如何使用Micrometer正确记录TTL指标？应选counter、timer还是gauge？

先明确三个核心指标的适用边界 #

• Counter：仅用于计数（只增不减），适合统计缓存命中次数、过期次数这类频次数据，完全不适合时长类指标。
• Timer：用于统计时间值的分布情况，比如平均值、百分位数（P95/P99），适合记录单次缓存命中时的时长数据。
• Gauge：用于统计瞬时状态值（可增可减），适合反映缓存整体的TTL状态。

针对你的场景的具体选择 #

1. 记录缓存条目「已存放时长」

如果想分析每次命中缓存时，条目已存活时长的分布规律（比如95%的命中条目存活了多久），用Timer。
每次命中缓存时，计算当前时间与条目创建时间的差值，将这个时长传入Timer：

// 假设缓存条目有createTime字段
long aliveDuration = System.currentTimeMillis() - cacheEntry.getCreateTime();
Metrics.timer("cache.entry.alive.duration")
        .record(aliveDuration, TimeUnit.MILLISECONDS);

2. 记录缓存条目「距离过期的时长」

分两种情况：

• 若要统计单次命中时剩余TTL的分布（比如大部分命中的条目还剩多久过期），同样用Timer，逻辑和上面类似，只是计算的是过期时间与当前时间的差值：

  long remainingTtl = cacheEntry.getExpireTime() - System.currentTimeMillis();
  Metrics.timer("cache.entry.remaining.ttl")
          .record(remainingTtl, TimeUnit.MILLISECONDS);
  

• 若要监控缓存整体的剩余TTL状态（比如当前所有缓存条目的平均剩余TTL、最大剩余TTL），用Gauge。需要实现一个逻辑来获取聚合后的瞬时值，比如：

  Metrics.gauge("cache.avg.remaining.ttl", this, 
      () -> cache.getAllEntries().stream()
              .mapToLong(entry -> entry.getExpireTime() - System.currentTimeMillis())
              .average()
              .orElse(0));
  

  注意：Gauge的取值逻辑要尽量轻量，避免遍历大量缓存条目导致性能问题，建议抽样或维护预计算的聚合值。

总结 #

• 单次命中时的时长分布（已存活/剩余TTL）→ Timer
• 缓存整体的瞬时TTL状态 → Gauge
• Counter只用来统计频次类数据（比如cache.hits.count、cache.expirations.count）

内容的提问来源于stack exchange，提问作者Bennett Lynch