricRepository 接口实际是 MetricReader 接口和 MetricWriter 接口的上层组合。具体参考Javadoc
没有什么能阻止你直接将 MetricRepository 的数据导入应用中的后端存储，但我们建议你使用默认的 InMemoryMetricRepository （如果担心堆使用情况，你可以使用自定义的Map实例），然后通过一个scheduled export job填充后端仓库（意思是先将数据保存到内存中，然后通过异步job将数据持久化到数据库，可以提高系统性能）。通过这种方
式，你可以将指标数据缓存到内存中，然后通过低频率或批量导出来减少网络拥堵。Spring Boot提供一个 Exporter 接口及一些帮你开始的基本实现。
Dropwizard指标
Dropwizard ‘Metrics’库的用户会发现Spring Boot指标被发布到了 com.codahale.metrics.MetricRegistry 。当你声明对 io.dropwizard.metrics:metrics-core 库的依赖时会创建一个默认的 com.codahale.metrics.MetricRegistry Spring bean；如
果需要自定义，你可以注册自己的@Bean实例。来自于 MetricRegistry 的指标也是自动通过 /metrics 端点暴露的。用户可以通过使用合适类型的指标名称作为前缀来创建Dropwizard指标（比如， histogram.* , meter.* ）。
消息渠道集成
- 如果你的classpath下存在'Spring Messaging' jar，一个名为 metricsChannel 的 MessageChannel 将被自动创建（除非已经存在一个）。此外，所有的指标更新事件作为'messages'发布到该渠道上。订阅该渠道的客户端可以进行额外的分析或行动。
