Мониторинг Kotlin приложений: метрики и алерты

Мониторинг Kotlin приложений: метрики и алерты

В современной разработке программного обеспечения мониторинг стал неотъемлемой частью production-экосистемы. Для приложений на Kotlin, работающих на JVM, грамотно настроенный мониторинг позволяет не только отслеживать состояние системы в реальном времени, но и предотвращать инциденты до того, как они повлияют на пользователей. В этой статье мы рассмотрим, как организовать сбор метрик и настроить алерты для Kotlin-приложений с использованием современных инструментов, таких как Micrometer и Prometheus.

Зачем нужен мониторинг Kotlin-приложений?

Kotlin, будучи языком, работающим поверх JVM, наследует все возможности мониторинга Java-экосистемы, но добавляет свои особенности — корутины, функции-расширения и null-safety. Мониторинг помогает ответить на три ключевых вопроса:

• Что происходит прямо сейчас? — текущая нагрузка, количество запросов, использование памяти.
• Что происходило раньше? — исторические данные для анализа трендов и поиска узких мест.
• Что может пойти не так? — прогнозирование проблем на основе метрик.

Без мониторинга любое приложение работает «вслепую», и даже незначительная утечка памяти может привести к простою.

Основные метрики для Kotlin-приложений

Прежде чем настраивать инструменты, важно понимать, какие метрики критичны для JVM-приложений на Kotlin.

JVM-метрики

Это базовый набор, который показывает здоровье виртуальной машины:

• Использование heap и non-heap памяти
• Количество потоков (активных, демонов, заблокированных)
• Время GC (Garbage Collection) и частота сборок
• Загрузка CPU

Бизнес-метрики

Отражают работу самого приложения:

• Количество HTTP-запросов (RPS — requests per second)
• Время ответа (latency p50, p95, p99)
• Количество ошибок (4xx, 5xx)
• Глубина очередей (если используются корутины или очереди сообщений)

Метрики корутин

Поскольку Kotlin активно использует корутины, полезно мониторить:

• Количество активных корутин
• Время выполнения корутин
• Количество отменённых корутин

Инструменты для мониторинга: Micrometer + Prometheus

Стандартный стек для мониторинга Kotlin-приложений включает Micrometer (библиотека для сбора метрик) и Prometheus (система хранения и оповещения). Micrometer выступает фасадом, который поддерживает множество бэкендов (Prometheus, Datadog, Graphite и др.), но Prometheus — самый популярный выбор.

Подключение зависимостей

Для Gradle (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")
}

Настройка сбора метрик в Ktor

Рассмотрим пример настройки для веб-приложения на Ktor — популярном фреймворке для Kotlin:

import io.micrometer.prometheus.PrometheusMeterRegistry
import io.micrometer.prometheus.PrometheusConfig
import io.ktor.server.engine.*
import io.ktor.server.netty.*
import io.ktor.server.routing.*
import io.ktor.server.response.*
import io.ktor.server.metrics.micrometer.*

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

    embeddedServer(Netty, port = 8080) {
        install(MicrometerMetrics) {
            registry = meterRegistry
            // Добавляем стандартные теги
            meterRegistry.config().commonTags("application", "my-kotlin-app")
        }

        routing {
            get("/metrics") {
                call.respond(meterRegistry.scrape())
            }
            get("/hello") {
                call.respondText("Hello, World!")
            }
        }
    }.start(wait = true)
}

Теперь по адресу /metrics Prometheus сможет забирать данные в формате plain text.

Добавление кастомных метрик

Micrometer позволяет легко создавать собственные счётчики, таймеры и гистограммы:

import io.micrometer.core.instrument.Counter
import io.micrometer.core.instrument.Timer

class OrderService(private val meterRegistry: PrometheusMeterRegistry) {
    private val orderCounter: Counter = Counter
        .builder("orders.created")
        .description("Total number of created orders")
        .register(meterRegistry)

    private val orderTimer: Timer = Timer
        .builder("orders.processing.time")
        .description("Time taken to process an order")
        .register(meterRegistry)

    fun createOrder() {
        val sample = Timer.start()
        try {
            // Логика создания заказа
            Thread.sleep(100) // Имитация работы
            orderCounter.increment()
        } finally {
            sample.stop(orderTimer)
        }
    }
}

Настройка алертов в Prometheus

Сами по себе метрики бесполезны, если на них нет реакций. Prometheus Alertmanager позволяет настроить оповещения по различным каналам: email, Slack, Telegram, PagerDuty.

Пример правил алертов

Создайте файл alerts.yml:

groups:
  - name: kotlin-app-alerts
    rules:
      - alert: HighMemoryUsage
        expr: jvm_memory_used_bytes{area="heap"} / jvm_memory_max_bytes{area="heap"} > 0.85
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "Heap memory usage above 85%"
          description: "Heap memory usage is {{ $value | humanizePercentage }} for {{ $labels.instance }}"

      - alert: HighErrorRate
        expr: rate(http_server_requests_seconds_count{status=~"5.."}[5m]) / rate(http_server_requests_seconds_count[5m]) > 0.05
        for: 2m
        labels:
          severity: critical
        annotations:
          summary: "Error rate above 5%"
          description: "Error rate is {{ $value | humanizePercentage }} for the last 5 minutes"

      - alert: HighLatency
        expr: histogram_quantile(0.95, rate(http_server_requests_seconds_bucket[5m])) > 1.0