مراقبة تطبيقات Kotlin: المقاييس والتنبيهات المتقدمة

تعلم Python بسهولة دون إرهاق نظري. حل مهام عملية مع التحقق التلقائي واكتب الكود مباشرة في المتصفح.

مراقبة تطبيقات Kotlin: المقاييس والتنبيهات المتقدمة

في تطوير البرمجيات الحديث، لم تعد المراقبة خيارًا - بل أصبحت عنصرًا إلزاميًا في البنية التحتية للإنتاج. بالنسبة لتطبيقات Kotlin التي تعمل تحت حمولة عالية، لا يكفي التسجيل البسيط. هناك حاجة إلى قابلية مراقبة كاملة: جمع المقاييس، إعداد التنبيهات، وتصور البيانات في الوقت الفعلي. في هذه المقالة، سنستعرض التقنيات المتقدمة لمراقبة تطبيقات Kotlin باستخدام مجموعة Prometheus و Grafana و Micrometer.

1. الأدوات: Micrometer و Prometheus

أفضل طريقة لتطبيق المراقبة في تطبيق Kotlin هي استخدام مكتبة Micrometer. فهي توفر واجهة لأنظمة مراقبة مختلفة، بما في ذلك Prometheus. تدعم Micrometer مقاييس JVM والمؤشرات التجارية المخصصة.

سنقوم بإضافة التبعيات في build.gradle.kts:

dependencies {    implementation("io.micrometer:micrometer-core:1.12.0")    implementation("io.micrometer:micrometer-registry-prometheus:1.12.0")    implementation("io.ktor:ktor-server-metrics-micrometer:2.3.7")}

لتطبيق Ktor، يكون الإعداد كالتالي:

import io.ktor.server.engine.*import io.ktor.server.netty.*import io.ktor.server.application.*import io.ktor.server.metrics.micrometer.*import io.micrometer.prometheus.PrometheusMeterRegistryimport io.micrometer.prometheus.PrometheusConfig

fun main() {    val meterRegistry = PrometheusMeterRegistry(PrometheusConfig.DEFAULT)

    embeddedServer(Netty, port = 8080) {        install(MicrometerMetrics) {            registry = meterRegistry            // نضيف مقاييس JVM القياسية            meterRegistry.config().commonTags("application", "my-kotlin-app")        }        routing {            get("/metrics") {                call.respond(meterRegistry.scrape())            }        }    }.start(wait = true)}

يقوم هذا الكود تلقائيًا بجمع مقاييس طلبات HTTP ومجموعة الخيوط و JVM. يعرض نقطة النهاية /metrics البيانات بتنسيق Prometheus.

2. المقاييس المخصصة: المؤشرات التجارية

غالبًا ما تكون المقاييس القياسية غير كافية. للمراقبة المتقدمة، تحتاج إلى جمع المؤشرات التجارية: عدد الطلبات، وقت معالجة المدفوعات، تكرار أخطاء التحقق.

مثال على إنشاء عداد ومؤقت مخصصين:

import io.micrometer.core.instrument.Counterimport io.micrometer.core.instrument.MeterRegistryimport io.micrometer.core.instrument.Timerimport java.util.concurrent.TimeUnit

class OrderMetrics(private val registry: MeterRegistry) {    private val orderCounter: Counter = Counter.builder("orders.created")        .description("Total number of created orders")        .register(registry)

    private val processTimer: Timer = Timer.builder("orders.processing.time")        .description("Time to process an order")        .publishPercentiles(0.5, 0.95, 0.99)        .register(registry)

    fun recordOrderCreation() {        orderCounter.increment()    }

    fun measureProcessingTime(block: () -> Unit) {        processTimer.record(block)    }}

الاستخدام في الخدمة:

class OrderService(private val metrics: OrderMetrics) {    fun createOrder(order: Order): Order {        metrics.recordOrderCreation()        return metrics.measureProcessingTime {            // منطق الأعمال            Thread.sleep(100) // محاكاة            order        }    }}

لاحظ النسب المئوية: فهي تسمح بتتبع ليس فقط متوسط الوقت، ولكن أيضًا "الذيول" (p99)، وهو أمر بالغ الأهمية لاتفاقيات مستوى الخدمة (SLA).