一、为什么需要监控Spring Boot应用
开发一个应用就像养一盆植物，光写好代码种下去还不够，得随时看看它是否健康。比如：
- 请求处理时间是否变长了？
- 内存是不是悄悄泄漏了？
- 某个接口突然没人访问了，是不是出问题了？
这时候就需要监控指标来当我们的"植物健康检测仪"。Spring Boot自带了一套简单的监控机制（比如/actuator端点），但想要更专业的分析，还得自己动手采集数据。
技术栈：Spring Boot + Micrometer + Prometheus
// 示例1：快速启用Spring Boot基础监控
@SpringBootApplication
public class MyApp {
public static void main(String[] args) {
SpringApplication.run(MyApp.class, args);
}
}
// 在application.properties中添加：
// management.endpoints.web.exposure.include=health,info,metrics
// management.endpoint.health.show-details=always
二、指标采集的四种实用方法
方法1：使用Micrometer暴露指标
Micrometer是Spring Boot的"指标翻译官"，能把JVM内存、线程池等信息转换成Prometheus能读懂的格式。
// 示例2：自定义业务指标统计
@Service
public class OrderService {
// 定义一个计数器统计下单次数
private final Counter orderCounter = Metrics.counter("order.count");
public void createOrder() {
orderCounter.increment();
// 业务逻辑...
}
}
方法2：手动埋点复杂逻辑
当自动采集不够用时，可以像插旗帜一样在关键位置埋点：
// 示例3：记录方法执行时间
@Timed("user.query.time") // 这个注解会自动生成时间指标
public List<User> queryUsers() {
return userRepository.findAll();
}
方法3：对接Prometheus存储
采集到的数据需要有个仓库存储，Prometheus就像个超大号Excel：
# 示例4：Prometheus配置片段
scrape_configs:
- job_name: 'spring'
metrics_path: '/actuator/prometheus'
static_configs:
- targets: ['localhost:8080']
方法4：Grafana可视化
数据变成图表才好看，Grafana的仪表盘就像汽车仪表盘：
-- 示例5：Grafana面板常用PromQL查询
http_server_requests_seconds_count{uri="/api/users"} -- 统计接口调用次数
jvm_memory_used_bytes{area="heap"} -- 堆内存使用量
三、性能分析的五个经典场景
场景1：发现慢接口
假设发现/api/report接口很慢，我们可以：
- 先看该接口的耗时百分位数值
- 对比数据库查询次数
- 检查是否持有锁时间过长
// 示例6：模拟慢接口诊断
@GetMapping("/api/report")
public Report generateReport() {
Timer.Sample sample = Timer.start(); // 开始计时
// 1. 查数据库
List<Data> data = dataService.fetchHugeData();
// 2. 复杂计算
HeavyCalculator.calculate(data);
// 3. 记录总耗时
sample.stop(Metrics.timer("report.generate.time"));
return new Report(data);
}
场景2：内存泄漏排查
内存使用曲线持续上涨时：
- 用
/actuator/heapdump获取内存快照 - 用MAT工具分析哪些对象占着内存不放
- 检查是否有静态集合不断增长
// 示例7：疑似内存泄漏代码
public class CacheManager {
private static Map<String, Object> BIG_CACHE = new HashMap<>();
public void addToCache(String key, Object value) {
BIG_CACHE.put(key, value); // 危险！静态Map会一直增长
}
}
四、落地实践的注意事项
- 采样频率：生产环境建议15秒采集一次，太频繁会影响性能
- 指标命名：遵循
aaa.bbb.ccc的层级约定，比如http.requests.duration - 报警阈值：
- CPU使用率超70%持续5分钟
- 错误率超过1%立即报警
- 存储周期：原始数据保留15天，聚合数据保留1年
// 示例8：合理的指标命名规范
// 好的命名 👇
Metrics.counter("api.login.attempts", "type", "sms");
// 坏的命名 ❌
Metrics.counter("countLoginSms");
五、技术方案对比
| 方案 | 优点 | 缺点 |
|---|---|---|
| Spring Boot Actuator | 开箱即用 | 功能简单 |
| Prometheus | 查询强大 | 需要额外部署 |
| ELK | 日志关联分析 | 资源消耗大 |
六、总结
监控系统就像给应用安装行车记录仪，既要记录常规指标（车速、油耗），也要能紧急抓拍异常瞬间（急刹车）。好的监控应该：
- 用最少资源采集关键数据
- 能快速定位问题根因
- 提供历史对比参考
下次当老板问"系统为什么又挂了"时，你就能指着监控图说："看，是数据库连接池在凌晨3点耗尽了！"
评论