Red Hat Summit 红帽全球峰会支持控制台（Console）开发人员开始试用联系人

8.6. 监控解决器

OptaPlanner 通过 Micrometer 公开指标数据，这是 Java 应用程序的指标检测库。您可以将 Micrometer 与流行监控系统一起使用来监控 OptaPlanner solver。

要将 OptaPlanner Quarkus 应用程序配置为使用 Micrometer 和指定的监控系统，请将 Micrometer 依赖项添加到 pom.xml 文件中。

先决条件

  • 您有一个 Quarkus OptaPlanner 应用程序。

流程

  1. 将以下依赖项添加到应用程序的 pom.xml 文件中，其中 < MONITORING_SYSTEM& gt; 是一个由 Micrometer 和 Quarkus 支持的监控系统：

    注意

    Prometheus 目前是唯一由 Quarkus 支持的监控系统。 

    <dependency>
 <groupId>io.quarkus</groupId>
 <artifactId>quarkus-micrometer-registry-<MONITORING_SYSTEM></artifactId>
</dependency>

  2. 要在 development 模式下运行应用程序，请输入以下命令： 

    mvn compile quarkus:dev

  3. 要查看应用程序的指标，请在浏览器中输入以下 URL： 

    http://localhost:8080/q/metrics

要将 Spring Boot OptaPlanner 应用程序配置为使用 Micrometer 和指定的监控系统，请将 Micrometer 依赖项添加到 pom.xml 文件中。

先决条件

  • 您有一个 Spring Boot OptaPlanner 应用程序。

流程

  1. 将以下依赖项添加到应用程序的 pom.xml 文件中，其中 < MONITORING_SYSTEM& gt; 是一个由 Micrometer 和 Spring Boot 支持的监控系统： 

    <dependency>
 <groupId>org.springframework.boot</groupId>
 <artifactId>spring-boot-starter-actuator</artifactId>
</dependency>
<dependency>
 <groupId>io.micrometer</groupId>
 <artifactId>micrometer-registry-<MONITORING_SYSTEM></artifactId>
</dependency>
  2. 在应用程序的 application.properties 文件中添加配置信息。如需更多信息，请参阅 Micrometer 网站。

  3. 运行以下命令，请运行以下命令： 

    mvn spring-boot:run

  4. 要查看应用程序的指标，请在浏览器中输入以下 URL：

    http://localhost:8080/actuator/metrics

    注意

    使用以下 URL 作为 Prometheus scraper 路径： http://localhost:8080/actuator/prometheus

要将普通 Java OptaPlanner 应用程序配置为使用 Micrometer，您必须将您选择的监控系统的 Micrometer 依赖项和配置信息添加到项目的 POM.XML 文件中。

先决条件

  • 您有一个普通 Java OptaPlanner 应用程序。

流程

  1. 将以下依赖项添加到应用程序的 pom.xml 文件中，其中 < MONITORING_SYSTEM& gt; 是一个使用 Micrometer 配置的监控系统，& lt;VERSION > 是您使用的 Micrometer 的版本： 

    <dependency>
 <groupId>io.micrometer</groupId>
 <artifactId>micrometer-registry-<MONITORING_SYSTEM></artifactId>
 <version><VERSION></version>
</dependency>
<dependency>
 <groupId>io.micrometer</groupId>
 <artifactId>micrometer-core</artifactId>
 <version>`<VERSION>`</version>
</dependency>
  2. 将监控系统的 Micrometer 配置信息添加到项目 pom.xml 文件的开头。如需更多信息，请参阅 Micrometer 网站。

  3. 在配置信息下方添加以下行，其中 &lt ;MONITORING_SYSTEM > 是您添加的监控系统： 

    Metrics.addRegistry(<MONITORING_SYSTEM>);

    以下示例演示了如何添加 Prometheus 监控系统： 

    PrometheusMeterRegistry prometheusRegistry = new PrometheusMeterRegistry(PrometheusConfig.DEFAULT);
try {
    HttpServer server = HttpServer.create(new InetSocketAddress(8080), 0);
    server.createContext("/prometheus", httpExchange -> {
        String response = prometheusRegistry.scrape();
        httpExchange.sendResponseHeaders(200, response.getBytes().length);
        try (OutputStream os = httpExchange.getResponseBody()) {
            os.write(response.getBytes());
        }
    });
    new Thread(server::start).start();
} catch (IOException e) {
    throw new RuntimeException(e);
}
Metrics.addRegistry(prometheusRegistry);

  4. 打开监控系统，查看您的 OptaPlanner 项目的指标。公开以下指标：

    注意

    指标的名称和格式因 registry 而异。

    • OptaPlanner.solver.errors ：从测量开始解决过程中发生的错误总数。
    • OptaPlanner.solver.solve-length.active-count:当前解决的解决方法数量。
    • OptaPlanner.solver.solve-length.seconds-max: run time of longest-running currently active solver.
    • OptaPlanner.solver.solve-length.seconds-sum:每个活跃解决问题持续时间的总和。例如，如果存在两个活跃的 solvers，一个只运行三分钟，另一个为一分钟，总计解决时间为 4 分钟。

8.6.4. 其他指标
复制链接

如需了解更多详细的监控，您可以在解决器配置中配置 OptaPlanner 以监控性能成本的额外指标。以下示例使用 BEST_SCORE 和 SCORE_CALCULATION_COUNT 指标 : 

<solver xmlns="https://www.optaplanner.org/xsd/solver" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="https://www.optaplanner.org/xsd/solver https://www.optaplanner.org/xsd/solver/solver.xsd">
  <monitoring>
    <metric>BEST_SCORE</metric>
    <metric>SCORE_CALCULATION_COUNT</metric>
    ...
  </monitoring>
  ...
</solver>

您可以在这个配置中启用以下指标：

  • SOLVE_DURATION （默认是 Micrometer 计量 ID： optaplanner.solver.solve.duration）：衡量解决最长活动解决时间、活动解决者数量以及所有活跃解决者的累计持续时间。
  • ERROR_COUNT （默认为启用 Micrometer 量表 ID： optaplanner.solver.errors）：衡量在解决问题时发生的错误数量。
  • SCORE_CALCULATION_COUNT （默认为 Micrometer 量表 ID： optaplanner.solver.score.calculation.count）：测量执行 OptaPlanner 的分数计算次数。
  • BEST_SCORE （Micrometer 计量 ID: optaplanner.solver.best.score.*）：衡量 OptaPlanner 最佳解决方案的性能。分数的每个级别都有单独的计量。例如，对于 HardSoftScore，有 optaplanner.solver.best.score .score 和 optaplanner.best.score 量表。
  • STEP_SCORE （Micrometer 计量 ID： optaplanner.solver.step.score.*）：衡量 OptaPlanner 采用每个步骤的分数。分数的每个级别都有单独的计量。例如，对于 HardSoftScore，有 optaplanner.solver.step.score 和 optaplanner.solver.step.score.soft.score 计量。
  • BEST_SOLUTION_MUTATION (Micrometer meter ID: optaplanner.solver.butation)：测量连续最佳解决方案之间更改的规划变量数量。
  • MOVE_COUNT_PER_STEP （Micrometer 计量 ID： optaplanner.solver.step.move.count）：测量步骤中评估的移动数量。
  • MEMORY_USE （Micrometer 计量 ID： jvm.memory.used）：测量 JVM 中使用的内存量。此指标不衡量被解析器使用的内存量；同一 JVM 上的两个解决者将报告此指标的相同值。
  • CONSTRAINT_MATCH_TOTAL_BEST_SCORE （Micrometer 量表 ID: optaplanner.solver.constraint.match.best.score.*）：衡量 OptaPlanner 已发现的最佳解决方案分数影响。分数的每个级别都有单独的计量，每个约束都有标签。例如，对于在软件包 "com.example" 中的约束"Minimize Cost"的 HardSoftScore，有 optaplanner.solver.constraint.match.best.score.hard.score 和 optaplanner.solver.constraint.match。 best.score.soft.score 量表，带有标签 "constraint.package=com.example" 和 "constraint.name=Minimize Cost"。
  • CONSTRAINT_MATCH_TOTAL_STEP_SCORE （Micrometer 计量 ID: optaplanner.solver.constraint.match.step.score.*）：测量当前步骤中每个约束的影响。分数的每个级别都有单独的计量，每个约束都有标签。例如，对于在软件包 "com.example" 中的约束 "Minimize Cost" 约束一个 HardSoftScore，有 optaplanner.solver.constraint.match.step.score.hard.score 和 optaplanner.solver.constraint.match.step 带有标签 "constraint.com.example" 和 "constraint.name=Minimize Cost" 的 .score.soft.score 量表。
  • PICKED_MOVE_TYPE_BEST_SCORE_DIFF (Micrometer meter ID: optaplanner.solver.move.type.best.score.diff.*):衡量特定移动类型如何改进最佳解决方案。每个分数级别都有单独的计量，即移动类型的标签。例如，对于进程的计算机的 HardSoftScore 和 ChangeMove，有 optaplanner.solver.move.type.best.score.diff.hard.score 和 optaplanner.solver.move.type.best.score.diff.soft.score meters with tag move.type=ChangeMveoProcess.compute.
  • PICKED_MOVE_TYPE_STEP_SCORE_DIFF （Micrometer 计量 ID： optaplanner.solver.move.type.step.score.diff.*）：衡量特定移动类型可以改进最佳解决方案。每个分数级别都有单独的计量，即移动类型的标签。例如，对于进程的计算机的 HardSoftScore 和 ChangeMove，有 optaplanner.solver.move.type.step.score.diff.hard.score 和 optaplanner.solver.move.type.step.score.diff.soft.score meters with tag move.type=Move(compute.compute.Process).
Red Hat logoGithubredditYoutubeTwitter

学习

尝试、购买和销售

社区

关于红帽文档

通过我们的产品和服务，以及可以信赖的内容，帮助红帽用户创新并实现他们的目标。 了解我们当前的更新.

让开源更具包容性

红帽致力于替换我们的代码、文档和 Web 属性中存在问题的语言。欲了解更多详情，请参阅红帽博客.

關於紅帽

我们提供强化的解决方案，使企业能够更轻松地跨平台和环境（从核心数据中心到网络边缘）工作。

Theme

© 2026 Red Hat返回顶部