Surveillance avancée des applications Java : métriques et alertes

Surveillance avancée des applications Java : métriques et alertes

Dans le développement logiciel moderne, la surveillance des applications Java n'est plus une option — c'est une nécessité. La collecte basique de métriques (CPU, mémoire) ne suffit plus à prévenir les incidents dans les systèmes distribués complexes. Au niveau avancé, une observabilité profonde est requise : compréhension de l'état interne de l'application, identification des goulots d'étranglement et analyse prédictive. Dans cet article, nous allons voir comment organiser une surveillance professionnelle des applications Java à l'aide de métriques et d'alertes, en utilisant des outils modernes et les meilleures pratiques.

1. Collecte avancée de métriques en Java : Micrometer et Prometheus

La bibliothèque Micrometer est la norme de facto pour la collecte de métriques dans Spring Boot et d'autres frameworks Java. Elle fournit une API unifiée qui peut exporter des métriques vers différents systèmes de surveillance (Prometheus, Datadog, New Relic). Pour une surveillance avancée, nous utiliserons la combinaison Micrometer + Prometheus.

Pourquoi s'agit-il d'un niveau avancé ? Au lieu d'une simple collecte de requêtes HTTP, nous configurerons des métriques personnalisées : histogrammes du temps d'exécution de la logique métier, compteurs d'erreurs avec tags, minuteurs pour les opérations asynchrones.

Exemple de configuration de Micrometer dans Spring Boot :

// Dépendance dans pom.xml\n<dependency>\n    <groupId>io.micrometer</groupId>\n    <artifactId>micrometer-registry-prometheus</artifactId>\n</dependency>\n\n// application.yml\nmanagement:\n  endpoints:\n    web:\n      exposure:\n        include: "health,prometheus"\n  metrics:\n    export:\n      prometheus:\n        enabled: true\n

Ajoutons maintenant une métrique personnalisée — un histogramme du temps d'exécution d'une méthode :

import io.micrometer.core.instrument.MeterRegistry;\nimport io.micrometer.core.instrument.Timer;\nimport org.springframework.stereotype.Service;\n\nimport java.util.concurrent.TimeUnit;\n\n@Service\npublic class OrderService {\n\n    private final Timer orderProcessingTimer;\n\n    public OrderService(MeterRegistry registry) {\n        this.orderProcessingTimer = Timer.builder("order.processing.time")\n                .description("Temps nécessaire pour traiter une commande")\n                .publishPercentiles(0.5, 0.95, 0.99) // p50, p95, p99\n                .register(registry);\n    }\n\n    public void processOrder(String orderId) {\n        Timer.Sample sample = Timer.start();\n        try {\n            // Logique de traitement de la commande\n            Thread.sleep(200); // Simulation de travail\n        } catch (InterruptedException e) {\n            Thread.currentThread().interrupt();\n        } finally {\n            sample.stop(orderProcessingTimer);\n        }\n    }\n}\n

Cette métrique n'affichera pas seulement le temps moyen, mais les percentiles, ce qui est essentiel pour identifier les requêtes "lentes" (tail latency).

2. Configuration d'alertes avancées : Alertmanager et règles

La collecte de métriques est inutile sans système d'alerte. Prometheus Alertmanager permet de configurer des règles d'alerting complexes avec regroupement, suppression et routage des notifications (Slack, PagerDuty, Email).

Approche avancée : au lieu d'un simple "CPU > 90%", nous utilisons des alertes prédictives et une agrégation par services.

Exemple de règle d'alerte pour une application Java (fichier rules.yml) :

groups:\n  - name: java_app_alerts\n    rules:\n      # Alerte sur un taux élevé d'erreurs 5xx\n      - alert: HighErrorRate\n        expr: |\n          rate(http_requests_total{status=~"5.."}[5m])\n          /\n          rate(http_requests_total[5m]) > 0.05\n        for: 2m\n        labels:\n          severity: critical\n        annotations:\n          summary: "Taux d'erreurs HTTP 5xx élevé ({{ $value | humanizePercentage }})"\n          description: "Le taux d'erreurs pour {{ $labels.instance }} est supérieur à 5% depuis 2 minutes"