本文将指导您将Spring Boot应用打造成指标生成引擎，并构建令运维团队惊艳的监控仪表盘。

第一步：使用Micrometer和Prometheus导出指标

添加相关依赖

首先在项目中添加micrometer-registry-prometheus依赖。

该依赖使Spring Boot Actuator能够以Prometheus可抓取的格式暴露指标。

Maven:

<dependency>  
    <groupId>io.micrometer</groupId>  
    <artifactId>micrometer-registry-prometheus</artifactId>  
</dependency>

Gradle:

implementation 'io.micrometer:micrometer-registry-prometheus'

暴露Prometheus端点

在application.properties中启用端点：

management.endpoints.web.exposure.include=prometheus,health,info  
management.metrics.tags.application=my-spring-app

• /actuator/prometheus 端点现在以 Prometheus 格式提供指标数据。

• management.metrics.tags.application 为所有指标添加自定义标签（在多服务架构中很有用）。

验证端点：

curl http://localhost:8080/actuator/prometheus

您将看到原始指标数据，如 jvm_memory_used_bytes（JVM内存使用字节数）和 http_server_requests_seconds_count（HTTP请求计数）。

第二步：配置Prometheus抓取指标

创建一个prometheus.yml配置文件来配置抓取您的Spring Boot应用指标：

global:  
  scrape_interval: 15s  
scrape_configs:  
  - job_name: 'spring-boot'  
    metrics_path: '/actuator/prometheus'  
    static_configs:  
      - targets: ['host.docker.internal:8080']  # Use 'localhost' if not using Docker  
    metrics_path: /actuator/prometheus

通过Docker运行Prometheus:

docker run -p 9090:9090 -v $(pwd)/prometheus.yml:/etc/prometheus/prometheus.yml prom/prometheus

访问http://localhost:9090/targets确认运行成功。

第三步：构建Grafana仪表盘

使用Grafana连接Prometheus

安装运行Grafana:

docker run -d -p 3000:3000 grafana/grafana

访问 http://localhost:3000 登录Grafana (默认账密: admin/admin).

增加Prometheus数据源：

• URL地址：http://host.docker.internal:9090（Docker环境使用）或 http://localhost:9090（非Docker环境）

导入预置仪表盘

Grafana 社区为 Spring Boot 提供了丰富的仪表盘模板。以下是一些推荐：

JVM 指标：使用仪表盘 ID 4701。

• 跟踪内存、线程、GC和CPU使用情况。

HTTP 指标：使用仪表盘 ID 6756。

• 监控请求率、延迟和错误百分比。

导入方式：

• 点击 “+” → “Import” → 输入仪表盘 ID。

第四步：创建自定义指标

让我们来跟踪一个业务相关的指标：登录尝试次数。

使用MeterRegistry定义自定义指标

注入MeterRegistry并创建计数器：

@Component
public class LoginMetrics {
    private final Counter loginAttemptsCounter;
    private final Counter successLoginAttemptsCounter;
    private final Counter failureLoginAttemptsCounter;
    private final MeterRegistry meterRegistry;

    public LoginMetrics(MeterRegistry meterRegistry) {
        this.meterRegistry = meterRegistry;
        this.loginAttemptsCounter = Counter.builder("login.attempts")
            .description("Total user login attempts")
            .tag("type", "auth")
            .register(meterRegistry);
        this.successLoginAttemptsCounter = Counter.builder("login.attempts")
            .description("Successful user login attempts")
            .tag("type", "auth")
            .tag("result", "success")
            .register(meterRegistry);
        this.failureLoginAttemptsCounter = Counter.builder("login.attempts")
            .description("Failed user login attempts")
            .tag("type", "auth")
            .tag("result", "failure")
            .register(meterRegistry);
    }

    public void incrementLoginAttempts(boolean success) {
        loginAttemptsCounter.increment();
        if (success) {
            successLoginAttemptsCounter.increment();
        } else {
            failureLoginAttemptsCounter.increment();
        }
    }
}

在服务中使用指标

@Service  
public class AuthService {  
    private final LoginMetrics loginMetrics;  
public AuthService(LoginMetrics loginMetrics) {  
        this.loginMetrics = loginMetrics;  
    }  
    public boolean login(String username, String password) {  
        boolean success = // ... authentication logic ...  
        loginMetrics.incrementLoginAttempts(success);  
        return success;  
    }  
}

这将生成三个时间序列：

• login_attempts_total{type="auth"} — 跟踪登录尝试总次数

• login_attempts_total{type="auth", result="success"} — 跟踪成功登录尝试次数

• login_attempts_total{type="auth", result="failure"} — 跟踪失败登录尝试次数

第五步：在Grafana中可视化自定义指标

创建跟踪登录尝试的仪表盘：

新增一个新的面板 → “Add panel”.

Query:

rate(login_attempts_total{application="my-spring-app"}[5m])

• • 使用 rate() 函数计算5分钟内的每秒平均请求率

可视化配置：

• • 选择”Graph”图表类型以查看趋势。
• • 将”result”标签分成独立的线条显示。

专业建议：添加统计面板展示总尝试次数：

sum(login_attempts_total) by (result)

生产环境最佳实践

1. 避免高基数：不要使用无界标签（如用户ID）

2. 使用层级化指标：按http.requests.total格式组织指标名称

3. 端点安全：使用Spring Security保护/actuator/prometheus端点

4. 设置告警：针对错误率激增或JVM内存溢出配置Grafana告警

小结

通过Prometheus和Grafana，您不仅是在监控应用——更是在深入理解系统运行。指标数据将转化为可读性极强的运维叙事，比如：

• “为什么昨天的登录尝试次数下降了？

• “新版本发布对GC暂停有什么影响？”

通过添加自定义指标，您可以将原始数据转化为可执行的洞察。现在就开始全面埋点监控——当你在深夜调试系统故障时，未来的你会感谢现在的决定！