SpringBoot 实战：手把手打造企业级QPS监控系统

云起川南

1270人浏览 · 2025-12-17 14:33:40

云起川南 · 2025-12-17 14:33:40 发布

引言：为什么QPS监控是系统稳定性的生命线？

在高并发场景下，QPS（每秒查询数）是衡量系统吞吐能力的关键指标。它直接反映了系统处理请求的效率。若未能有效监控QPS，可能导致系统在流量激增时响应延迟剧增，甚至服务不可用。例如，某电商平台在大型促销活动期间，因QPS监控缺失，核心接口响应延迟超过300%，造成了显著的商业损失。本文将详细解析在SpringBoot应用中实现QPS监控的多种方案。

一、QPS监控的底层原理深度剖析

1.1 核心设计思想

QPS监控的核心是统计单位时间内的请求数量。其实现依赖于两个关键技术：

滑动窗口算法：动态调整时间窗口，精确统计请求量
原子操作保障：通过CAS机制确保多线程环境下的数据一致性

其基本数学模型可表示为：
$\frac{\text{时间窗口内请求总数}}{\text{窗口时间长度（秒）}}$

1.2 时间窗口设计策略

窗口类型	粒度控制	适用场景	实现复杂度
固定窗口	固定时间间隔（如1秒）	简单监控场景	★☆☆☆☆
滑动窗口	动态时间窗口	精确统计需求	★★★☆☆
漏桶算法	固定速率处理	流量削峰场景	★★★★☆

二、三大主流实现方案对比

2.1 方案决策矩阵

方案	吞吐量支持	实现复杂度	扩展能力	生产可用性
自定义Filter	★★☆☆☆	★☆☆☆☆	★☆☆☆☆	适用中小型系统
Actuator+Prometheus	★★★★★	★★★☆☆	★★★★★	企业级首选方案
Druid监控	★★★☆☆	★★☆☆☆	★★☆☆☆	数据库专项监控

三、方案一：自定义QPS监控器（快速实现）

3.1 核心代码实现

@Component
public class QpsMonitorFilter implements Filter {

    // 使用环形数组实现滑动窗口
    private final AtomicIntegerArray qpsWindow = new AtomicIntegerArray(60);
    private volatile int currentIndex = 0;

    @Override
    public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain)
            throws IOException, ServletException {
        
        long startTime = System.nanoTime(); // 纳秒级计时
        
        try {
            chain.doFilter(request, response);
        } finally {
            updateQps(System.nanoTime() - startTime);
        }
    }

    private void updateQps(long duration) {
        int currentWindow = (int)(System.currentTimeMillis()/1000) % 60;
        
        // 无锁化窗口切换（CAS操作）
        if (!compareAndSetIndex(currentWindow)) {
            return;
        }
        
        qpsWindow.incrementAndGet(currentWindow);
    }

    private boolean compareAndSetIndex(int expected) {
        return currentIndex == expected || 
               (currentIndex == (expected + 1) % 60 && 
                unsafe.compareAndSwapInt(this, currentIndexOffset, currentIndex, expected));
    }
}

3.2 监控端点暴露

@RestController
@RequestMapping("/actuator/qps")
public class QpsEndpoint {
    
    @Autowired
    private QpsMonitorFilter monitor;

    @GetMapping("/metrics")
    public QpsMetrics getMetrics() {
        return new QpsMetrics(
            monitor.getCurrentQps(),
            monitor.getAverageQps(),
            monitor.getMaxQps()
        );
    }
}

四、方案二：企业级监控方案（Actuator+Prometheus）

4.1 依赖配置

<!-- Spring Boot Actuator -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-actuator</artifactId>
</dependency>

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

4.2 配置优化要点

management:
  endpoints:
    web:
      exposure:
        include: health,info,metrics,prometheus
  metrics:
    web:
      server:
        request:
          autotime-enabled: true
          autotime-enabled-threshold: 1000ms
    distribution:
      percentiles-histogram:
        http.server.requests: true
        tomcat.requests: true

4.3 Prometheus监控看板

# 实时QPS查询
sum(rate(http_server_requests_total[1])) by (uri)

# 错误率监控
rate(http_server_requests_total{status=~"5.."}[5m]) 
/ 
rate(http_server_requests_total[5m]) 
* 100

五、方案三：Druid深度集成方案

5.1 Druid监控配置

@Configuration
public class DruidConfig {
    
    @Bean
    public ServletRegistrationBean<StatViewServlet> druidServlet() {
        ServletRegistrationBean<StatViewServlet> servlet = new ServletRegistrationBean<>(
            new StatViewServlet(), "/druid/*");
        
        servlet.addInitParameter("loginUsername", "admin");
        servlet.addInitParameter("loginPassword", "SecurePwd123!");
        servlet.addInitParameter("resetEnable", "false");
        return servlet;
    }

    @Bean
    public FilterRegistrationBean<WebStatFilter> webStatFilter() {
        FilterRegistrationBean<WebStatFilter> filter = new FilterRegistrationBean<>();
        filter.setFilter(new WebStatFilter());
        filter.addUrlPatterns("/*");
        filter.addInitParameter("exclusions", "*.js,*.css,*.png,*.jpg");
        return filter;
    }
}

5.2 Druid监控特性

实时SQL监控
连接池状态可视化
慢SQL自动记录
系统资源占用分析

六、专业级监控仪表盘实现

6.1 前端展示方案

// 基于ECharts的实时监控看板
const qpsChart = echarts.init(document.getElementById('qpsChart'));
const option = {
    title: { text: '系统QPS实时监控' },
    tooltip: { trigger: 'axis' },
    xAxis: {
        type: 'time',
        boundaryGap: false,
        axisLabel: { formatter: '{value} s' }
    },
    yAxis: {
        type: 'value',
        name: 'QPS'
    },
    series: [{
        name: 'QPS',
        type: 'line',
        smooth: true,
        data: []
    }]
};
qpsChart.setOption(option);

// WebSocket实时数据更新
const ws = new WebSocket('ws://localhost:8080/qps-ws');
ws.onmessage = (event) => {
    const data = JSON.parse(event.data);
    option.series[0].data.push([data.timestamp, data.qps]);
    qpsChart.setOption(option);
};