Какие инструменты мониторинга Java-приложений ты знаешь?

Какие инструменты мониторинга Java-приложений ты знаешь?

Мониторинг — это критический компонент production-ready систем. Давайте разберёмся, какие инструменты используются для отслеживания здоровья Java-приложений.

Категории мониторинга

Мониторинг включает:

1. Performance Monitoring (Производительность)
   - CPU, Memory, GC
   - Latency, Throughput
   - Thread analysis

2. Application Metrics (Бизнес-метрики)
   - Requests per second
   - Error rates
   - Business KPIs

3. Distributed Tracing (Трассировка запросов)
   - Отслеживание запроса через микросервисы
   - Bottlenecks

4. Logging (Логирование)
   - Structured logs
   - Log aggregation

5. Health Checks (Проверка здоровья)
   - Liveness
   - Readiness

1. JVM Native Tools (Встроенные инструменты)

JConsole

# Запуск
jconsole

# Или через Java process
jps -l  # List all Java processes
jconsole <pid>

Возможности:

• Мониторинг памяти (heap, non-heap)
• CPU usage
• Threads monitoring
• GC analysis
• Simple MBean browsing

Когда использовать: Простая диагностика локально, не подходит для production

VisualVM

# Запуск
jvisualvm

Возможности:

• Более мощный чем JConsole
• Heap dumps
• Thread dumps
• Flight Recorder integration
• Плагины для анализа

Когда использовать: Локальная разработка, диагностика проблем

Java Flight Recorder (JFR) — Профессиональный вариант

// Включение через JVM flags
// java -XX:+UnlockCommercialFeatures -XX:+FlightRecorder ...

// Или программно
RecordingOptions options = new RecordingOptions();
Recording recording = new Recording(options);
recording.start();

// ... долгий мониторинг ...

recording.dump(new File("flight.jfr"));
recording.close();

// Анализ в JDK Mission Control

Возможности:

• Low-overhead профилирование
• Event logging
• Сохранение данных для анализа
• Настраиваемые события

2. Metrics Collection (Сбор метрик)

Micrometer — Стандарт для Spring Boot

// Maven зависимость
// <dependency>
//     <groupId>io.micrometer</groupId>
//     <artifactId>micrometer-core</artifactId>
// </dependency>

@Service
public class OrderService {
    private final MeterRegistry meterRegistry;
    private final Counter orderCounter;
    private final Timer orderTimer;
    
    public OrderService(MeterRegistry meterRegistry) {
        this.meterRegistry = meterRegistry;
        
        // Регистрируем метрики
        this.orderCounter = Counter.builder("orders.created")
            .description("Total orders created")
            .register(meterRegistry);
            
        this.orderTimer = Timer.builder("order.processing.time")
            .description("Time to process order")
            .publishPercentiles(0.5, 0.99)
            .register(meterRegistry);
    }
    
    public Order createOrder(OrderRequest request) {
        return orderTimer.recordCallable(() -> {
            Order order = processOrder(request);
            orderCounter.increment();
            
            // Gauge — значение в момент времени
            meterRegistry.gauge("orders.pending", 
                () -> getPendingOrdersCount());
            
            return order;
        });
    }
}

// Health checks
@Component
public class DatabaseHealthIndicator extends AbstractHealthIndicator {
    @Override
    protected void doHealthCheck(Health.Builder builder) {
        try {
            checkDatabaseConnection();
            builder.up().withDetail("database", "connected");
        } catch (Exception e) {
            builder.down().withException(e);
        }
    }
}

// Actuator endpoints (Spring Boot)
// GET /actuator/metrics
// GET /actuator/health
// GET /actuator/prometheus

Prometheus — Популярный backend для метрик

# prometheus.yml
global:
  scrape_interval: 15s

scrape_configs:
  - job_name: 'java-app'
    static_configs:
      - targets: ['localhost:8080']
    metrics_path: '/actuator/prometheus'

// Spring Boot автоматически экспортирует в Prometheus
// Достаточно добавить зависимость
// <dependency>
//     <groupId>io.micrometer</groupId>
//     <artifactId>micrometer-registry-prometheus</artifactId>
// </dependency>

3. Distributed Tracing (Трассировка запросов)

Sleuth + Zipkin (Spring Cloud)

// Maven
// <dependency>
//     <groupId>org.springframework.cloud</groupId>
//     <artifactId>spring-cloud-starter-sleuth</artifactId>
// </dependency>
// <dependency>
//     <groupId>org.springframework.cloud</groupId>
//     <artifactId>spring-cloud-sleuth-zipkin</artifactId>
// </dependency>

@RestController
public class UserController {
    @Autowired
    private UserService userService;
    
    @GetMapping("/users/{id}")
    public User getUser(@PathVariable Long id) {
        // Sleuth автоматически добавляет:
        // X-B3-TraceId, X-B3-SpanId в логи
        log.info("Fetching user {}", id);  // Будет содержать trace id
        return userService.findUser(id);
    }
}

// В логах:
// [service-name,abc123def456,abc123def456,false] INFO 12345 --- [user-service] ...
//             ↑trace-id        ↑span-id

// Все микросервисы с тем же trace-id будут связаны в Zipkin

Результат в Zipkin:

REST Controller (10ms)
  → OrderService (8ms)
    → PaymentService (5ms)
    → InventoryService (2ms)
  → NotificationService (1ms)
Total: 10ms latency

Jaeger (CNCF альтернатива)

// Более мощный и scalable, чем Zipkin
// <dependency>
//     <groupId>io.opentracing.contrib</groupId>
//     <artifactId>opentracing-spring-cloud-starter</artifactId>
// </dependency>

@Service
public class OrderService {
    @Autowired
    private Tracer tracer;
    
    public Order processOrder(OrderRequest request) {
        try (Span span = tracer.buildSpan("processOrder")
                .withTag("orderId", request.getId())
                .startActive(true)) {
            
            Order order = new Order(request);
            
            // Вложенный span
            try (Span paymentSpan = tracer.buildSpan("processPayment")
                    .asChildOf(span)
                    .startActive(true)) {
                paymentService.charge(order);
            }
            
            return order;
        }
    }
}

4. Logging Aggregation (Агрегация логов)

ELK Stack (Elasticsearch, Logstash, Kibana)

// Logback configuration (logback.xml)
<configuration>
    <!-- Отправка в Logstash -->
    <appender name="LOGSTASH" class="net.logstash.logback.appender.LogstashTcpSocketAppender">
        <destination>logstash:5000</destination>
    </appender>
    
    <root level="INFO">
        <appender-ref ref="LOGSTASH"/>
    </root>
</configuration>

// Структурированное логирование
@Slf4j
@Service
public class PaymentService {
    public void processPayment(Payment payment) {
        log.info("Processing payment", 
            Map.of(
                "paymentId", payment.getId(),
                "amount", payment.getAmount(),
                "status", "started",
                "timestamp", Instant.now()
            )
        );
    }
}

Результат: Все логи в одном месте, поиск, фильтрация, анализ

Splunk (Коммерческий вариант)

- Более мощный чем ELK
- Встроенная аналитика
- ML для аномалий
- Дороже, но проще в использовании

5. APM Solutions (Application Performance Monitoring)

New Relic

# JVM agent
java -javaagent:/path/to/newrelic.jar ...

Возможности:

• Real-time performance monitoring
• Automatic error detection
• Database performance tracking
• Machine learning for anomalies

Datadog

# Agent для JVM
java -javaagent:/path/to/dd-java-agent.jar ...

Особенности:

• Infrastructure + Application monitoring
• Unified dashboard
• Cost-effective

Dynatrace

- AI-powered monitoring
- Full-stack observability
- Automatic root cause analysis
- Premium price, но лучше всех

6. Health Checks и Readiness Probes (Kubernetes)

@Component
public class ApplicationHealthIndicator extends AbstractHealthIndicator {
    @Override
    protected void doHealthCheck(Health.Builder builder) {
        // Liveness probe
        if (isApplicationAlive()) {
            builder.up();
        } else {
            builder.down();
        }
    }
}

@Component
public class ReadinessIndicator extends AbstractHealthIndicator {
    @Override
    protected void doHealthCheck(Health.Builder builder) {
        // Readiness probe
        if (isDatabaseReady() && isCacheReady()) {
            builder.up();
        } else {
            builder.down();
        }
    }
}

// Kubernetes configuration
/*
livenessProbe:
  httpGet:
    path: /actuator/health/liveness
    port: 8080
  initialDelaySeconds: 30
  periodSeconds: 10

readinessProbe:
  httpGet:
    path: /actuator/health/readiness
    port: 8080
  initialDelaySeconds: 20
  periodSeconds: 5
*/

Рекомендуемый стек для разных сценариев

Маленький стартап

- Spring Boot Actuator (встроено)
- Prometheus + Grafana (открытые, простые)
- Cloudwatch или платформа хостера (логи)

Medium проект

- Micrometer + Prometheus
- Zipkin для трассировки
- ELK для логов
- Grafana для дашбордов

Enterprise

- New Relic / Datadog / Dynatrace (всё включено)
- Или собственный стек:
  - Prometheus + Victoria Metrics
  - Jaeger для трассировки
  - ELK или Splunk для логов
  - Grafana для визуализации

Практический пример: Полный мониторинг

# docker-compose.yml
version: '3'
services:
  java-app:
    image: my-java-app
    ports:
      - "8080:8080"
    environment:
      - JAVA_OPTS=-Dmicrometer.enabled=true

  prometheus:
    image: prom/prometheus
    volumes:
      - ./prometheus.yml:/etc/prometheus/prometheus.yml
    ports:
      - "9090:9090"

  grafana:
    image: grafana/grafana
    ports:
      - "3000:3000"
    environment:
      - GF_SECURITY_ADMIN_PASSWORD=admin

  zipkin:
    image: openzipkin/zipkin
    ports:
      - "9411:9411"

  elasticsearch:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.14.0
    environment:
      - discovery.type=single-node
    ports:
      - "9200:9200"

  kibana:
    image: docker.elastic.co/kibana/kibana:7.14.0
    ports:
      - "5601:5601"

Выводы

1. Используй Micrometer для метрик в Spring Boot
2. Выбери Prometheus для маленьких/средних проектов
3. Используй Sleuth + Zipkin для трассировки
4. Настрой структурированное логирование (JSON logs)
5. Используй health checks для Kubernetes
6. Рассмотри APM (New Relic/Datadog) для большихсистем

Мониторинг — это не опция, это must-have для production систем. Без него ты работаешь вслепую.