Metric概述
HystrixCommands和HystrixObservableCommands執行過程中，會產生執行的數據，這些數據對於觀察調用的性能表現非常有用。
命令產生數據后，Metrics會根據不同緯度進行統計，主要有一下三個緯度：一段時間內（窗口期）的累計統計數據、持續的累計統計數據、一段時間內（窗口期）的數據分布。
Metric實現
Metrics實現主要的流程如下：
1.命令在開始執行前會向開始消息流（HystrixCommandStartStream）發送開始消息（HystrixCommandExecutionStarted）。
2.如果是線程池執行，執行前會向線程池開始消息流（HystrixThreadPoolStartStream）發送開始消息（HystrixCommandExecutionStarted）。
3.如果是線程池執行，執行后會向線程池結束消息流（HystrixThreadPoolCompletionStream）發送完成消息（HystrixCommandCompletion）。
4.命令在結束執行前會向完成消息流（HystrixCommandCompletionStream）發送完成消息（HystrixCommandCompletion）。
5.不同類型的統計流，會監聽開始消息流或完成消息流，根據接受到的消息內容，進行統計。
Hystrix消息類型
HystrixCommandCompletion有一下消息類型
一段時間內統計
統計流首先監聽一個消息流（開始消息流或者完成消息流），統計一段時間內各個類型消息的累計數據（時間為：metrics.rollingStats.timeInMilliseconds／metrics.rollingStats.numBuckets）。然后再對累計的數據進行累加（個數為：metrics.rollingStats.numBuckets），即為最終累計數據。
RollingCommandEventCounterStream消息流監聽了HystrixCommandCompletionStream消息流，並統計各種消息類型次數。
RollingCollapserEventCounterStream消息流監聽了HystrixCollapserEventStream消息流，並統計各種消息類型次數。
RollingThreadPoolEventCounterStream消息流監聽了HystrixThreadPoolCompletionStream消息流，並統計各種消息類型次數。
HealthCountsStream消息流監聽了HystrixThreadPoolCompletionStream消息流，並統計成功次數，失敗次數，失敗率。
持續統計
統計流首先監聽一個消息流（開始消息流或者完成消息流），統計一段時間內各個類型消息的累計數據（時間為：metrics.rollingStats.timeInMilliseconds／metrics.rollingStats.numBuckets）。然后不斷的累加累計數據。
CumulativeCommandEventCounterStream監聽了HystrixCommandCompletionStream消息流，並統計各種消息類型次數。
CumulativeCollapserEventCounterStream監聽了HystrixCollapserEventStream消息流，並統計各種消息類型次數。
CumulativeThreadPoolEventCounterStream監聽了HystrixThreadPoolCompletionStream消息流，並統計各種消息類型次數。
一段時間內分布統計
RollingDistributionStream監聽一個消息流，例如HystrixCommandStartStream，然后通過RX java對一段時間內的數值進行運算操作，生成統計值放在Histogram對象中，然后重新發射，對窗口期內的Histogram對象進行運算操作，並生成統計值重新發射。
子類RollingCommandLatencyDistributionStream監聽了HystrixCommandCompletionStream消息流，並且通過RX java監聽窗口期內的executelatency，通過Histogram計算窗口期內延時的分布。
子類RollingCommandUserLatencyDistributionStream監聽了HystrixCommandCompletionStream消息流，並且通過RX java監聽窗口期內的totalLatency，通過Histogram計算窗口期內延時的分布。
子類RollingCollapserBatchSizeDistributionStream監聽了HystrixCollapserEventStream消息流，並且通過RX java監聽窗口期內的ADDED_TO_BATCH消息類型次數，通過Histogram計算窗口期內延時的分布。
RollingConcurrencyStream監聽一個消息流，例如HystrixCommandStartStream，然后通過RX java對一段時間內的執行並發量取最大值，重新發射，對窗口期內的執行並發量取最大值，重新發射。
子類RollingCommandMaxConcurrencyStream監聽了HystrixCommandStartStream，然后通過RX java對窗口期內的執行並發量取最大值。
子類RollingThreadPoolMaxConcurrencyStream監聽了HystrixThreadPoolStartStream，然后通過RX java對窗口期內的執行並發量取最大值。
其他數據流
還有一些獨立於消息流的數據流，對於理解系統信息也非常有幫助。
配置流HystrixConfigurationStream，通過該數據流可以定時獲取hystrix最新的properties配置信息，com.netflix.hystrix.contrib.sample.stream.HystrixConfigSseServlet就是用該流來獲取配置信息。
數據格式：
data: {"type":"HystrixConfig","commands":{"CreditCardCommand":{"threadPoolKey":"CreditCard","groupKey":"CreditCard","execution":{"isolationStrategy":"THREAD","threadPoolKeyOverride":null,"requestCacheEnabled":true,"requestLogEnabled":true,"timeoutEnabled":true,"fallbackEnabled":true,"timeoutInMilliseconds":3000,"semaphoreSize":10,"fallbackSemaphoreSize":10,"threadInterruptOnTimeout":true},"metrics":{"healthBucketSizeInMs":500,"percentileBucketSizeInMilliseconds":60000,"percentileBucketCount":10,"percentileEnabled":true,"counterBucketSizeInMilliseconds":10000,"counterBucketCount":10},"circuitBreaker":{"enabled":true,"isForcedOpen":false,"isForcedClosed":false,"requestVolumeThreshold":20,"errorPercentageThreshold":50,"sleepInMilliseconds":5000}},"GetUserAccountCommand":{"threadPoolKey":"User","groupKey":"User","execution":{"isolationStrategy":"THREAD","threadPoolKeyOverride":null,"requestCacheEnabled":true,"requestLogEnabled":true,"timeoutEnabled":true,"fallbackEnabled":true,"timeoutInMilliseconds":50,"semaphoreSize":10,"fallbackSemaphoreSize":10,"threadInterruptOnTimeout":true},"metrics":{"healthBucketSizeInMs":500,"percentileBucketSizeInMilliseconds":60000,"percentileBucketCount":10,"percentileEnabled":true,"counterBucketSizeInMilliseconds":10000,"counterBucketCount":10},"circuitBreaker":{"enabled":true,"isForcedOpen":false,"isForcedClosed":false,"requestVolumeThreshold":20,"errorPercentageThreshold":50,"sleepInMilliseconds":5000}},"GetOrderCommand":{"threadPoolKey":"Order","groupKey":"Order","execution":{"isolationStrategy":"THREAD","threadPoolKeyOverride":null,"requestCacheEnabled":true,"requestLogEnabled":true,"timeoutEnabled":true,"fallbackEnabled":true,"timeoutInMilliseconds":1000,"semaphoreSize":10,"fallbackSemaphoreSize":10,"threadInterruptOnTimeout":true},"metrics":{"healthBucketSizeInMs":500,"percentileBucketSizeInMilliseconds":60000,"percentileBucketCount":10,"percentileEnabled":true,"counterBucketSizeInMilliseconds":10000,"counterBucketCount":10},"circuitBreaker":{"enabled":true,"isForcedOpen":false,"isForcedClosed":false,"requestVolumeThreshold":20,"errorPercentageThreshold":50,"sleepInMilliseconds":5000}},"GetPaymentInformationCommand":{"threadPoolKey":"PaymentInformation","groupKey":"PaymentInformation","execution":{"isolationStrategy":"THREAD","threadPoolKeyOverride":null,"requestCacheEnabled":true,"requestLogEnabled":true,"timeoutEnabled":true,"fallbackEnabled":true,"timeoutInMilliseconds":1000,"semaphoreSize":10,"fallbackSemaphoreSize":10,"threadInterruptOnTimeout":true},"metrics":{"healthBucketSizeInMs":500,"percentileBucketSizeInMilliseconds":60000,"percentileBucketCount":10,"percentileEnabled":true,"counterBucketSizeInMilliseconds":10000,"counterBucketCount":10},"circuitBreaker":{"enabled":true,"isForcedOpen":false,"isForcedClosed":false,"requestVolumeThreshold":20,"errorPercentageThreshold":50,"sleepInMilliseconds":5000}}},"threadpools":{"User":{"coreSize":8,"maxQueueSize":-1,"queueRejectionThreshold":5,"keepAliveTimeInMinutes":1,"counterBucketSizeInMilliseconds":10000,"counterBucketCount":10},"CreditCard":{"coreSize":8,"maxQueueSize":-1,"queueRejectionThreshold":5,"keepAliveTimeInMinutes":1,"counterBucketSizeInMilliseconds":10000,"counterBucketCount":10},"Order":{"coreSize":8,"maxQueueSize":-1,"queueRejectionThreshold":5,"keepAliveTimeInMinutes":1,"counterBucketSizeInMilliseconds":10000,"counterBucketCount":10},"PaymentInformation":{"coreSize":8,"maxQueueSize":-1,"queueRejectionThreshold":5,"keepAliveTimeInMinutes":1,"counterBucketSizeInMilliseconds":10000,"counterBucketCount":10}},"collapsers":{}}
功能流HystrixUtilizationStream，通過該數據流可以獲得並發量，線程池狀況等信息。com.netflix.hystrix.contrib.sample.stream.HystrixUtilizationSseServlet就是用該流來獲取配置信息。
數據格式：
data: {"type":"HystrixUtilization","commands":{"CreditCardCommand":{"activeCount":0},"GetUserAccountCommand":{"activeCount":0},"GetOrderCommand":{"activeCount":1},"GetPaymentInformationCommand":{"activeCount":0}},"threadpools":{"User":{"activeCount":0,"queueSize":0,"corePoolSize":8,"poolSize":2},"CreditCard":{"activeCount":0,"queueSize":0,"corePoolSize":8,"poolSize":1},"Order":{"activeCount":1,"queueSize":0,"corePoolSize":8,"poolSize":2},"PaymentInformation":{"activeCount":0,"queueSize":0,"corePoolSize":8,"poolSize":2}}}
請求數據流HystrixRequestEventsStream，通過該數據流可以獲得http請求相關的信息，com.netflix.hystrix.contrib.requests.stream.HystrixRequestEventsSseServlet就是用該流來獲取配置信息。
數據格式：
data: {"name":"GetOrderCommand","events":["SUCCESS"],"latencies":[111]},{"name":"GetPaymentInformationCommand","events":["SUCCESS"],"latencies":[15]},{"name":"GetUserAccountCommand","events":["TIMEOUT","FALLBACK_SUCCESS"],"latencies":[59],"cached":2},{"name":"CreditCardCommand","events":["SUCCESS"],"latencies":[957]}],[{"name":"GetUserAccountCommand","events":["SUCCESS"],"latencies":[3],"cached":2},{"name":"GetOrderCommand","events":["SUCCESS"],"latencies":[77]},{"name":"GetPaymentInformationCommand","events":["SUCCESS"],"latencies":[21]},{"name":"CreditCardCommand","events":["SUCCESS"],"latencies":[1199]}
MetricPublisher
有時，我們需要發布Hystrix中的metrics到其他地方，Hystrix提供了相應的接口（HystrixMetricsPublisherCollapser，HystrixMetricsPublisherCommand，HystrixMetricsPublisherThreadPool），實現這些接口，並在initial方法中實現發送hystrix的metrics。並且實現HystrixMetricsPublisher，來創建這些實現類。
Hystrix原理：
Hystrix運行時，HystrixMetricsPublisherFactory通過HystrixPlugins獲取HystrixMetricsPublisher的實現類。並且通過該實現類來創建（HystrixMetricsPublisherCollapser，HystrixMetricsPublisherCommand，HystrixMetricsPublisherThreadPool）的實現類，並在初次創建時調用其initial方法。
coda hale 實現了將hystrix 的metrics信息輸出到指定metrics監控系統中。
引入jar包：
<dependency>
<groupId>com.netflix.hystrix</groupId>
<artifactId>hystrix-codahale-metrics-publisher</artifactId>
<version>1.5.9</version>
</dependency>
創建HystrixMetricsPublisher對象並注冊到HystrixPlugins：
@Bean
HystrixMetricsPublisher hystrixMetricsPublisher() {
HystrixCodaHaleMetricsPublisher publisher = new HystrixCodaHaleMetricsPublisher(metricRegistry);
HystrixPlugins.getInstance().registerMetricsPublisher(publisher);
return publisher;
}
coda hale實現源碼如下：
public class HystrixCodaHaleMetricsPublisher extends HystrixMetricsPublisher {
private final String metricsRootNode;
private final MetricRegistry metricRegistry;
public HystrixCodaHaleMetricsPublisher(MetricRegistry metricRegistry) {
this(null, metricRegistry);
}
public HystrixCodaHaleMetricsPublisher(String metricsRootNode, MetricRegistry metricRegistry) {
this.metricsRootNode = metricsRootNode;
this.metricRegistry = metricRegistry;
}
@Override
public HystrixMetricsPublisherCommand getMetricsPublisherForCommand(HystrixCommandKey commandKey, HystrixCommandGroupKey commandGroupKey, HystrixCommandMetrics metrics, HystrixCircuitBreaker circuitBreaker, HystrixCommandProperties properties) {
return new HystrixCodaHaleMetricsPublisherCommand(metricsRootNode, commandKey, commandGroupKey, metrics, circuitBreaker, properties, metricRegistry);
}
@Override
public HystrixMetricsPublisherThreadPool getMetricsPublisherForThreadPool(HystrixThreadPoolKey threadPoolKey, HystrixThreadPoolMetrics metrics, HystrixThreadPoolProperties properties) {
return new HystrixCodaHaleMetricsPublisherThreadPool(metricsRootNode, threadPoolKey, metrics, properties, metricRegistry);
}
@Override
public HystrixMetricsPublisherCollapser getMetricsPublisherForCollapser(HystrixCollapserKey collapserKey, HystrixCollapserMetrics metrics, HystrixCollapserProperties properties) {
return new HystrixCodaHaleMetricsPublisherCollapser(collapserKey, metrics, properties, metricRegistry);
}
}
HystrixCodaHaleMetricsPublisher負責創建HystrixCodaHaleMetricsPublisherCommand，HystrixCodaHaleMetricsPublisherThreadPool，HystrixCodaHaleMetricsPublisherCollapser。這三個對象實現基本邏輯是在initialize方法中向metricRegistry中設置相應信息。
public void initialize() {
metricRegistry.register(createMetricName("isCircuitBreakerOpen"), new Gauge<Boolean>() {
@Override
public Boolean getValue() {
return circuitBreaker.isOpen();
}
.....
}
HystrixCodaHaleMetricsPublisherCommand向metricRegistry設置了一下metrics信息：
isCircuitBreakerOpen 是否熔斷，通過熔斷器獲得。
currentTime 當前系統時間
countBadRequests 通過HystrixCommandMetrics獲得。
統計流類實現類
Hystrix的Metrics功能模塊中存儲了與Hystrix運行相關的度量信息，主要有三類類型：
1）HystrixCommandMetrics：
保存hystrix命令執行的度量信息。
markCommandStart 當命令開始執行，調用該方法。
markCommandDone 命令執行完成，調用該方法。
getRollingCount 獲取某一事件類型窗口期內的統計數值
getCumulativeCount 獲取某一事件類型持續的統計數值
getExecutionTimePercentile 獲取某一百分比的請求執行時間
getExecutionTimeMean 獲取平均請求執行時間
getTotalTimePercentile，獲取某一百分比的請求執行總時間
getTotalTimeMean，獲取平均請求執行總時間
getRollingMaxConcurrentExecutions 獲取上一個窗口期內最大的並發數
getHealthCountsStream 獲取窗口期內的失敗次數，總次數，失敗比率
記錄以下事件類型：
HystrixRollingNumberEvent.SUCCESS 命令執行成功的
FAILURE
TIMEOUT(1), SHORT_CIRCUITED(1), THREAD_POOL_REJECTED(1), SEMAPHORE_REJECTED(1), BAD_REQUEST(1), FALLBACK_SUCCESS(1), FALLBACK_FAILURE(1), FALLBACK_REJECT
2）HystrixThreadPoolMetrics 保存hystrix線程池執行的度量信息。
markThreadCompletion 當線程吃執行一個任務時調用。
markThreadExecution 當線程池完成一個任務時調用。
getRollingCount 獲取某一事件類型窗口期內的統計數值。
getCumulativeCount 獲取某一事件類型持續的統計數值。
HystrixCommandMetrics實現：
當調用markCommandStart方法時，實際向消息流對象HystrixCommandStartStream 寫入HystrixCommandExecutionStarted消息。消息流是消息傳輸的中間件，其內部是一個RX java Subject。消息監聽者通過訂閱這些消息流來監聽這些消息。如果是線程模式執行，還需要向消息流對象HystrixThreadPoolStartStream 寫入HystrixCommandExecutionStarted消息。
當調用markCommandDone方法時， 實際向消息流對象HystrixCommandCompletionStream 寫入HystrixCommandCompletion消息。如果是線程模式執行，還需要向消息流對象HystrixThreadPoolCompletionStream 寫入HystrixCommandCompletion消息。
當調用collapserResponseFromCache方法時，實際向消息流對象HystrixCollapserEventStream寫入HystrixCollapserEvent消息。消息流是消息傳輸的中間件，其內部是一個RX java Subject。消息監聽者通過訂閱這些消息流來監聽這些消息。
當調用collapserBatchExecuted方法時，實際向消息流對象HystrixCollapserEventStream寫入HystrixCollapserEvent消息。消息流是消息傳輸的中間件，其內部是一個RX java Subject。消息監聽者通過訂閱這些消息流來監聽這些消息。
當調用getRollingCount方法時，實際從消息流對象RollingCommandEventCounterStream獲取相應的信息。RollingCommandEventCounterStream消息流監聽了HystrixCommandCompletionStream消息流，並且通過RX java 對各個消息類型進行一段時間內數據的統計。
當調用getCumulativeCount方法時，實際從消息流對象CumulativeCommandEventCounterStream獲取相應的信息。CumulativeCommandEventCounterStream消息流監聽了HystrixCommandCompletionStream消息流，並且通過RX java 對各個消息類型進行持續的數據的統計。
當調用getExecutionTimePercentile，getExecutionTimeMean方法時，實際從消息流對象RollingCommandLatencyDistributionStream獲取相應的信息。RollingCommandLatencyDistributionStream消息流監聽了HystrixCommandCompletionStream消息流。並且通過RX java對窗口期內的請求的executionLatency的分布進行計算。
當調用getTotalTimePercentile，getTotalTimeMean方法時，實際從消息流對象RollingCommandUserLatencyDistributionStream獲取相應的信息。RollingCommandUserLatencyDistributionStream消息流監聽了HystrixCommandCompletionStream消息流。並且通過RX java對窗口期內的請求的totalLatency的分布進行計算。
當調用getHealthCountsStream，實際從消息流對象HealthCountsStream獲取想要信息，HealthCountsStream消息流監聽了HystrixCommandCompletionStream消息流，並且通過RX java對窗口期內的請求成功，失敗，超時，進行統計得出失敗次數，總次數，失敗比率。
當調用getRollingMaxConcurrentExecutions，實際從消息流對象RollingCommandMaxConcurrencyStream獲取相應的信息。RollingCommandMaxConcurrencyStream消息流監聽了HystrixCommandStartStream消息流，並且通過RX java 獲取窗口期內最大的並發數。
HystrixThreadPoolMetrics實現:
當調用getRollingCount方法時，實際從消息流對象RollingThreadPoolEventCounterStream獲取相應的信息。RollingThreadPoolEventCounterStream消息流監聽了HystrixCommandExecutionStarted消息流，並且進行一段時間內數據的統計。
當前服務的健康狀況, 包括服務調用總次數和服務調用失敗次數等. 根據Metrics的計數, 熔斷器從而能計算出當前服務的調用失敗率, 用來和設定的閾值比較從而決定熔斷器的狀態切換邏輯. 因此Metrics的實現非常重要。
HystrixRollingNumber統計一定時間內的統計數值，基本思想就是分段統計，比如說要統計qps，即1秒內的請求總數。如下圖所示，我們可以將1s的時間分成10段，每段100ms。在第一個100ms內，寫入第一個段中進行計數，在第二個100ms內，寫入第二個段中進行計數，這樣如果要統計當前時間的qps，我們總是可以通過統計當前時間前1s（共10段）的計數總和值。