使用ExecutorServiceMetrics对线程池进行监控

码农戏码

发布于 2026-06-25 20:09:56

940

最近想对线程池增加一下监控

先从https://grafana.com/grafana/dashboards/ 找到一个关于Spring Boot Executors的Grafana面板

竟然发现，已经有部分线程池被监控到了，记得以前都得使用ExecutorServiceMetrics包装一下，原来在Springboot 2.6.0版本提供了TaskExecutorMetricsAutoConfiguration，可以自动给线程池加上metrics

TaskExecutorMetricsAutoConfiguration

@AutoConfiguration(after = { MetricsAutoConfiguration.class, SimpleMetricsExportAutoConfiguration.class,  
       TaskExecutionAutoConfiguration.class, TaskSchedulingAutoConfiguration.class })  
@ConditionalOnClass(ExecutorServiceMetrics.class)  
@ConditionalOnBean({ Executor.class, MeterRegistry.class })  
public class TaskExecutorMetricsAutoConfiguration {  

    @Autowired  
    public void bindTaskExecutorsToRegistry(Map<String, Executor> executors, MeterRegistry registry) {  
       executors.forEach((beanName, executor) -> {  
          if (executor instanceof ThreadPoolTaskExecutor) {  
             monitor(registry, safeGetThreadPoolExecutor((ThreadPoolTaskExecutor) executor), beanName);  
          }  
          else if (executor instanceof ThreadPoolTaskScheduler) {  
             monitor(registry, safeGetThreadPoolExecutor((ThreadPoolTaskScheduler) executor), beanName);  
          }  
       });  
    }

看源码，原理跟之前手动操作一样遍历executors，然后执行monitor方法，而monitor方法则是创建ExecutorServiceMetrics然后绑定到meterRegistry

ExecutorServiceMetrics

ExecutorServiceMetrics 是 Micrometer 中专门用于监控 Java 线程池（ExecutorService）的工具。它可以帮助你实时了解线程池的运行状态，比如活跃线程数、队列积压、任务执行耗时等，这些指标对排查性能问题和优化线程池配置很有价值。

核心的使用方法有两种：直接包装（推荐） 和 构造器绑定。

📊 暴露的监控指标

指标名称会根据你的线程池类型（ThreadPoolExecutor 或 ForkJoinPool）略有不同：

指标名称	类型	描述
executor.active	Gauge	当前正在执行任务的活跃线程数
executor.queued	Gauge	队列中等待执行的任务数量
executor.completed	FunctionCounter	线程池已完成的任务总数
executor.pool.size	Gauge	线程池中当前的线程总数
executor	Timer	记录任务执行的耗时分布（P99、P95等）
executor.idle	Timer	记录任务在队列中的等待耗时
executor.queue.remaining	Gauge	队列剩余容量（ThreadPoolExecutor 特有）
executor.steals	FunctionCounter	工作窃取总数（ForkJoinPool 特有）

🛠️ 使用步骤

1. 添加依赖

确保你的项目中引入了 Micrometer 的核心依赖。

<dependency>
<groupId>io.micrometer</groupId>
<artifactId>micrometer-core</artifactId>
<version>最新版本</version>
</dependency>

2. 方法一：直接包装（`monitor` 方法）

这是最常用的方式。monitor 方法会返回一个被 Micrometer 增强过的 ExecutorService 代理对象。你只需要像平常一样用它提交任务即可。

importio.micrometer.core.instrument.MeterRegistry;
importio.micrometer.core.instrument.binder.jvm.ExecutorServiceMetrics;
importjava.util.concurrent.ExecutorService;
importjava.util.concurrent.Executors;

publicclassExecutorMonitorDemo{

privateExecutorService monitoredExecutor;

publicExecutorMonitorDemo(MeterRegistry registry){
// 1. 创建原始的线程池
ExecutorService originalExecutor =Executors.newFixedThreadPool(10);

// 2. 用 Monitor 方法进行包装
// 参数说明：MeterRegistry, 原始Executor, 线程池名称（用于标签）, 可选的额外标签
this.monitoredExecutor =ExecutorServiceMetrics
.monitor(registry, originalExecutor,"my-service-pool");

// 3. 使用被包装过的线程池执行任务
        monitoredExecutor.submit(()->{
System.out.println("Task is being monitored!");
});
}
}

3. 方法二：构造器绑定（`bindTo` 方法）

这种方式只注册指标，不返回代理对象。适用于你不想改变现有线程池引用的情况。

importio.micrometer.core.instrument.MeterRegistry;
importio.micrometer.core.instrument.binder.jvm.ExecutorServiceMetrics;
importio.micrometer.core.instrument.Tags;
importjava.util.concurrent.Executors;
importjava.util.concurrent.ThreadPoolExecutor;

// 假设你已有一个 threadPool 实例
ThreadPoolExecutor threadPool =(ThreadPoolExecutor)Executors.newFixedThreadPool(5);

// 创建 ExecutorServiceMetrics 实例，并绑定到 MeterRegistry
newExecutorServiceMetrics(threadPool,"my-pool-name",Tags.empty())
.bindTo(registry);

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：2026-04-07，如有侵权请联系 cloudcommunity@tencent.com 删除

监控