前言

需求说明：

1. 不依赖Spring/SpringBoot；
2. 不接入Prometheus、Grafana等监控服务；
3. 仅使用Micrometer核心包，内存内完成埋点、读取指标；
4. 死循环模拟业务操作（生产/消费任务），同时绑定JVM内置指标；
5. 采用内置SimpleMeterRegistry（内存注册表，仅本地存储，不对外推送）。

1. 环境准备

1.1 开发环境

本示例仅依赖micrometer-core，无需Spring、Prometheus或任何外部服务。

1.2 依赖配置

创建一个普通Maven工程，只引入micrometer核心基础包，无任何web、监控导出依赖：

<dependencyManagement><dependencies><dependency><groupId>io.micrometer</groupId><artifactId>micrometer-bom</artifactId><version>1.17.0</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><dependencies><dependency><groupId>io.micrometer</groupId><artifactId>micrometer-core</artifactId></dependency></dependencies>

micrometer-core包：

micrometer-core严格遵循最小依赖：

• 编译期仅依赖JSpecify，无其他第三方强制依赖；

• 停顿检测功能需要运行时依赖LatencyUtils（默认关闭，故不默认引入）；

• 客户端百分位统计需要运行时依赖HdrHistogram，不用可直接排除。

2 基础知识：埋点

2.1 核心定义

可观测性中的埋点（英文通常叫instrumentation或telemetry/data collection），是指在系统内植入采集逻辑，收集指标、日志、链路追踪等遥测数据，以此还原系统内部运行状态的技术手段，是可观测性体系数据采集的核心基础。

简单来说，就是提前在系统各处布下 “信息采集传感器”，传感器持续产出指标、调用链路、运行日志三类信息。有了这些数据，我们才能看清分布式系统内部运行状况，做到快速排查故障、分析性能问题。

典型应用场景：

• 用户行为分析：页面访问、按钮点击、转化漏斗
• 性能监控：接口耗时（RT）、QPS、错误率
• 业务指标：订单量、支付金额、活跃用户数
• 故障排查：异常堆栈、链路追踪

2.2 分类（多角度）

按实现方式可分为：

按数据类型可分为：

按位置层次可分为：

按业务目的可分为：

按指标类型可分为：

按采集时机可分为：

同一个埋点，换个角度就属于不同类别：

比如"记录订单接口的耗时"├── 角度一（怎么埋）：手动埋点 ├── 角度二（埋什么）：指标埋点 ├── 角度三（埋在哪）：后端埋点 ├── 角度四（为什么）：性能埋点 ├── 角度五（什么形态）：计时型 └── 角度六（什么时候）：事件触发型

2.3 手动埋点：定制业务逻辑监控

当需要监控特定业务流程（如订单支付成功率、特定方法耗时）时，自动埋点无法满足需求，此时需通过代码进行手动埋点。

手动埋点又分两类：编程式（直接调API）和注解式（AOP拦截）。

2.3.1 编程式

直接用MeterRegistry创建和调用，核心分为三步获取→创建→调用。

简单示例：

// 1. 获取 MeterRegistry（通常通过依赖注入）@AutowiredprivateMeterRegistryregistry;// 2. 创建或获取 meter（同名同 tag 只创建一次）Counterorders=registry.counter("orders.created","channel","app");TimerapiTimer=registry.timer("api.request.duration","endpoint","/order");// 3. 在关键位置"埋点"调用orders.increment();// Counter: +1apiTimer.record(()->doSomething());// Timer: 自动统计耗时registry.gauge("queue.size",queue,Queue::size);// Gauge: 实时反映队列大小

或者用全局静态入口：

Metrics.counter("orders.created").increment();

2.3.2 注解式

使用@Timed等注解标记在方法或类上，Micrometer会通过AOP自动拦截并记录该方法执行耗时。这种方式代码侵入性小，适合快速统计接口性能，但无法像编程式那样灵活记录业务状态。‌‌

使用示例：

@Timed(value="order.create",extraTags={"service","order"},percentiles={0.5,0.95})publicOrdercreateOrder(@MeterTag(key="userType")StringuserId){// 方法执行时间自动记录到 Timer// 异常时自动打 exception="XxxException" 标签returndoCreate(userId);}@Counted(value="payment.count",recordFailuresOnly=true)publicvoidpay(StringorderId){// 仅失败时计数，标签 result="failure" + exception="..."doPay(orderId);}

2.4 自动埋点：开箱即用

Micrometer提供了多种框架、中间件、数据库等指标集成，会自动采集大量基础指标，无需编写额外代码。这种方式适用于监控JVM状态、HTTP请求、数据库连接池等通用场景。

在Spring Boot使用场景中，只需引入spring-boot-starter-actuator和对应的注册表依赖（如micrometer-registry-prometheus），并通过配置management.endpoints.web.exposure.include暴露监控端点即可 。‌‌

如果只使用Micrometer核心依赖，需要手动创建注册表，并绑定指标器，即可自动实现埋点采集指标。

3. 代码实现

完整代码如下：

publicclassJvmMetricsDemoApplication{publicstaticvoidmain(String[]args)throwsInterruptedException{SimpleMeterRegistryregistry=newSimpleMeterRegistry();Metrics.addRegistry(registry);// ========== 1. 注册 JVM 指标 ==========newJvmMemoryMetrics().bindTo(registry);newJvmGcMetrics().bindTo(registry);newJvmThreadMetrics().bindTo(registry);newProcessorMetrics().bindTo(registry);// ========== 2. 业务对象 + 业务指标 ==========OrderServiceorderService=newOrderService();TimerorderTimer=registry.timer("biz.order.create");// ========== 3. 死循环调用业务 ==========System.out.println("=== JVM + 业务指标监控 (每5秒输出一次，Ctrl+C 停止) ===\n");longlastPrint=System.currentTimeMillis();while(true){// 调用业务方法，自动记录耗时orderTimer.record(orderService::createOrder);// 每 5 秒输出全部指标longnow=System.currentTimeMillis();if(now-lastPrint>=5000){lastPrint=now;printAllMetrics(registry);}TimeUnit.MILLISECONDS.sleep(200);}}privatestaticvoidprintAllMetrics(SimpleMeterRegistryregistry){System.out.println("───── "+LocalTime.now()+" ─────");registry.getMeters().forEach(meter->meter.measure().forEach(ms->{if(ms.getValue()>0){System.out.printf("%-45s %-15s %.2f%n",meter.getId().getName(),ms.getStatistic(),ms.getValue());}}));System.out.println();}/** * 业务对象 */staticclassOrderService{voidcreateOrder(){try{// 模拟业务逻辑耗时 20~100msTimeUnit.MILLISECONDS.sleep((long)(Math.random()*80+20));}catch(InterruptedExceptione){Thread.currentThread().interrupt();}}}}

3.1 创建注册表

SimpleMeterRegistry是Micrometer内置的内存级注册表，所有指标数据仅保存在JVM堆内存中，不对外推送、不落盘，适合开发调试和单元测试场景。

// SimpleMeterRegistry：内存注册表，不依赖任何外部监控系统MeterRegistryregistry=newSimpleMeterRegistry();

通常，一个应用只有一个MeterRegistry入口，可以使用CompositeMeterRegistry包含多个子Registry，实现一次埋点、到处上报。

3.2 自动埋点

使用bindTo(registry)将JVM内部状态（内存、GC、线程、CPU）自动绑定为Micrometer指标，之后每次读取时实时获取当前值，无需手动采样。

// 绑定 JVM 内置指标newJvmMemoryMetrics().bindTo(registry);// 堆内存、非堆内存newJvmGcMetrics().bindTo(registry);// GC 次数、耗时newJvmThreadMetrics().bindTo(registry);// 线程数、状态分布newProcessorMetrics().bindTo(registry);// CPU 使用率、CPU 时间

3.3 手动埋点

业务对象是一个简单的内部类，createOrder()模拟20~100ms的业务处理耗时：

staticclassOrderService{voidcreateOrder(){// 模拟业务逻辑耗时 20~100msTimeUnit.MILLISECONDS.sleep((long)(Math.random()*80+20));}}

创建一个普通业务对象，再用Timer来统计其方法调用耗时。Timer是最常用的业务埋点方式。

// 创建业务对象OrderServiceorderService=newOrderService();// 注册 Timer，统计下单耗时TimerorderTimer=registry.timer("biz.order.create");

死循环调用业务，Timer自动记录每次调用的耗时。

longlastPrint=System.currentTimeMillis();while(true){// 调用业务方法，Timer 自动记录耗时orderTimer.record(orderService::createOrder);// 每 5 秒输出全部指标longnow=System.currentTimeMillis();if(now-lastPrint>=5000){lastPrint=now;printAllMetrics(registry);}TimeUnit.MILLISECONDS.sleep(200);// 避免 CPU 空转}

3.4 输出指标

遍历注册表中所有Meter，打印每个测量值。过滤零值以减少输出噪音。

privatestaticvoidprintAllMetrics(SimpleMeterRegistryregistry){System.out.println("───── "+LocalTime.now()+" ─────");registry.getMeters().forEach(meter->meter.measure().forEach(ms->{if(ms.getValue()>0){System.out.printf("%-45s %-15s %.2f%n",meter.getId().getName(),ms.getStatistic(),ms.getValue());}}));System.out.println();}

3.5 输出示例

───── 13:51:45 ───── jvm.memory.used VALUE 16800000.00 ← 堆内存已用 jvm.memory.max VALUE 1073741824.00 ← 堆内存上限 jvm.memory.committed VALUE 163577856.00 ← 堆内存已提交 jvm.threads.live VALUE 11.00 ← 活跃线程 jvm.threads.daemon VALUE 9.00 ← 守护线程 jvm.threads.peak VALUE 11.00 ← 线程峰值 jvm.threads.states VALUE 5.00 ← RUNNABLE 线程 jvm.threads.started COUNT 11.00 ← 累计启动线程 jvm.gc.max.data.size VALUE 4255121408.00 ← GC 数据区上限 process.cpu.usage VALUE 0.08 ← CPU 使用率 process.cpu.time COUNT 4062500000.00 ← CPU 时间(ns) system.cpu.count VALUE 12.00 ← CPU 核心数 biz.order.create COUNT 25.00 ← 下单调用次数 biz.order.create TOTAL_TIME 1.35 ← 下单总耗时(秒) biz.order.create MAX 0.09 ← 下单最大耗时(秒)