Мониторинг Java приложений: метрики и алерты от А до Я

Онлайн-тренажер Python для начинающих

Изучайте Python легко и без перегрузки теорией. Решайте практические задачи с автоматической проверкой, получайте подсказки на русском языке и пишите код прямо в браузере — без необходимости что-либо устанавливать.

Начать курс

Введение: почему мониторинг Java-приложений — это база

Современное Java-приложение — это сложная распределённая система. Без мониторинга вы работаете вслепую: падение скорости ответа, утечка памяти или внезапный OutOfMemoryError могут остаться незамеченными до жалобы пользователя. Грамотно настроенный мониторинг метрик и алертов позволяет не только быстро реагировать на инциденты, но и предсказывать узкие места до того, как они станут критическими.

В этой статье мы разберём полный цикл: от сбора базовых метрик JVM до настройки алертов в Prometheus и визуализации в Grafana. Все примеры кода написаны на Java с использованием популярной библиотеки Micrometer.

1. Ключевые метрики Java-приложения

Мониторинг начинается с выбора правильных метрик. Их можно разделить на три группы: метрики JVM, бизнес-метрики и метрики инфраструктуры.

1.1. Метрики JVM

Эти метрики показывают состояние виртуальной машины Java. Самые важные из них:

Heap memory usage — использование кучи (используемая / максимальная память). Резкий рост может указывать на утечку.
GC pauses — частота и длительность сборок мусора. Долгие паузы (более 1 секунды) — признак проблем.
Thread states — количество потоков в состояниях RUNNABLE, BLOCKED, WAITING. Много BLOCKED — возможна блокировка.
CPU usage — загрузка процессора процессом JVM.

1.2. Бизнес-метрики

Они отражают логику вашего приложения. Примеры:

Количество обработанных заказов в минуту.
Время ответа внешнего API.
Количество ошибок валидации.

1.3. Метрики инфраструктуры

Использование диска, сети, памяти хоста.
Состояние подключений к базе данных (пул соединений).
Задержки очередей сообщений (Kafka, RabbitMQ).

2. Инструменты для сбора метрик: Micrometer + Prometheus

Для Java-приложений стандартом де-факто является библиотека Micrometer. Она предоставляет фасад для различных систем мониторинга (Prometheus, Datadog, Graphite). В связке с Prometheus (хранилище метрик) и Grafana (визуализация) вы получаете мощную и бесплатную экосистему.

2.1. Подключение Micrometer в Spring Boot

Если вы используете Spring Boot 2.x или 3.x, добавьте в pom.xml зависимость:

<dependency>
    <groupId>io.micrometer</groupId>
    <artifactId>micrometer-registry-prometheus</artifactId>
</dependency>

После этого Spring Boot Actuator автоматически включит эндпоинт /actuator/prometheus, который будет отдавать метрики в формате Prometheus.

2.2. Создание кастомной метрики

Допустим, вы хотите считать количество успешных и неуспешных вызовов метода. Создайте счётчик:

import io.micrometer.core.instrument.MeterRegistry;
import io.micrometer.core.instrument.Counter;
import org.springframework.stereotype.Service;

@Service
public class OrderService {

    private final Counter successCounter;
    private final Counter errorCounter;

    public OrderService(MeterRegistry registry) {
        this.successCounter = Counter.builder("orders.success")
                .description("Number of successful orders")
                .register(registry);
        this.errorCounter = Counter.builder("orders.error")
                .description("Number of failed orders")
                .register(registry);
    }

    public void processOrder(String orderId) {
        try {
            // логика обработки заказа
            successCounter.increment();
        } catch (Exception e) {
            errorCounter.increment();
            throw e;
        }
    }
}

В Prometheus метрика появится как orders_success_total с меткой по умолчанию.

2.3. Настройка гистограмм для времени ответа

Для измерения времени выполнения используйте Timer:

import io.micrometer.core.instrument.Timer;
import java.util.concurrent.TimeUnit;

public class PaymentService {
    private final Timer paymentTimer;

    public PaymentService(MeterRegistry registry) {
        this.paymentTimer = Timer.builder("payment.execution.time")
                .description("Time to process payment")
                .publishPercentiles(0.5, 0.95, 0.99)
                .register(registry);
    }

    public void processPayment() {
        paymentTimer.record(() -> {
            // логика платежа
            try {
                Thread.sleep(100);
            } catch (InterruptedException e) {
                Thread.currentThread().interrupt();
            }
        });
    }
}

Вы получите не только среднее время, но и перцентили (p50, p95, p99), что критически важно для SLA.

3. Настройка алертов: от метрик к уведомлениям

Сами по себе метрики бесполезны, если вы не получаете оповещения при аномалиях. Алерты настраиваются в Prometheus с помощью файла rules.yml.

3.1. Пример правила для высокой загрузки кучи

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

Это правило сработает, если использование кучи превысит 85% в течение 5 минут. Алерт можно отправить в Telegram, Slack или PagerDuty через Alertmanager.

3.2. Алерт на частоту ошибок

      - alert: HighErrorRate
        expr: rate(orders_error_total[5m]) / rate(orders_success_total[5m]) > 0.1
        for: 2m
        labels:
          severity: critical
        annotations:
          summary: "Error rate > 10%"
          description: "Error rate is {{ $value | humanizePercentage }} for the last 5 minutes"

Такой алерт мгновенно сообщит о всплеске ошибок, например, при падении базы данных.