Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Hystrix&Feign监控:Dashboard与Turbine聚合

Hystrix&Feign监控:Dashboard与Turbine聚合

作者头像
IT架构圈
发布于 2021-10-22 07:08:22
发布于 2021-10-22 07:08:22
73500
代码可运行
举报
文章被收录于专栏:IT架构圈IT架构圈
运行总次数:0
代码可运行

上次说了Hystrix,这个Hystrix是springcloud核心内容,如果还是比较了解,多看看官方的api,一定要记住要看一手文档,不要看二手文档。上次都是用的小demo,但是在互联网公司这些小的demo用的是最多的,

Feign整合Hystrix(一)
  • ① Feign是以接口形式工作的,要如何整合Hystrix?又是如何实现降级?

事实上,SpringCloud默认已为Feign整合了Hystrix,只要Hystrix在项目的classpath中,Feign默认就会用断路器包裹所有方法。(注意:从Spring Cloud Dalston开始,Feign默认是不开启Hystrix的。因此,如使用Dalston及以上版本请务必额外设置属性:feign.hystrix.enabled=true,否则断路器不会生效)

Feign整合Hystrix的写法,只需使用@FeignClient注解的fallback属性就可以为指定名称Feign客户端添加降级方法。

Feign禁用Hystrix(二)
  • ① 如何Feign禁用Hystrix

SpringCloud为Feign默认整合了Hystrix,也就是说只要Hystrix在项目的classpath中,Feign就会使用断路器包裹Feign客户端的所有方法(Dalston及以上版本默认Feign不开启Hystrix)。这样虽然方便,但有的场景并不需要该功能,如何为Feign禁用Hystrix呢?

  • ② 全局禁用Hystrix

只需在application.yml中配置feign.hystrix.enabled=false即可

为指定Feign客户端禁用Hystrix:增加< FeignDisableHystrixConfiguration >类

在FeignClient注解里加上configuration的属性配置

  • ③ 流程启动项目
Hystrix监控(三)

Hystrix还提供了近乎实时的监控。HystrixCommand在执行时,会生成 执行结果和运行指标,比如每秒执行的请求数、成功数等,这些监控数据对分析应用系统的状态很有用。 使用 Hystrix的模块 hystrix-metrics-event-stream,就可将这些监控的指标信息以text/event-stream的格式暴露给外部系统。spring-cloud-starter-netflix-hystrix包含该模块,在此基础上,只须为项目添加 spring-boot-starter-actuator依赖,就可使用/hystrix.stream端点获得Hystrix的监控信息了。

  • ① 启动项目

为项目增加依赖

在启动类上增加@EnableCircuitBreaker,这样就可以使用/hystrix.stream端点监控Hystrix了。

请求对应url:http://127.0.0.1:8020/user/1

请求对应url:http://127.0.0.1:8020/hystrix.stream

上边都是文字,看都看懵逼了。还是找个可视化的吧。

使用Hystrix Dashboard可视化监控数据(四)

前面讨论了Hystrix的监控,但访问/hystrix.stream端点获得的数据是以文字形式展示的。很难通过这些数据,一眼看出系统当前的运行状态。可使用 Hystrix Dashboard,让监控数据图形化、可视化。

项目添加依赖

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 <dependency>
      <groupId>org.springframework.cloud</groupId>
      <artifactId>spring-cloud-starter-netflix-hystrix-dashboard</artifactId>
    </dependency>

并在启动类上增加注解@EnableHystrixDashboard

运行项目访问:http://localhost:8030/hystrix,效果如下图

将上一个项目的查看监控数据地址输入,在title里任意输入一个监控名称test,点击Monitor Stream按钮,效果如下图(须先运行至少一次订单服务的用户查询接口才能显示数据,否则无监控数据)。

在监控的界面有两个重要的图形信息:一个实心圆和一条曲线。

  • ① 实心圆:

1.通过颜色的变化代表了实例的健康程度,健康程度从绿色、黄色、橙色、 红色递减。 2.通过大小表示请求流量发生变化,流量越大该实心圆就越大。所以可以在大 量的实例中快速发现故障实例和高压实例。

  • ② 曲线

用来记录2分钟内流浪的相对变化,可以通过它来观察流量的上升和下降趋势。

使用Turbine聚合监控数据(五)

Turbine是一个聚合 Hystrix监控数据的工具,它可将所有关/hystrix.stream端点的数据聚合到一个组合的/turbine.stream中,从而让集群的监控更加方便。

添加依赖

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
<dependency>
      <groupId>org.springframework.cloud</groupId>
      <artifactId>spring-cloud-starter-netflix-turbine</artifactId>
    </dependency>

在启动类上增加注解@EnableTurbine

编写配置文件application.yml

Turbine会在Eureka Server中找到microservice-consumer-order和 microservice-consumer-order-feign-hystrix-fallback-stream这两个微服务,并聚合两个微服务的监控数据。

访问turbine监控地址:http://127.0.0.1:8031/turbine.stream,可以看到turbine的聚合监控数据。

访问dashboard地址:http://localhost:8030/hystrix,将该turbine的监控地址输入dashboard。

hystrix这个监控是实时的,如果在线上出现问题了,该怎么办,不可能一天到晚盯着屏幕吧,之前的公司如果出现问题,发生熔断了也就是在hystrix查看的时候Circuit opened了,针对hystrix历史运维监控这块,这次是说不完的,直接对开发来说用处也不大。在之后的文章说讲解吧。

PS:springcloud的监控体系确实很棒,这是dubbo这些无法比拟的。其实springcloud还有很多不健全的地方,我相信后期springcloud绝对会成为主流。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-10-20,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 IT架构圈 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
CPU、GPU、TPU、NPU等到底是什么?
NPU即神经网络处理器(Neural network Processing Unit)
Jasonangel
2021/05/28
5.3K0
IEEE特稿:神经形态芯片注定为深度学习而生,否则就是自取灭亡
【新智元导读】研究者声称神经形态芯片相比传统的CPU,耗能更小。但现在的问题是,研究者需要证明,神经形态芯片能够从研究实验室转移到商业应用中吗。用航空业打比方的话,神经形态计算的研究一直陷在模仿鸟的扑翼的水平,而研究者显然不承认。 跨越鸿沟:当下,关于神经形态计算有很多炒作 科技圈内的人在谈到某一技术从早期采纳者跃升到大众市场时,常会使用的一个描述是“跨越鸿沟”(crossing the chasm)。在神经形态计算中,现在,一个关于跨越鸿沟的案例研究正在进行中。 这一方法模仿的是人类大脑中神经元的连接和沟
新智元
2018/03/28
9190
IEEE特稿:神经形态芯片注定为深度学习而生,否则就是自取灭亡
业界 | 英特尔推出神经形态测试芯片Loihi:可自学习
选自Forbes 机器之心编译 参与:刘晓坤 英特尔正开始尝试用所谓的「神经形态芯片」模拟真实大脑的运作方式。 英特尔Loihi神经形态测试芯片 芯片巨头英特尔的研究实验室开发出一种新型芯片,即 In
机器之心
2018/05/10
5800
【了不起的芯片2】盘点40+公司的深度学习处理器
【新智元导读】本文列举并介绍了现有的几乎全部深度学习处理器,是值得收藏的超全资料。 Nvidia GPU 英伟达最新的 GPU NVIDIA TESLA V100 单精度浮点性能达到15 TFlops,在新的 Tensor core 架构达到 120 TFlops,是FP16乘法或FP32累加,或适应ML。 英伟达将8个board包装在他们的 DGX-1 for 960 Tensor TFlops Nvidia Volta - 架构看点 这篇文章对 Volta 架构做了一些分析 SoC 英伟达提供 NVID
新智元
2018/03/22
1K0
业界 | 谷歌TPU之后还有高通,人工智能芯片竞赛已经展开
选自Wired 作者:Cade Metz 机器之心编译 参与:黄小天、李泽南 作为机器学习的领军人物,Yann LeCun(杨立昆)曾在 25 年前开发过一块名为 ANNA 的人工智能芯片。而现在,
机器之心
2018/05/07
8450
业界 | 谷歌TPU之后还有高通,人工智能芯片竞赛已经展开
详解AI加速器(四):GPU、DPU、IPU、TPU…AI加速方案有无限种可能
选自Medium作者:Adi Fuchs 机器之心编译 在上一篇文章中,前苹果工程师、普林斯顿大学博士 Adi Fuchs 聚焦 AI 加速器的秘密基石:指令集架构 ISA、可重构处理器等。在这篇文章中,我们将跟着作者的思路回顾一下相关 AI 硬件公司,看看都有哪些公司在这一领域发力。 这是本系列博客的第四篇,主要介绍了 AI 加速器相关公司。全球科技行业最热门的领域之一是 AI 硬件, 本文回顾了 AI 硬件行业现状,并概述相关公司在寻找解决 AI 硬件加速问题的最佳方法时所做的不同赌注。 对于许多 AI
机器之心
2022/03/04
1.9K0
【深度】AI 时代,谷歌 TPU 难以颠覆 GPU 市场优势
【新智元导读】智能时代芯片市场格局一变再变,谷歌推出 TPU 引发新一轮讨论,谁将领跑芯片市场?看几个典型产品:TPU 仅供谷歌内部使用;IBM TrueNorth 离商用还有距离;中国的寒武纪是国际首个深度学习专用处理器芯片,市场表现值得期待;概率芯片以微小计算精度为代价实现能耗降低,是芯片市场一匹黑马;FPGA 凭其性价比有望占领市场;目前 GPU 用户覆盖率最广。 智能时代就要到来,芯片市场格局一变再变。两个典型例子:引领处理器市场 40 多年的英特尔 2015 年底收购完 Altera,今年 4 月
新智元
2018/03/22
1.1K0
【深度】AI 时代,谷歌 TPU 难以颠覆 GPU 市场优势
英特尔AI产品事业部CTO专访:谷歌TPU表明纯GPU不是最佳架构
【新智元导读】去年,英特尔以 4 亿美元收购深度学习芯片研发公司 Nervana,将其作为公司深度学习的核心,并围绕Nervana 在今年年初成立统一的人工智能部门。日前,该部门负责人 Amir 接受新智元专访,针对英伟达GPU和谷歌的TPU谈到了他对目前AI芯片市场格局的看法和相关技术发展态势。他认为,深度学习模型在某种程度上可能朝着暴力计算发展。深度学习将向两大方向发展:一是越来越强的计算力,一是整合异构计算。谷歌 TPU 和 TensorFlow 的优势只是暂时的,英特尔正在开发我们认为比 TPU 第
新智元
2018/03/27
6840
英特尔AI产品事业部CTO专访:谷歌TPU表明纯GPU不是最佳架构
【AI硅脑】超越GPU,FPGA、ASIC和更智能的手机
【新智元导读】本文从云服务、on-device 和 hybrid 三个角度分析AI硬件的进步,以及各大芯片公司、巨头科技公司以及初创企业和研究机构如何将 CPU、GPU、FPGA 和 ASIC用于 AI 任务。 树莓派(Raspberry Pi)对计算机爱好者来说是最令人兴奋的发展之一。在世界各地,人们使用树莓派来自动化制造啤酒,制作机器人,改革STEM教育,等等。这些都是值得称赞的追求。同时,微软在用树莓派做什么呢?他们创造了一个攻击松鼠的喷水机器人。 微软的机器学习和优化小组里,一名研究人员看到松鼠从他
新智元
2018/03/23
1.3K0
【不含CPU,超越GPU 1000x】Wave公司发布数据流处理架构DPU
【新智元导读】Wave Computing 在日前举行的高性能芯片峰会Hot Chips上介绍了他们的数据流处理器产品DPU(Dataflow Processing Unit),加速神经网络训练,号称速度是GPU的1000x,训练GoogleNet 42万图像/秒。同时,DPU使用了不含CPU的架构,他们认为,数据流架构是有效训练高性能神经网络的唯一方式。 要建立起一家成功的芯片初创公司可不是件容易的事情,但有资本支持的Wave Computing,却在一块很小但很重要的市场——AI训练芯片——牢牢站稳了脚
新智元
2018/03/22
1.2K0
【不含CPU,超越GPU 1000x】Wave公司发布数据流处理架构DPU
解读主流的人工智能芯片有什么不同?
 在全球规模最大的2018北美消费电子产品展上,参展的科技企业超过4000家,包括高通、英伟达、英特尔、LG、IBM、百度在内的业界科技巨头纷纷发布了各自最新的人工智能芯片产品和战略,作为本届展会的最
机器人网
2018/04/18
1.1K0
解读主流的人工智能芯片有什么不同?
业界| 芯片之争:CPU、GPU、DSP、NPU,到底哪个更适用于深度学习?
编者按:为保证内容的专业性,本文已邀深度学习芯片领域专家把关审核过,作者铁流。 日前,Intel称将于2017年推出针对深度学习市场的CPU Knights Mill。据Intel宣传,Knights Mill 能充当主处理器,可以在不配备其它加速器或协处理器高效处理深度学习应用。可以说,继中国寒武纪和星光智能一号、IBM的真北、谷歌的 TPU,以及英伟达专门为人工智能定制的GPU之后,Intel也加入该领域的竞争。 那么,这多深度学习处理器都有什么特点,又有什么优势和劣势呢? | CPU、GPU:用轿车运
AI科技评论
2018/03/07
4.1K0
业界| 芯片之争:CPU、GPU、DSP、NPU,到底哪个更适用于深度学习?
谷歌TPU将取代GPU?英特尔、英伟达怕了吗?
随着人工智能尤其是机器学习应用大量涌现,处理器市场群雄争霸。各厂商纷纷推出新的芯片产品,都想领跑智能时。但问题是,谁会担当这个角色呢?
科技云报道
2022/04/12
1.2K0
谷歌TPU将取代GPU?英特尔、英伟达怕了吗?
柯洁中盘再败!谷歌乘AlphaGo之势强推TPU,与英伟达必有一战
【新智元导读】人机对战第二场,柯洁认输,AlphaGo中盘获胜将比分改写为2:0,TPU可谓是本次AlphaGo升级的秘密武器。 由此,许多人认为,谷歌与英伟达必有一战。谷歌已经开始向中国市场上的企业和开发者兜售自己的TPU,加上TensorFlow和谷歌云等标志性业务。这对在深度学习上获利丰厚的英伟达来说可能并不是一件好事。 柯洁又输了,与AlphaGo的对决比分被改写为0:2 ! AlphaGo变得更强大了,此前DeepMind和谷歌团队在新闻发布会上说,。除了算法上的改进之外,他们也特别强调了谷歌云和
新智元
2018/03/28
8610
柯洁中盘再败!谷歌乘AlphaGo之势强推TPU,与英伟达必有一战
【AI芯片格局最全分析】国内AI芯片百家争鸣,何以抗衡全球技术寡头
来源:中国科学院自动化研究所 作者:吴军宁 中科院自动化所集成中心 【新智元导读】本文分析了国内外AI芯片的格局和特点,作者认为,在AI芯片领域,国外芯片巨头占据了绝大部分市场份额,不论是在人才聚集还是公司合并等方面,都具有绝对的领先优势。而国内AI初创公司则又呈现百家争鸣、各自为政的纷乱局面;特别是每个初创企业的AI芯片都具有自己独特的体系结构和软件开发套件,既无法融入英伟达和谷歌建立的生态圈,又不具备与之抗衡的实力。 如果说 2016 年 3 月份 AlphaGo 与李世石的那场人机大战只在科技界和
新智元
2018/05/29
8040
深度学习的三种硬件方案ASICs、FPGAs 和GPU,开发者需要知道什么?
今年三月AlphaGo和李世石的“世纪之战”炒红了深度学习—— AlphaGo采用了人工神经网络技术,充分挖掘了深度学习的潜力。简单来说,深度学习是一个包含了许多层级数据处理的神经网络,以自动化方式组
GPUS Lady
2018/04/02
8210
深度学习的三种硬件方案ASICs、FPGAs 和GPU,开发者需要知道什么?
【全球AI芯片榜单】中国大陆企业无缘前十,华为、寒武纪、地平线扛鼎突围!
---- 新智元报道 来源:Compass Intelligence、中科院自动化所等 编辑:克雷格、肖琴 【新智元导读】最近,Compass Intelligence对全球100多家AI芯片企业进行了排名,结果显示,前十名中中国大陆没有一家企业上榜,华为(海思)进入第12,寒武纪和地平线分别为第22和24位。 最近,调研公司Compass Intelligence出了一份扎“芯”的报告。 这份报告对全球100多家AI芯片企业进行了排名(AI Chipset Index),结果显示:前十名中, 没有
新智元
2018/05/29
1.1K0
在定制硬件上实现DNN近似算法,一文概述其过去、现在与未来
来自社交媒体和物联网等多个渠道的可用数字数据(如图像、视频和语音)呈指数级增长,这驱动了对高性能数据分析的需求。与其它机器学习算法相比,深度神经网络(DNN)在过去十年里实现了巨大的准确率提升。它的应用领域很广,如图像分类、目标检测、自动驾驶和无人机导航等。其中卷积神经网络和循环神经网络这两种深度神经网络尤其受欢迎。CNN 在学习空间特征方面很强,而 RNN 则更适合涉及时间序列的问题。
机器之心
2019/04/29
9940
在定制硬件上实现DNN近似算法,一文概述其过去、现在与未来
AI芯片发展的前世今生
现代电子产品和设备在诸如通信 、娱乐 、安全和 医疗保健等许多方面改善了我们的生活质量 ,这主要是因为现代微电子技术的发展极大地改变了人们的日常工作和互动方式。在过去几十年中 ,摩尔定 律一直是通过不断缩小芯片上的器件特征尺寸来提高计算能力 ,带来了电子产品诸如更高速度 、更低成本和更小功耗等优势。Gordon Moore 最初的观察是 芯片中的晶体管数量大约每 2 年增加 1 倍 ,David House 进一步预测 ,由于更多更快的晶体管 ,芯片性能将每 18 个月翻一番。虽然 Gordon Moore 的预测已经成功超过 50 年 ,但是今天的硅 CMOS 技术正在 接近其尺寸的基本物理极限,摩尔定律的延续性已经变得越来越具有挑战性。
AI科技大本营
2020/02/20
1.1K0
AI芯片发展的前世今生
业界 | 剖析用于深度学习的硬件:GPU、FPGA、ASIC和DSP
选自Medium 作者:Eugenio Culurciello 机器之心编译 参与:Rick R、吴攀 在这篇文章中,作者Eugenio Culurciello简述了几类硬件设计,希望能为大家更快的运行神经网络提供洞见。 我喜欢深度学习... 深度学习最近取得的成功势不可挡:从图像分类和语音识别到图片标注、理解视觉场景、视频概述、语言翻译、绘画,甚至是生成图像、语音、声音和音乐! …而我想让它运行得飞快! 其成果令人震惊,因而需求就会增长。比如你是谷歌/ Facebook / Twitter 的工作人员
机器之心
2018/05/07
1.3K0
推荐阅读
CPU、GPU、TPU、NPU等到底是什么?
5.3K0
IEEE特稿:神经形态芯片注定为深度学习而生,否则就是自取灭亡
9190
业界 | 英特尔推出神经形态测试芯片Loihi:可自学习
5800
【了不起的芯片2】盘点40+公司的深度学习处理器
1K0
业界 | 谷歌TPU之后还有高通,人工智能芯片竞赛已经展开
8450
详解AI加速器(四):GPU、DPU、IPU、TPU…AI加速方案有无限种可能
1.9K0
【深度】AI 时代,谷歌 TPU 难以颠覆 GPU 市场优势
1.1K0
英特尔AI产品事业部CTO专访:谷歌TPU表明纯GPU不是最佳架构
6840
【AI硅脑】超越GPU,FPGA、ASIC和更智能的手机
1.3K0
【不含CPU,超越GPU 1000x】Wave公司发布数据流处理架构DPU
1.2K0
解读主流的人工智能芯片有什么不同?
1.1K0
业界| 芯片之争:CPU、GPU、DSP、NPU,到底哪个更适用于深度学习?
4.1K0
谷歌TPU将取代GPU?英特尔、英伟达怕了吗?
1.2K0
柯洁中盘再败!谷歌乘AlphaGo之势强推TPU,与英伟达必有一战
8610
【AI芯片格局最全分析】国内AI芯片百家争鸣,何以抗衡全球技术寡头
8040
深度学习的三种硬件方案ASICs、FPGAs 和GPU,开发者需要知道什么?
8210
【全球AI芯片榜单】中国大陆企业无缘前十,华为、寒武纪、地平线扛鼎突围!
1.1K0
在定制硬件上实现DNN近似算法,一文概述其过去、现在与未来
9940
AI芯片发展的前世今生
1.1K0
业界 | 剖析用于深度学习的硬件:GPU、FPGA、ASIC和DSP
1.3K0
相关推荐
CPU、GPU、TPU、NPU等到底是什么?
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验