Prometheus 监控 ActiveMQ 全栈实战：从队列深度到消费者延迟的实时可观测性

ActiveMQ 是 Java 消息中间件的元老，至今仍被大量企业用于异步通信。其 队列堆积、消费者数量、内存与存储使用、消息入队/出队速率以及 连接数 等指标，直接关系到系统的可用性和性能。Prometheus 根据 ActiveMQ 版本提供不同的监控方案：ActiveMQ Classic (5.x) 通过 JMX Exporter 暴露指标，而 ActiveMQ Artemis (2.x+) 则内置了优雅的 Prometheus 插件。本文将覆盖两种主流架构，带你从零实现 ActiveMQ 的全维度可观测。

1. 方案选型：JMX Exporter vs Artemis 内置插件

ActiveMQ 版本 监控方式 特点
ActiveMQ Classic (5.x) 使用 jmx_prometheus_javaagent 随 JVM 启动，抓取 JMX MBean 灵活，可定制，但需编写 YAML 规则；适用于所有 5.x 版本
ActiveMQ Artemis (2.x+) 内置 metrics 插件，直接暴露 /metrics 端点 官方支持，开箱即用，指标丰富；强烈推荐

建议：如果是 Artemis，直接使用内置插件；如果还在 Classic，采用 JMX Exporter。下文将分别给出配置。

2. 监控 ActiveMQ Classic (5.x) 使用 JMX Exporter

2.1 下载并配置 JMX 代理

在 ActiveMQ 服务器上下载 jmx_prometheus_javaagent：

wget https://repo1.maven.org/maven2/io/prometheus/jmx/jmx_prometheus_javaagent/0.20.0/jmx_prometheus_javaagent-0.20.0.jar
sudo mkdir /opt/activemq/prometheus
sudo mv jmx_prometheus_javaagent-0.20.0.jar /opt/activemq/prometheus/

创建规则文件 /opt/activemq/prometheus/activemq_jmx.yml，采集核心 MBean：

startDelaySeconds: 0
hostPort: 127.0.0.1:1099   # ActiveMQ JMX 端口（默认 1099）
ssl: false
rules:
  # 队列指标
  - pattern: "org.apache.activemq<type=Broker, brokerName=(.+), destinationType=Queue, destinationName=(.+)><>(QueueSize|EnqueueCount|DequeueCount|ConsumerCount|AverageEnqueueTime)"
    name: activemq_queue_$3
    labels:
      broker: $1
      destination: $2
    type: COUNTER
  # 主题指标
  - pattern: "org.apache.activemq<type=Broker, brokerName=(.+), destinationType=Topic, destinationName=(.+)><>(EnqueueCount|DequeueCount|ConsumerCount)"
    name: activemq_topic_$3
    labels:
      broker: $1
      destination: $2
    type: COUNTER
  # 连接数
  - pattern: "org.apache.activemq<type=Broker, brokerName=(.+)><>(CurrentConnectionsCount|TotalConnectionsCount)"
    name: activemq_connections_$2
    labels:
      broker: $1
  # 存储使用
  - pattern: "org.apache.activemq<type=Broker, brokerName=(.+)><>(StorePercentUsage|MemoryPercentUsage|TempPercentUsage)"
    name: activemq_usage_$2
    labels:
      broker: $1
  # JVM 内存与 GC
  - pattern: "java.lang<type=Memory><HeapMemoryUsage>(used|max)"
    name: jvm_memory_heap_$1
  - pattern: "java.lang<type=GarbageCollector, name=(.+)><>(CollectionCount|CollectionTime)"
    name: jvm_gc_$1_$2

可根据需要添加更多 MBean（如 SlowConsumer）。

2.2 修改启动参数

编辑 bin/env 或 activemq 启动脚本，在 ACTIVEMQ_OPTS 中添加 Java Agent：

ACTIVEMQ_OPTS="$ACTIVEMQ_OPTS -javaagent:/opt/activemq/prometheus/jmx_prometheus_javaagent-0.20.0.jar=9096:/opt/activemq/prometheus/activemq_jmx.yml"

这里让代理监听 9096 端口。重启 ActiveMQ 后，curl http://localhost:9096/metrics 应返回指标。

3. 监控 ActiveMQ Artemis (2.x+) 使用内置插件

Artemis 的监控极其简单，只需在 broker.xml 中启用 metrics 插件。

编辑 etc/broker.xml，在 <metrics> 部分添加：

<metrics>
    <jvm-gc>true</jvm-gc>
    <plugin class-name="org.apache.activemq.artemis.core.server.metrics.plugins.ArtemisPrometheusMetricsPlugin"/>
</metrics>

如果需要暴露具体的队列/地址指标，可以增加：

<metrics>
    <jvm-gc>true</jvm-gc>
    <plugin class-name="org.apache.activemq.artemis.core.server.metrics.plugins.ArtemisPrometheusMetricsPlugin">
        <property key="metrics-path" value="/metrics"/>
    </plugin>
    <metric name="address.size" />
    <metric name="queue.message.count" />
    <metric name="queue.consumer.count" />
</metrics>

默认会在管理 HTTP 端口（通常是 8161）上提供 /metrics 端点。也可以单独配置 Prometheus 端口（例如在 etc/bootstrap.xml 中配置 Netty Acceptor）。重启后访问 http://localhost:8161/metrics 验证。

4. 配置 Prometheus 抓取

4.1 对于 ActiveMQ Classic (JMX Exporter)
scrape_configs:
  - job_name: 'activemq-classic'
    scrape_interval: 30s
    static_configs:
      - targets: ['activemq-host:9096']
        labels:
          instance: 'mq-prod'
          version: '5.x'
4.2 对于 ActiveMQ Artemis
  - job_name: 'activemq-artemis'
    scrape_interval: 30s
    static_configs:
      - targets: ['artemis-host:8161']
        labels:
          instance: 'mq-prod'
          version: 'artemis'
    metrics_path: '/metrics'

如果 Artemis 使用独立的 Prometheus 端口（如 9404），直接抓取该端口。

5. 核心监控指标与 PromQL

5.1 Classic (基于 JMX Exporter 规则)
指标 含义 PromQL 示例
activemq_queue_QueueSize 队列中待消费消息数 activemq_queue_QueueSize > 1000
activemq_queue_EnqueueCount (Counter) 入队总数 rate(activemq_queue_EnqueueCount[1m])
activemq_queue_DequeueCount (Counter) 出队总数 rate(activemq_queue_DequeueCount[1m])
activemq_queue_ConsumerCount 消费者数量 为 0 且有 QueueSize 则告警
activemq_connections_CurrentConnectionsCount 当前连接数 直接查看
activemq_usage_StorePercentUsage 存储使用百分比 > 80 需告警
activemq_usage_MemoryPercentUsage 内存使用百分比 > 80 需告警
jvm_memory_heap_used / jvm_memory_heap_max 堆内存使用率 > 85% 告警
5.2 Artemis (内置指标)

Artemis 的指标名称前缀为 artemis_，如：

指标 含义 PromQL 示例
artemis_address_messages_total 地址下消息总数 可求和看全局堆积
artemis_queue_message_count 特定队列消息数 artemis_queue_message_count{queue="myQueue"}
artemis_consumer_count 消费者数量 artemis_consumer_count == 0
artemis_messages_added_total 入队速率 rate(artemis_messages_added_total[1m])
artemis_messages_acknowledged_total 已确认速率 对比入队看积压趋势
artemis_connection_count 连接数 监控连接数抖动
artemis_total_connection_count 累计连接 rate(artemis_total_connection_count[5m])
artemis_disk_store_usage_ratio 磁盘存储使用率 > 0.8 告警
artemis_memory_usage / artemis_memory_max 内存使用/上限 artemis_memory_usage / artemis_memory_max

具体指标名以 /metrics 输出为准，不同 Artemis 版本可能略有变化，但都遵循 artemis_ 前缀。

6. Grafana 仪表盘推荐

  • ActiveMQ Artemis Dashboard：Dashboard ID 12729（专为 Artemis Prometheus 插件设计），展示队列、地址、消费者、内存、磁盘等。
  • ActiveMQ Classic (JMX)：ID 10944，基于 JMX Exporter 指标，适用于 Classic 5.x。
  • 通用 JVM 监控：可与 Spring Boot 或 Node Exporter 面板配合使用。

导入后选择数据源，将 instance 或 broker 变量映射至你的 ActiveMQ 实例。

7. 告警规则实战

以下规则可适配 Classic（调整指标名）与 Artemis：

Classic 版本告警：

groups:
  - name: activemq_classic_alerts
    rules:
      - alert: ActiveMQDown
        expr: up{job="activemq-classic"} == 0
        for: 1m
        labels:
          severity: critical
        annotations:
          summary: "ActiveMQ 实例 {{ $labels.instance }} 宕机"
      - alert: ActiveMQQueueDepthHigh
        expr: activemq_queue_QueueSize > 5000
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "队列 {{ $labels.destination }} 深度超过 5000"
      - alert: ActiveMQNoConsumer
        expr: activemq_queue_QueueSize > 0 and activemq_queue_ConsumerCount == 0
        for: 2m
        labels:
          severity: critical
        annotations:
          summary: "队列 {{ $labels.destination }} 有消息但没有消费者"
      - alert: ActiveMQStoreUsageHigh
        expr: activemq_usage_StorePercentUsage > 80
        for: 5m
        labels:
          severity: critical
        annotations:
          summary: "ActiveMQ 存储使用率超过 80%"

Artemis 版本告警：

groups:
  - name: activemq_artemis_alerts
    rules:
      - alert: ArtemisDown
        expr: up{job="activemq-artemis"} == 0
        for: 1m
        labels:
          severity: critical
        annotations:
          summary: "Artemis 实例 {{ $labels.instance }} 宕机"
      - alert: ArtemisQueueDepthHigh
        expr: artemis_queue_message_count > 5000
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "Artemis 队列 {{ $labels.queue }} 消息堆积超过 5000"
      - alert: ArtemisNoConsumer
        expr: artemis_queue_message_count > 0 and artemis_consumer_count == 0
        for: 2m
        labels:
          severity: critical
        annotations:
          summary: "Artemis 队列 {{ $labels.queue }} 有消息但无消费者"
      - alert: ArtemisDiskUsageHigh
        expr: artemis_disk_store_usage_ratio > 0.8
        for: 5m
        labels:
          severity: critical
        annotations:
          summary: "Artemis 磁盘使用率超过 80%"

8. 进阶：安全、多实例与性能

8.1 保护指标端点
  • Classic (JMX Exporter)：通过防火墙限制 9096 端口，或通过 Nginx 反代添加 Basic Auth。
  • Artemis：在 broker.xml 中配置 metrics-security 或使用管理 HTTP 端口的安全配置，限制访问。
8.2 多 Broker 监控

ActiveMQ Classic 支持主从（Master/Slave），只需为每个实例配置不同的 JMX Exporter 端口，分别加入 Prometheus targets。Artemis 集群的每个节点也只需各自暴露 /metrics。

8.3 性能开销

JMX Exporter 本身开销极小（内存 ~50MB），Artemis 内置插件零额外成本。抓取间隔 30s 完全足够。

部署完成后，ActiveMQ 的队列健康、消息流转、资源消耗一目了然。任何消息堆积、消费者消失、存储爆满都能立即触发告警，让消息中间件从“盲区”变为可靠的可观测组件，与你的服务器、应用监控融为一体，保障消息驱动的业务永续运行。

# prometheus # activemq # 服务器 # 运维
Logo
https://edu.csdn.net/learn/39067/627173?utm_source=2019755004

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

cover

一个 API 入口调用多个大模型：AiiOnly客户端 + CC Switch 打通 Codex AI编程流程

avatar AI编程社区
cover

VSCode Claude Code + MiMo 中转免登录完整配置教程（解决原生登录弹窗 + 模型报错）

avatar AI编程社区
cover

从零开始做一个属于自己的 Skill（保姆级教程）

avatar AI编程社区