企业官网建设流程全解析

服务监控：Actuator + Prometheus + Grafana

线上服务就像一辆行驶中的汽车——没有仪表盘你不知道油量、不知道速度、不知道发动机温度，等真抛锚了才发现问题，那就晚了。

一、为什么需要监控

线上服务跑着跑着突然卡了、内存满了、响应慢了——如果没监控，你只能靠用户投诉来发现问题。被动救火，永远慢半拍。

监控的核心价值：

• 线上问题无感知→提前预警：CPU飙到90%就告警，而不是等服务挂了才知道
• 性能瓶颈定位：哪个接口慢？慢在哪？是GC停顿还是数据库查询？
• 容量规划：QPS趋势分析，什么时候该加机器、加多少，数据说话
• 故障复盘：出问题后回溯监控曲线，快速定位根因

完整的监控体系分三层：指标监控（Metrics）→日志收集（Logging）→链路追踪（Tracing），即所谓的可观测性三支柱。本文聚焦指标监控。

二、SpringBoot Actuator

Actuator是SpringBoot自带的监控模块，提供了一系列HTTP端点，开箱即用。

2.1 引入依赖

<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-actuator</artifactId></dependency>

2.2 核心端点一览

2.3 端点安全配置

默认只暴露/health，需要手动开启其他端点的Web访问：

management:endpoints:web:exposure:include:'*'# 暴露所有端点（生产环境按需选择）exclude:'env,beans'# 排除敏感端点base-path:/actuator# 基础路径endpoint:health:show-details:always# 显示健康详情（默认NEVER不显示）shutdown:enabled:false# 禁止远程关机（千万别开）

访问/actuator/health返回示例：

{"status":"UP","components":{"db":{"status":"UP","details":{"database":"MySQL"}},"diskSpace":{"status":"UP","details":{"total":500107862016,"free":198656831488}},"ping":{"status":"UP"}}}

三、Micrometer — 监控门面

Actuator本身的指标格式不够通用，Micrometer作为监控门面（类似SLF4J之于日志），将指标数据适配为不同监控系统的格式。

<dependency><groupId>io.micrometer</groupId><artifactId>micrometer-registry-prometheus</artifactId></dependency>

引入后访问/actuator/prometheus，即可看到Prometheus格式的指标文本：

# HELP jvm_memory_used_bytes The amount of used memory # TYPE jvm_memory_used_bytes gauge jvm_memory_used_bytes{area="heap",id="G1 Eden Space"} 2.5165824E7 jvm_memory_used_bytes{area="heap",id="G1 Survivor Space"} 1048576.0 # HELP http_server_requests_seconds HTTP请求耗时 # TYPE http_server_requests_seconds summary http_server_requests_seconds_count{method="GET",status="200",uri="/api/user/{id}"} 1523 http_server_requests_seconds_sum{method="GET",status="200",uri="/api/user/{id}"} 12.345

四、Prometheus — 时序数据库

Prometheus是CNCF旗下的开源监控系统，采用Pull模式主动从目标服务抓取指标数据。

4.1 核心概念

• 时序数据：每个指标按时间戳存储，形成时间序列
• Pull模式：Prometheus主动去拉取数据，而非被推送
• PromQL：专用查询语言，灵活聚合分析指标

4.2 配置抓取目标

# prometheus.ymlglobal:scrape_interval:15s# 每15秒抓取一次scrape_configs:-job_name:'springboot-app'metrics_path:'/actuator/prometheus'static_configs:-targets:['localhost:8080']labels:application:'my-app'env:'dev'

4.3 常用PromQL查询

# HTTP请求QPS（每秒请求数） rate(http_server_requests_seconds_count[1m]) # 接口平均响应时间 rate(http_server_requests_seconds_sum[1m]) / rate(http_server_requests_seconds_count[1m]) # JVM堆内存使用率 jvm_memory_used_bytes{area="heap"} / jvm_memory_max_bytes{area="heap"} * 100

五、Grafana — 可视化仪表盘

Grafana是一个开源的数据可视化平台，支持多种数据源，配合Prometheus做指标展示再合适不过。

5.1 配置流程

1. 添加数据源：Settings → Data Sources → Add Prometheus，填写地址http://localhost:9090
2. 导入仪表盘：Dashboards → Import，输入模板ID或上传JSON
3. 常用模板ID：
   • 4701— JVM Micrometer监控面板
   • 12900— SpringBoot 2.1 Statistics
   • 11378— Node Exporter服务器监控

5.2 仪表盘核心面板

一个完整的SpringBoot监控面板通常包含：

六、监控指标分类

6.1 JVM层面

• 内存：堆/非堆使用量、各内存区使用详情
• 线程：活跃线程数、守护线程数、线程状态分布
• GC：GC次数、GC耗时、各代GC统计

6.2 应用层面

• HTTP请求：QPS、响应时间分布、错误率
• 线程池：活跃线程数、队列积压数、拒绝任务数
• 数据库连接池：活跃连接数、等待线程数

6.3 自定义业务指标

通过Micrometer的MeterRegistry注册自定义指标：

@ComponentpublicclassOrderMetrics{privatefinalCounterorderCreateCounter;privatefinalCounterorderFailCounter;privatefinalGaugeorderPendingGauge;publicOrderMetrics(MeterRegistryregistry,OrderServiceorderService){// Counter：只增不减的计数器this.orderCreateCounter=Counter.builder("order.create.total").description("订单创建总数").tag("type","all").register(registry);this.orderFailCounter=Counter.builder("order.create.fail").description("订单创建失败数").register(registry);// Gauge：瞬时值this.orderPendingGauge=Gauge.builder("order.pending.count",()->orderService.getPendingCount()).description("待处理订单数").register(registry);}publicvoidincrementCreate(){orderCreateCounter.increment();}publicvoidincrementFail(){orderFailCounter.increment();}}

// Timer：耗时统计@ServicepublicclassPaymentService{@AutowiredprivateMeterRegistryregistry;publicvoidpay(Orderorder){Timer.Samplesample=Timer.start(registry);try{// 支付逻辑doPay(order);}finally{sample.stop(Timer.builder("payment.duration").description("支付耗时").tag("channel",order.getChannel()).register(registry));}}}

三种核心指标类型：

七、完整搭建流程

1. SpringBoot应用引入actuator + micrometer-prometheus 2. 配置management.endpoints暴露prometheus端点 3. 启动Prometheus，配置scrape_configs抓取应用指标 4. 启动Grafana，添加Prometheus数据源 5. 导入JVM仪表盘模板（ID: 4701） 6. 创建自定义业务监控面板 7. 配置告警规则（Alertmanager）

告警规则示例

# alert_rules.ymlgroups:-name:springboot-alertsrules:-alert:HighErrorRateexpr:rate(http_server_requests_seconds_count{status=~"5.."}[5m])>0.1for:2mlabels:severity:criticalannotations:summary:"接口错误率过高"description:"{{ $labels.uri }} 5xx错误率超过10%"-alert:HighMemoryUsageexpr:jvm_memory_used_bytes{area="heap"}/ jvm_memory_max_bytes{area="heap"}>0.85for:5mlabels:severity:warningannotations:summary:"JVM堆内存使用率超过85%"

Actuator采集指标，Prometheus存储和查询，Grafana展示和告警——三件套配合起来，线上服务的健康状况就尽在掌握了。这套监控体系不需要写复杂的代码，主要是配置工作，但带来的运维价值是巨大的。