


Membina Kebolehmerhatian dan Pemantauan untuk Aplikasi Moden dengan Actuator, Prometheus dan Grafana
Jan 05, 2025 am 06:15 AMDalam dunia sistem dan perkhidmatan mikro yang diedarkan hari ini, memastikan aplikasi kami boleh diperhatikan dan dipantau adalah sama pentingnya dengan membina fungsi teras. Kami telah pun menyediakan ciri kritikal seperti pengimbang beban NGINX, penghad kadar dan pemutus litar, langkah seterusnya ialah memfokus pada kebolehlihatan dan pemantauan.
Dalam catatan blog ini, Kami akan membincangkan cara menambah Spring Boot Actuator, Prometheus dan Grafana pada aplikasi kami untuk membina kebolehmerhatian yang mantap timbunan. Ini akan membantu kami menggambarkan kesihatan aplikasi kami, menjejaki metrik prestasi dan menyelesaikan masalah dengan cepat dan cekap.
Apakah itu Kebolehperhatian?
Kebolehcerap merujuk kepada keupayaan anda untuk memahami keadaan dalaman sistem berdasarkan data yang dihasilkannya. Tiga tunjang kebolehmerhatian ialah:
- Metrik: Titik data boleh diukur (cth., kadar permintaan, penggunaan memori, penggunaan CPU).
- Log: Rekod peristiwa (cth., ralat, amaran atau acara perniagaan).
- Jejak: Ikuti permintaan semasa ia mengalir melalui berbilang perkhidmatan.
Dengan memfokuskan pada metrik dan log, kami boleh membina papan pemuka dan makluman yang berkuasa yang memastikan aplikasi anda kekal berprestasi dan boleh dipercayai.
Mengapa Kebolehmerhatian Penting untuk Aplikasi Kami
Seni bina aplikasi semasa kami sudah mempunyai komponen penting:
- Pengimbang Beban NGINX: Mengagihkan trafik merentas pelayan.
- Penghad Kadar: Menghalang beban berlebihan dengan mengehadkan bilangan permintaan.
- Pemutus Litar: Memastikan daya tahan dengan menghentikan panggilan ke perkhidmatan yang gagal.
Walau bagaimanapun, walaupun alat ini meningkatkan prestasi dan kebolehpercayaan, alat ini tidak memberitahu kami mengapa sesuatu mungkin gagal atau prestasi sistem kami di bawah beban. Alat kebolehlihatan seperti Penggerak, Prometheus dan Grafana akan:
- Jejak metrik masa nyata untuk kesihatan dan prestasi aplikasi.
- Bantu menggambarkan arah aliran dan potensi kesesakan.
- Cetus makluman apabila metrik melepasi ambang kritikal.
Timbunan Kebolehmerhatian
Tambahkan pada fail pom.xml anda kebergantungan ini:
<dependency> <groupId>io.github.resilience4j</groupId> <artifactId>resilience4j-micrometer</artifactId> <version>2.2.0</version> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-actuator</artifactId> </dependency> <dependency> <groupId>io.micrometer</groupId> <artifactId>micrometer-registry-prometheus</artifactId> <version>1.14.1</version> </dependency>
Kemas kini konfigurasi aplikasi.properties anda
resilience4j.circuitbreaker.metrics.enabled=true management.health.circuitbreakers.enabled=true management.endpoints.web.exposure.include=health,metrics,circuitbreakers,prometheus management.endpoint.health.show-details=always management.endpoint.health.access=unrestricted management.endpoint.prometheus.access=unrestricted management.prometheus.metrics.export.enabled=true
Penjelasan
management.endpoints.web.exposure.include=health,metrics,circuitbreakers,prometheus
Baris ini mendedahkan URI daripada penggerak, jadi kita boleh menggunakan URI seperti:
- penggerak/
- penggerak/kesihatan,
- penggerak/metrik,
- penggerak/pemutus litar,
- penggerak/prometheus
Menggunakan prometheus dengan docker
Dalam fail docker-compose.yaml kami, kami mencipta perkhidmatan untuk prometheus:
<dependency> <groupId>io.github.resilience4j</groupId> <artifactId>resilience4j-micrometer</artifactId> <version>2.2.0</version> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-actuator</artifactId> </dependency> <dependency> <groupId>io.micrometer</groupId> <artifactId>micrometer-registry-prometheus</artifactId> <version>1.14.1</version> </dependency>
Fail konfigurasi untuk prometheus
Di akar projek anda buat folder yang dipanggil prometheusan dan di dalamnya fail yang dipanggil prometheus.yaml
resilience4j.circuitbreaker.metrics.enabled=true management.health.circuitbreakers.enabled=true management.endpoints.web.exposure.include=health,metrics,circuitbreakers,prometheus management.endpoint.health.show-details=always management.endpoint.health.access=unrestricted management.endpoint.prometheus.access=unrestricted management.prometheus.metrics.export.enabled=true
Sekarang, apabila kita berlari:
prometheus: image: prom/prometheus:latest ports: - "9090:9090" networks: - app_network volumes: - ./prometheus/prometheus.yaml:/etc/prometheus/prometheus.yml - prometheus_data:/prometheus
Bekas prometheus akan bermula dan menggunakan metrik daripada penggerak/metrik URI daripada pelayan spring-boot kami.
Kita boleh melihat papan pemuka di http://localhost:9090/, contohnya:
Tetapi, ini tidak bagus. Kami mahu melihat beberapa graf, dan untuk ini kami menggunakan Grafana.
Tambah Grafana
Kemas kini fail karang docker anda dengan perkhidmatan lain:
global: scrape_interval: 15s evaluation_interval: 15s scrape_configs: - job_name: 'spring-boot-app' metrics_path: '/actuator/prometheus' static_configs: - targets: - 'spring-server-1:8080' - 'spring-server-2:8080' labels: environment: development application: spring-boot
Kini anda boleh mengakses papan pemuka grafana di http://localhost:3000
Mula-mula mereka akan bertanya kelayakan anda, cuma tulis admin untuk pengguna dan kata laluan.
Konfigurasikan Prometheus
Pada menu kiri atas, pergi ke sambungan > tambah sambungan baharu dan cari Prometheus
Konfigurasikan url sambungan seperti ini:
Klik pada butang simpan & uji, jika semuanya baik, anda boleh mula memilih papan pemuka anda.
Papan pemuka
Pergi ke Papan Pemuka Grafana dan pilih papan pemuka untuk anda.
Untuk ini, saya memilih Spring Boot Resilience4j Circuit Breaker (3.x)
Jika semuanya berfungsi dengan baik, anda akan melihat sesuatu seperti ini:
Sila semak imbas papan pemuka lain.
Kata Akhir
Dengan menyepadukan Actuator, Prometheus dan Grafana ke dalam aplikasi kami, kami telah mengambil langkah besar ke arah membina sistem yang sangat boleh diperhatikan. Dengan adanya metrik, pengelogan dan pemantauan, anda akan dapat:
- Dapatkan keterlihatan penuh ke dalam aplikasi dan infrastruktur anda.
- Kesan dan selesaikan isu secara proaktif.
- Optimumkan prestasi dan kebolehpercayaan.
Dengan adanya alatan ini, kami bukan sahaja akan memantau sistem kami dengan berkesan tetapi juga meletakkan asas untuk penskalaan dengan yakin pada masa hadapan.
? Rujukan
- Dokumen Grafana
- Dokumen Prometheus
? Repositori Projek
- Repositori Projek pada Github
? Bercakap dengan saya
- Github
- Portfolio
Atas ialah kandungan terperinci Membina Kebolehmerhatian dan Pemantauan untuk Aplikasi Moden dengan Actuator, Prometheus dan Grafana. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undress AI Tool
Gambar buka pakaian secara percuma

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Perbezaan antara hashmap dan hashtable terutamanya dicerminkan dalam keselamatan benang, sokongan nilai null dan prestasi. 1. Dari segi keselamatan benang, hashtable adalah benang selamat, dan kaedahnya kebanyakannya kaedah segerak, sementara hashmap tidak melakukan pemprosesan penyegerakan, yang bukan benang-selamat; 2. Dari segi sokongan nilai null, hashmap membolehkan satu kunci null dan nilai null berbilang, manakala hashtable tidak membenarkan kekunci atau nilai null, jika tidak, nullPointerException akan dibuang; 3. Dari segi prestasi, hashmap lebih cekap kerana tidak ada mekanisme penyegerakan, dan Hashtable mempunyai prestasi penguncian yang rendah untuk setiap operasi. Adalah disyorkan untuk menggunakan ConcurrentHashMap sebaliknya.

Java menggunakan kelas pembalut kerana jenis data asas tidak dapat mengambil bahagian secara langsung dalam operasi berorientasikan objek, dan bentuk objek sering diperlukan dalam keperluan sebenar; 1. Kelas koleksi hanya boleh menyimpan objek, seperti senarai menggunakan tinju automatik untuk menyimpan nilai berangka; 2. Generik tidak menyokong jenis asas, dan kelas pembungkusan mesti digunakan sebagai parameter jenis; 3. Kelas pembungkusan boleh mewakili nilai null untuk membezakan data yang tidak tersendiri atau hilang; 4. Kelas pembungkusan menyediakan kaedah praktikal seperti penukaran rentetan untuk memudahkan parsing dan pemprosesan data, jadi dalam senario di mana ciri -ciri ini diperlukan, kelas pembungkusan sangat diperlukan.

Staticmethodsininterfaceswereintroducedinjava8toallowutilityfunctionswithintheintheinterfaceitself.beforjava8, SuchfunctionsRequiredseparateHelpereHelperes, LeadingTodisorgaganizedCode.Now, staticmethodethreeKeybeeMeKeBeReSes, staticmethodeDethreeKeybeeMeKeBeReSes, staticmethodethreeKeybeeMeKeKeBeReSes, staticmethodeDethreeKeybeeMeKeKeBeReKeNey

Penyusun JIT mengoptimumkan kod melalui empat kaedah: kaedah dalam talian, pengesanan tempat panas dan penyusunan, spekulasi jenis dan devirtualisasi, dan penghapusan operasi yang berlebihan. 1. Kaedah sebaris mengurangkan panggilan overhead dan memasukkan kaedah kecil yang sering dipanggil terus ke dalam panggilan; 2. Pengesanan tempat panas dan pelaksanaan kod frekuensi tinggi dan mengoptimumkannya untuk menjimatkan sumber; 3. Jenis spekulasi mengumpul maklumat jenis runtime untuk mencapai panggilan devirtualisasi, meningkatkan kecekapan; 4. Operasi berlebihan menghapuskan pengiraan dan pemeriksaan yang tidak berguna berdasarkan penghapusan data operasi, meningkatkan prestasi.

Blok permulaan contoh digunakan dalam Java untuk menjalankan logik inisialisasi apabila membuat objek, yang dilaksanakan sebelum pembina. Ia sesuai untuk senario di mana beberapa pembina berkongsi kod inisialisasi, permulaan medan kompleks, atau senario permulaan kelas tanpa nama. Tidak seperti blok inisialisasi statik, ia dilaksanakan setiap kali ia ditegaskan, manakala blok permulaan statik hanya dijalankan sekali apabila kelas dimuatkan.

Mod kilang digunakan untuk merangkum logik penciptaan objek, menjadikan kod lebih fleksibel, mudah dikekalkan, dan ditambah longgar. Jawapan teras adalah: dengan mengurus logik penciptaan objek secara berpusat, menyembunyikan butiran pelaksanaan, dan menyokong penciptaan pelbagai objek yang berkaitan. Keterangan khusus adalah seperti berikut: Mod Kilang menyerahkan penciptaan objek ke kelas kilang khas atau kaedah untuk diproses, mengelakkan penggunaan Newclass () secara langsung; Ia sesuai untuk senario di mana pelbagai jenis objek yang berkaitan dicipta, logik penciptaan boleh berubah, dan butiran pelaksanaan perlu disembunyikan; Sebagai contoh, dalam pemproses pembayaran, jalur, paypal dan contoh lain dicipta melalui kilang -kilang; Pelaksanaannya termasuk objek yang dikembalikan oleh kelas kilang berdasarkan parameter input, dan semua objek menyedari antara muka yang sama; Varian biasa termasuk kilang -kilang mudah, kaedah kilang dan kilang abstrak, yang sesuai untuk kerumitan yang berbeza.

Injava, thefinalkeywordpreventsavariable'svaluefrombeingchangedafterassignment, butitsbehaviordiffersforprimitivesandobjectreferences.forprimitiveVariables, finalmakesthevalueconstant, asinfinalintmax_speed = 100;

Terdapat dua jenis penukaran: tersirat dan eksplisit. 1. Penukaran tersirat berlaku secara automatik, seperti menukar int untuk berganda; 2. Penukaran eksplisit memerlukan operasi manual, seperti menggunakan (int) mydouble. Kes di mana penukaran jenis diperlukan termasuk memproses input pengguna, operasi matematik, atau lulus pelbagai jenis nilai antara fungsi. Isu-isu yang perlu diperhatikan adalah: Mengubah nombor terapung ke dalam bilangan bulat akan memotong bahagian pecahan, mengubah jenis besar menjadi jenis kecil boleh menyebabkan kehilangan data, dan beberapa bahasa tidak membenarkan penukaran langsung jenis tertentu. Pemahaman yang betul tentang peraturan penukaran bahasa membantu mengelakkan kesilapan.
