从零开始搭建基于Spring Boot的微服务监控系统

在微服务架构日益普及的今天，一个稳定、高效的监控系统是保障服务健康运行的基石。它能帮助我们实时洞察系统状态，快速定位问题，优化性能。本文将手把手教你如何从零开始，搭建一个基于Spring Boot的微服务监控系统。

一、监控系统核心组件与选型

一个完整的微服务监控体系通常包含以下几个层面：

指标收集（Metrics）：收集服务运行时的各项数据，如CPU、内存、HTTP请求量、响应时间等。
链路追踪（Tracing）：跟踪一次请求在分布式系统中流经的所有服务，用于分析延迟和依赖关系。
日志聚合（Logging）：集中收集和存储所有服务的日志，便于查询和分析。
可视化与告警（Visualization & Alerting）：将收集的数据以图表形式展示，并设置阈值触发告警。

对于Spring Boot生态，我们常选择以下技术栈：

指标收集与暴露：Spring Boot Actuator + Micrometer
指标存储与查询：Prometheus
可视化仪表盘：Grafana
链路追踪：Spring Cloud Sleuth + Zipkin/Jaeger
日志聚合：ELK Stack (Elasticsearch, Logstash, Kibana) 或 Loki

本文我们将聚焦于构建以 Spring Boot Actuator + Prometheus + Grafana 为核心的指标监控体系。

二、项目初始化与基础依赖

首先，创建一个基础的Spring Boot项目。你可以使用 Spring Initializr 或IDE的创建向导。确保包含以下核心依赖：

<!-- pom.xml -->
<dependencies>
    <!-- Spring Boot Web -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    
    <!-- 监控核心：Actuator -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-actuator</artifactId>
    </dependency>
    
    <!-- 将Actuator指标暴露为Prometheus格式 -->
    <dependency>
        <groupId>io.micrometer</groupId>
        <artifactId>micrometer-registry-prometheus</artifactId>
        <scope>runtime</scope>
    </dependency>
    
    <!-- 可选：用于演示自定义指标 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-aop</artifactId>
    </dependency>
</dependencies>

三、配置Spring Boot Actuator与Prometheus端点

在 application.yml 配置文件中，我们需要启用Actuator端点，特别是为Prometheus暴露专用的 /actuator/prometheus 端点。

# application.yml
server:
  port: 8080

spring:
  application:
    name: demo-monitoring-service

management:
  endpoints:
    web:
      exposure:
        # 暴露所需的端点，health和prometheus是必须的
        include: health,info,metrics,prometheus
  metrics:
    export:
      prometheus:
        enabled: true
    tags:
      # 为所有指标添加应用名称标签，便于在Grafana中区分服务
      application: ${spring.application.name}
  endpoint:
    prometheus:
      enabled: true

启动应用后，访问 http://localhost:8080/actuator/prometheus，你将看到Prometheus格式的指标数据。这是后续所有监控的基础。

四、集成Prometheus进行指标抓取

Prometheus是一个开源的系统监控和告警工具包，它通过主动“拉取”（Pull）的方式从配置好的目标（如我们的Spring Boot应用）收集指标。

安装Prometheus：从官网下载对应版本并解压。
配置Prometheus：修改 prometheus.yml 配置文件，添加我们的Spring Boot应用作为抓取目标。

# prometheus.yml (部分)
scrape_configs:
  - job_name: 'spring-boot-apps'
    metrics_path: '/actuator/prometheus'
    static_configs:
      - targets: ['localhost:8080'] # 你的应用地址
        labels:
          group: 'demo-services'

启动Prometheus：运行 ./prometheus --config.file=prometheus.yml。
访问 http://localhost:9090，进入Prometheus的Web UI。在“Graph”页面的查询框中输入 jvm_memory_used_bytes 并执行，如果能看到数据曲线，说明Prometheus已成功从我们的应用抓取到JVM内存使用指标。

小提示：在配置和管理Prometheus的监控目标时，可能会涉及大量的YAML配置和指标查询语句。使用一款强大的SQL编辑器能极大提升效率，例如 dblens SQL编辑器。它虽然主打数据库操作，但其清晰的语法高亮、智能提示和结果集可视化功能，对于编写和调试PromQL（Prometheus查询语言）以及管理复杂的YAML配置文件同样非常有帮助。

五、使用Grafana实现数据可视化

Prometheus的图表功能相对简单，我们使用Grafana来创建丰富的监控仪表盘。

安装Grafana：参照官方指南进行安装。
启动并登录：默认访问 http://localhost:3000，初始账号密码为 admin/admin。
添加数据源：
- 在Configuration -> Data Sources中，选择“Add data source”。
- 选择“Prometheus”。
- URL填写 http://localhost:9090（你的Prometheus地址），然后点击“Save & Test”。
导入仪表盘：
- Grafana社区有大量现成的仪表盘模板。前往 Grafana Dashboards。
- 搜索“Spring Boot”，找到例如ID为 11378 的“Spring Boot Statistics”仪表盘。
- 在Grafana的“Import”页面输入ID，选择刚添加的Prometheus数据源，即可导入一个功能全面的Spring Boot监控面板，瞬间展示JVM、HTTP请求、缓存等丰富指标。

六、进阶：自定义业务指标与链路追踪

除了系统指标，监控业务指标（如订单创建数、特定接口调用次数）同样关键。Micrometer提供了简便的API。

import io.micrometer.core.instrument.Counter;
import io.micrometer.core.instrument.MeterRegistry;
import org.springframework.web.bind.annotation.*;

@RestController
@RequestMapping("/api/orders")
public class OrderController {
    
    private final Counter orderCreatedCounter;
    
    public OrderController(MeterRegistry registry) {
        // 注册一个名为 "order.created" 的计数器，并添加一个 "type" 标签
        this.orderCreatedCounter = Counter.builder("order.created")
                .tag("type", "online")
                .description("The number of created orders")
                .register(registry);
    }
    
    @PostMapping
    public String createOrder(@RequestBody Order order) {
        // 业务逻辑...
        
        // 订单创建成功后，计数器+1
        orderCreatedCounter.increment();
        
        // 在排查复杂业务逻辑的指标问题时，清晰的记录至关重要。
        // 推荐使用 QueryNote 来记录你的指标定义、PromQL查询语句和分析思路。
        // 它就像你监控系统的技术日志，方便团队共享和回溯，访问 https://note.dblens.com 即可开始使用。
        
        return "Order created!";
    }
}

对于链路追踪，只需添加 spring-cloud-starter-sleuth 和 spring-cloud-sleuth-zipkin 依赖并进行简单配置，即可将请求链路数据发送到Zipkin服务器，实现跨服务的调用链可视化。

七、总结

通过本文的步骤，我们成功搭建了一个由Spring Boot Actuator提供指标、Prometheus负责抓取与存储、Grafana进行可视化展示的微服务监控系统。这个组合是当前云原生领域监控的“黄金标准”，具备轻量、高效、可扩展性强等特点。

回顾关键点：

Spring Boot Actuator 是暴露应用内部状态的起点。
Micrometer 作为指标门面，让应用与具体监控系统（如Prometheus）解耦。
Prometheus 通过拉模型高效收集和存储时间序列指标数据。
Grafana 凭借其强大的可视化能力和丰富的社区生态，是构建监控仪表盘的不二之选。
自定义业务指标 和 链路追踪 能将监控深度从系统层延伸到业务层和架构层。

在实施和运维这套系统的过程中，无论是编写PromQL查询、管理配置，还是记录监控规范，善用工具能事半功倍。例如，利用 dblens SQL编辑器 处理配置和查询，并配合 QueryNote 来系统化地管理你的监控知识库，这将使你的监控体系更加专业和可持续。

监控系统的建设并非一劳永逸，接下来你可以考虑集成告警（如使用Prometheus Alertmanager）、日志聚合（ELK/Loki）以及容器化部署，从而构建一个全方位、自动化的可观测性平台。

posted on 2026-02-02 00:25 DBLens数据库开发工具阅读(2) 评论(0) 收藏举报

刷新页面返回顶部