不同於單體架構的應用，微服務架構由於服務數量眾多，出故障的概率更大，這種時候不能單純依靠「人肉」運維，否則當服務數量越來越多時成本將變得不可控。乙個好的解決方案是我們需要對服務進行監控，監控服務執行的資料。當有異常情況出現時，服務能夠自動報警，方便運維工程師去處理。
spring cloud 中對於服務監控這乙個話題也是在不斷地變化中。早期的版本（ greenwich 版之前）服務監控主要使用 hystrix dashboard 儀錶盤，集群資料監控使用 turbine，這一技術組合在最新的 greenwich 版中被建議使用 micrometer 來替換掉。相對於前者， micrometer 的使用確實要方便很多，而且容易結合配套工具 prometheus 以及 grafana 一起使用，具備自動報警功能，資料展示也更加多樣化，方便運維工程師去檢視。
micrometer 為資料測量儀表提供了乙個簡單的外觀，它幾乎適用於大部分目前最流行的監控系統，允許開發者檢測基於 jvm 的應用程式**， micrometer 有點類似於 slf4j ，只不過是針對測量資料的。micrometer 主要有如下三方面的功能：
二、micrometer 基本用法
微服務之服務監控
服務描述 註冊中心 服務框架 服務監控 服務追蹤 服務治理 目錄 監控微服務 監控物件 監控指標 監控維度 搭建監控系統 監控系統原理 監控系統四個環節 服務監控在微服務改造過程中的重要性不言而喻，沒有強大的監控能力，改造成微服務架構後，就無法掌控各個不同服務的情況，在遇到呼叫失敗時，如果不能快速發...
如何監控微服務
首先要搞清楚三個問題 監控的物件是什麼？具體監控哪些指標？從哪些緯度進行監控？監控的物件可以分為四個層次，從上到下可以歸納為 監控指標 監控維度 監控系統原理 我們對服務呼叫進行監控，首先要能收集到每一次呼叫的詳細資訊，包括呼叫的響應時間，呼叫是否成功，呼叫的發起者和接受者分別是誰，這個過程叫做資料...
微服務學習筆記 如何監控微服務呼叫
錯誤率一段時間內呼叫失敗的次數佔呼叫總次數的比率來衡量，比 如對於介面的錯誤率一般用介面返回錯誤碼為 503 的比率來表示。1 資料採集 考慮的問題就是取樣率，也就是採集資料的頻率。取樣率決定了監控的實時性與精確度，一般來說，取樣率越高，監控的實時性就越高，精確度也越高。但取樣對系統本身的效能也會有...