拒绝黑盒应用-Spring Boot 应用可视化监控

Spring Boot LLM Agent可观测性实践:从黑盒到思维链追踪 在分布式系统和微服务架构中,可观测性(Observability)是保障系统稳定运行和高效排查问题的核心技术,它通过追踪(Tracing)、日志(Logging)和指标(Metrics)三大支柱,让开发者能够透视服务内部状态。其原理在于收集并关联请求链路中的结构化数据,从而在出现性能瓶颈或逻辑错误时,快速定位根因。对于基于大语言模型(LLM)的智能体(Agent)应用,这一技术价值尤为凸显。Agent的决策过程复杂,涉及意图识别、规划、工具调用和结果合成等多个步骤,传统粗粒度日志无法记录其内部的“思维链”, 阅读详情

img

图文简介

img

逻辑关系

img

效果演示

快速开始

1、Spring Boot 应用暴露监控指标【版本 1.5.7.RELEASE】

首先,添加依赖如下依赖:

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

        <dependency>
            <groupId>io.prometheus</groupId>
            <artifactId>simpleclient_spring_boot</artifactId>
            <version>0.0.26</version>
        </dependency>

然后,在启动类 Application.java 添加如下注解:

@SpringBootApplication
@EnablePrometheusEndpoint
@EnableSpringBootMetricsCollector
public class Application {

    public static void main(String[] args) {
        SpringApplication.run(Application.class, args);
    }

}

最后,配置默认的登录账号和密码,在 application.yml 中:

security:
  user:
    name: user
    password: pwd

提示:不建议配置 management.security.enabled: false

启动应用程序后,会看到如下一系列的 Mappings

img

Mappings

利用账号密码访问 http://localhost:8080/application/prometheus ,可以看到 Prometheus 格式的指标数据

img

指标数据

2、Prometheus 采集 Spring Boot 指标数据

首先,获取 Prometheus 的 Docker 镜像:

$ docker pull prom/prometheus

然后,编写配置文件 prometheus.yml :

global:
  scrape_interval: 10s
  scrape_timeout: 10s
  evaluation_interval: 10m
scrape_configs:
  - job_name: spring-boot
    scrape_interval: 5s
    scrape_timeout: 5s
    metrics_path: /application/prometheus
    scheme: http
    basic_auth:
      username: user
      password: pwd
    static_configs:
      - targets:
        - 127.0.0.1:8080  #此处填写 Spring Boot 应用的 IP   端口号

接着,启动 Prometheus :

$ docker run -d \
--name prometheus \
-p 9090:9090 \
-m 500M \
-v "$(pwd)/prometheus.yml":/prometheus.yml \
-v "$(pwd)/data":/data \
prom/prometheus \
-config.file=/prometheus.yml \
-log.level=info

最后,访问 http://localhost:9090/targets , 检查 Spring Boot 采集状态是否正常。

img

采集状态

3、Grafana 可视化监控数据

首先,获取 Grafana 的 Docker 镜像:

$ docker pull grafana/grafana

然后,启动 Grafana:

$ docker run --name grafana -d -p 3000:3000 grafana/grafana

接着,访问 http://localhost:3000/ 配置 Prometheus 数据源:

Grafana 登录账号 admin 密码 admin

img

配置 DataSource

最后,配置单个指标的可视化监控面板:

img

选择 Graph

img

编辑

img

配置需要监控的指标

提示,此处不能任意填写,只能填已有的指标点,具体的可以在 Prometheus 的首页看到,即 http://localhost:9090/graph

img

指标

多配置几个指标之后,即可有如下效果:

img

Grafana 监控界面

参考文档

© 著作权归作者所有,转载或内容合作请联系作者

原文链接:

本文由博客一文多发平台 OpenWrite 发布!

Spring Boot全局TraceId实现:MDC+拦截器构建全链路日志追踪 在分布式系统和微服务架构中,日志分散是排查线上问题的核心痛点。通过引入链路追踪(Trace)技术,可以为每个请求分配全局唯一标识(TraceId),实现请求全生命周期的行为串联。其技术原理主要基于线程上下文(如SLF4J的MDC)和拦截器机制,在请求入口生成并传递唯一ID,并借助日志框架自动输出。这一实践的核心技术价值在于将碎片化的日志按请求维度聚合,极大提升了问题定位效率和系统可观测性。在应用场景上,它不仅是微服务调用链追踪的基础,也是异步任务、消息队列等复杂场景下保障日志一致性的关键。本文以Spring 阅读详情

相关推荐

AgentScope-Java:Java原生多智能体框架实战指南

多智能体系统(MAS)正成为AI应用落地的核心范式,其核心在于智能体的编排、记忆管理与工具调用能力。AgentScope-Java并非简单封装,而是基于Spring Boot自动装配、Nacos服务发现与Dubbo RPC等Java企业级基建,实现ReAct模式的原生支持。它将LLM推理、工具执行与状态流转深度融入Spring容器生命周期,提供沙箱化运行时、可观测Trace链路与嵌入式Studio治理平台,显著降低Java工程师构建生产级AI Agent的工程门槛。本文聚焦AgentScope-Java在订

weixin_30919571的博客 402

【SpringBoot系列】集成Prometheus Grafana实现应用可视化监控

因项目需要最近调研了使用Prometheus+Grafana实现应用程序可视化监控,现将调研成果记录下来以便后续查找,同时也分享给读者,希望能起到一些作用。快速开始1、Spring Boot应用暴露监控指标【版本2.0.1.RELEASE】首先添加依赖如下:&lt;dependency&gt; &lt;groupId&gt;org.springframewor...

Hyatt的博客 4959

AgentScope-Java:面向Java工程师的生产级多智能体开发框架

多智能体(Multi-Agent)是当前AI应用落地的核心范式之一,其核心在于让模型具备自主规划、工具调用与动态反思能力,区别于传统确定性工作流。AgentScope-Java基于ReAct范式,深度集成Spring Boot生态,提供可插拔的Agent抽象、沙箱化Runtime及可视化Studio,显著降低Java团队构建RAG增强、记忆感知、多Agent协同类AI应用的技术门槛。它支持Qwen等主流大模型,兼容Nacos、Redis、Milvus等企业级中间件,真正实现从开发、调试到监控运维的全链路工程

weixin_34353714的博客 380

《2021-04-30》Grafana构建springboot监控系统

构建监控系统 Promethues + Grafana + AlertManager使用总结 Nacos Server 监控 Prometheus grafana springboot服务做埋点 1. Prometheus、exporters、alertmanager、Grafana 构建监控系统 1.1 核心组件 Prometheus Server, 主要用于抓取数据和存储时序数据,另外还提供查询和 Alert Rule 配置管理。 exporters ,数据采样器,例如采集机器数据的node_exp

guoxiaozhong的博客 1846

【极简监控】榨干 Spring Boot Actuator 的最后一滴血:单体应用的免运维排障神器

你到底发版没?为什么 BUG 还在?我发誓我清缓存了!“我发誓配置肯定加上去了!一定是哪里没生效!“机器卡成 PPT 了,SSH 都连不上,肯定是你代码死循环了,赶紧重启吧!面对这些需要反复拉锯、自证清白的场景,如果我们还秉持传统思路去搞一套复杂的分布式配置中心、重型诊断 Agent,那就又掉进了“过度设计”的陷阱。最大化挖掘 Spring Boot Actuator 的内置价值,配合前端可视化与 AI 分析,将排障所需的 Context(上下文)直接通过 HTTP 端点暴露出来。

夫礼者的专栏 519

【极简监控】打破中间件黑盒:用 Micrometer 打造“SLF4J式”的降维打击Metrics监控体系

0 额外服务器部署,0 运维成本,极少的 Java 配置代码。应用内所有核心依赖组件(DB池、RPC、Web容器)全方位透明化。过去需要专家级经验才能排查的中间件假死、线程耗尽问题,现在辅以趋势图和 AI 分析,初中级开发也能一眼望穿。有了这套基于 Micrometer 打造的“SLF4J 式”监控防线,单体应用内部的层层迷雾被彻底拨开。你的系统,真正变成了让别人无法碰瓷甩锅的“铁桶一块”。

夫礼者的专栏 576

Spring boot+Prometeus+Granafa的业务指标监控

搭建基于Grafana+Prometheus的业务指标监控系统

一位自然人的博客 2868

Unity中实现FairyGUI弹窗背景模糊的3种方法对比(附完整代码)

本文详细对比了Unity中实现FairyGUI弹窗背景模糊的3种方法,包括FairyGUI原生滤镜方案、多摄像机混合渲染方案和渲染纹理动态混合方案。每种方法均附有完整代码示例,帮助开发者根据项目需求选择最佳方案,实现镜头虚化模糊效果,提升游戏UI的视觉沉浸感。

ff678的博客 232

基于Prometheus 和 Grafana 实现springboot应用监控和服务器监控

访问Prometheus官方网站(https://prometheus.io/download/),下载适合操作系统的Prometheus版本。解压下载的文件,将包含Prometheus二进制文件和配置文件的目录放在合适的位置。在Prometheus的安装目录中,找到prometheus.yml配置文件。打开并编辑该文件,以配置Prometheus以抓取Spring Boot应用程序的指标数据。

GY的的专栏 4777

ARM CMSIS DAP源码分析(二)

今天分析的是RDDI_DAP_GetARMRegs(DWORD *regs, DWORD *rfpu, ULONG64 mask)和RDDI_DAP_SetARMRegs(DWORD *regs, DWORD *rfpu, ULONG64 mask)这两个函数。 以RDDI_DAP_GetARMRegs(DWORD *regs, DWORD *rfpu, ULONG64 mask)为例,代码如下:

pengxiao618的专栏 7977

南邮-软件设计实验(C++版)

南邮软件设计 A档 一、分数统计 课题内容:   设计一个分数统计程序。包括学生信息的输入输出以及排序。通过该课题全面熟悉数组、字符串、文件的使用,掌握程序设计的基本方法及友好界面的设计。 课题要求: (1)输入某班级学生的姓名、分数; (2)对(1)的分数进行降幂排列并输出; (3)具有输入输出界面。 示例代码: #include<bits/stdc++.h> using...

Dainelcw 1万+

【经验案例】Springboot微服务搭建JVM监控(Springboot + Prometheus + Grafana)

由于项目之前在生产环境出现过OOM的问题,并且没有及时发现,导致生产环境出现了在一定时间内不可用的情况,故决定搭建JVM监控对微服务24小时监听,以便于出现问题能够及时通知相关人员进行服务降级或解决问题。

sementicweb的博客 4056

Apache Flink连载(一):Apache Flink是什么?

Apache Flink 是一个框架和分布式处理引擎,用于在。

qq_32020645的博客 1217

springboot 监控队列_拒绝黑盒应用Spring Boot 应用可视化监控

点击上方☝SpringForAll社区,轻松关注!及时获取有趣有料的技术文章图文简介逻辑关系效果演示快速开始1、Spring Boot 应用暴露监控指标【版本 1.5.7.RELEASE】首先,添加依赖如下依赖: <dependency> <groupId>org.springframework.bootgroupId> ...

weixin_33074843的博客 188

CATIA二次开发——遍历几何图形集下的轴系及控制轴系生成位置

CATIA二次开发——轴系相关问题1.遍历几何图形集下的轴系2.解决轴系生成位置的问题 1.遍历几何图形集下的轴系 近期遇到的问题:遍历轴系的时候发现,AxisSystem属性的轴系只有放在轴系集合下,才能被找到,放在几何图形集或其他位置均不能被找到。本来想遍历几何图形集下的轴系元素,但是发现没有对应的属性,只能查找 几何图形集、几何元素、草图等元素,无法直接遍历轴系。 解决办法:(加入选择集,在选择集中筛选轴系类型) HybridBody axisHB = activePart.HybridBodies

WorkMan的博客 2731

NVIDIA Cosmos:生成式物理世界模型 从入门到精通1

Prompt Upsampler模型通过微调T5-XXL实现低质量描述到专业级描述的自动扩展,将"一个机器人在仓库"转换为"一台橙色的Kiva自主移动机器人在现代化电商仓库的过道中行驶,头顶的LED阵列投射出冷白色光线,地面反射出机器人的轮廓,摄像机以1.5米高度跟随拍摄,轻微晃动模拟手持效果"。控制输入(深度图、语义分割等)经独立的卷积编码器处理后注入控制分支,提取的多尺度特征通过零卷积层(zero convolution)逐步释放至主网络,避免初始训练阶段的噪声干扰。视频条件通过时序掩码控制扩散范围。

VectorShift的博客 143

Spring AI Alibaba:Java开发者快速构建AI应用的全栈框架指南

Agentic AI框架作为现代人工智能应用开发的核心架构,通过智能代理的概念实现了自主决策和任务执行能力。其原理基于大语言模型的推理能力与工具调用机制的深度结合,让AI系统能够像人类一样思考、规划和执行复杂任务。在技术价值层面,这类框架显著降低了AI应用开发门槛,提供了标准化的开发模式和可复用的组件库。在应用场景上,Agentic AI广泛应用于智能客服、代码审查、文档生成、业务流程自动化等领域。Spring AI Alibaba作为专为Java生态设计的Agentic AI框架,深度集成了阿里云通义系列

weixin_34087307的博客 429

Python爬取公交线路信息及站点shp数据 文末附数据下载地址

三、现在已经获取到了各个线路名称、链接,以及所途径的上下行站点,那么接下来就应该对开始对第三页url进行信息采集,即本次爬虫的最终目的:爬取所有站点的GPS坐标数据。但坑就坑在,二环一号线属于环线,所以只有左侧有站点数据,而其他非环线车次的站点数据分有上下行,如果用正则匹配,则分不清楚到底哪些是上行站点哪些是下行站点。以前爬过百度地图,当时用的是API平台,加上网站比较规范,所以标签节点什么的都比较清晰,但这次由于特殊原因所选择的网站为公交网,废话不多说直接开始吧。checi=二环一号线。

J_Giser的博客 1318

Spring Boot动态线程池实战:参数热更新与监控告警

线程池是后端高并发场景下管理线程复用的核心工具,通过池化思想有效控制资源开销。然而传统ThreadPoolExecutor的参数在初始化后固定,核心线程数、队列容量等配置一旦不当,遇到突发流量就会出现任务排队或拒绝。借助Nacos等配置中心的动态下发能力,结合线程池运行时参数变更接口,可以无需重启应用即可调整核心线程数、最大线程数、队列容量与拒绝策略,实现真正的参数热更新。同时,通过监控接口采集活跃线程数、队列积压量等运行指标,配合告警机制,能够帮助开发者在业务峰谷期快速调优线程池,保障系统稳定性和资源利用

weixin_28707739的博客 346

风电功率预测项目技术白皮书:短期、超短期、中长期全尺度算法详解与工程落地

聚焦风电功率预测的时间尺度与算法:短期(0~72h)以XGBoost/LightGBM/CatBoost及深度学习为主,超短期(0~4h)采用ARMA+LSTM,中长期用LightGBM等,并涵盖概率预测、多气象源融合、AI大模型+物理模型混合策略、极端天气应对及工程运维要点。

算法工程师 329

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

Spring Boot集成XXL-JOB:构建高可用分布式任务调度中心实战指南

在微服务架构和分布式系统中,定时任务调度是支撑业务连续性的核心技术组件。其核心原理在于将任务的触发与执行解耦,通过中心化的调度器统一管理任务生命周期,实现任务的可视化编排、精准触发与状态监控。这一技术价值在于显著提升系统的可观测性和运维效率,解决了传统@Scheduled注解方式下任务分散、难以统一管理和监控的痛点。在实际应用场景中,它广泛应用于数据报表生成、订单状态同步、缓存刷新等需要周期性执行的业务逻辑。本文聚焦于如何将Spring Boot应用与XXL-JOB这一主流分布式任务调度框架进行深度集成,详

weixin_30629653的博客 375

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

jasypt加密_Spring Boot 配置 配置信息加密

点击上方☝SpringForAll社区,轻松关注!及时获取有趣有料的技术文章▶ Spring Boot 依赖与配置Maven 依赖 <dependency> <groupId>org.springframework.bootgroupId> <artifactId>spring-boot-...

weixin_42524100的博客 175

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Spring Boot 配置 - 配置信息加密

▶ Spring Boot 依赖与配置 Maven 依赖 <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-actuator</artifactId> ...

SpringForAll的博客 514

Spring Boot集成AI服务:构建可观测、可容错、成本可控的工程实践

在微服务架构中,外部服务集成是常见的工程挑战,尤其当涉及第三方API时,其稳定性、延迟和成本控制成为关键考量。通过引入熔断、降级、重试等弹性设计模式,可以有效隔离故障,防止级联失败,保障核心业务的高可用性。结合可观测性实践,如日志聚合、指标监控和分布式追踪,能够实现对服务依赖的透明化管理和性能优化。这些技术价值在AI服务集成场景中尤为突出,因为AI API通常具有响应延迟波动大、成本按使用量计费、结果非确定性等特点。本文以Java Spring Boot项目为例,详细演示如何通过Resilience4j实现

weixin_29245767的博客 304

springboot 控制台输出错误信息_Spring Boot 日志处理你还在用Logback?

点击上方☝SpringForAll社区,轻松关注!及时获取有趣有料的技术文章▶ Log4j2 性能https://logging.apache.org/log4j/2.x/performance.html▶ Spring Boot 依赖与配置Maven 依赖 1XML 配置 resources/log4j2.xml混合 sync/async彩色日志分类输出到不同文件自动压缩日志文件并归档...

weixin_39665847的博客 110

docker部署springboot项目_Spring Boot 容器化部署 Docker

点击上方☝SpringForAll社区,轻松关注!及时获取有趣有料的技术文章2013年发布至今, Docker 一直广受瞩目,被认为可能会改变软件行业。但是,许多人并不清楚 Docker 到底是什么,要解决什么问题,好处又在哪里?本文就来详细解释,帮助大家理解它,还带有简单易懂的实例,教你如何将它用于日常开发。▶ 容器化运行的三要素基础环境:JDK应用:Spring Boot 应用 ja...

weixin_39886547的博客 123
上一篇: 别再让你的微服务裸奔了,基于 Spring Session & Spring Security 微服务权限控制
下一篇: Spring Boot 异常处理
SpringForAll
博客等级 码龄7年 15粉丝 79原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值