Monitoramento de aplicações Java: métricas e alertas (nível avançado)

Monitoramento de aplicações Java: métricas e alertas em nível avançado

No desenvolvimento moderno, o monitoramento de aplicações Java deixou de ser uma opção — é uma necessidade. No entanto, a coleta básica de métricas (CPU, memória, número de requisições) muitas vezes não permite detectar a tempo a degradação de desempenho ou erros ocultos. Em nível avançado, é necessário não apenas coletar dados, mas também configurar alertas inteligentes que reajam a anomalias, e não a limites estáticos.

Neste artigo, abordaremos a arquitetura de monitoramento avançado para Java: desde a coleta de métricas com Micrometer até a configuração de alertas no Prometheus e visualização no Grafana. O material é voltado para desenvolvedores já familiarizados com os fundamentos do monitoramento.

1. Coleta avançada de métricas com Micrometer

Micrometer é um facade para métricas que se integra com a maioria dos sistemas (Prometheus, Datadog, New Relic). Em nível avançado, é importante não apenas conectar a biblioteca, mas projetar corretamente métricas personalizadas.

Componentes-chave:

• MeterRegistry — repositório central de métricas. Para Prometheus, use PrometheusMeterRegistry.
• Counter — contador (por exemplo, número de erros).
• Timer — medição do tempo de execução.
• Gauge — valor atual (por exemplo, tamanho da fila).
• DistributionSummary — distribuição de valores (para percentis).

Exemplo de Timer personalizado com tags:

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

import java.util.concurrent.TimeUnit;

@Servicepublic class PaymentService {

    private final Timer paymentTimer;

    public PaymentService(MeterRegistry registry) {        this.paymentTimer = Timer.builder("payment.processing.time")                .description("Tempo de processamento do pagamento")                .publishPercentiles(0.5, 0.95, 0.99) // P50, P95, P99                .publishPercentileHistogram()                .register(registry);    }

    public void processPayment(String userId, double amount) {        Timer.Sample sample = Timer.start();        try {            // lógica de negócio            Thread.sleep((long) (Math.random() * 100));        } catch (Exception e) {            // métrica de erro        } finally {            sample.stop(paymentTimer);        }    }}

Dicas para coleta avançada:

• Use tags para filtragem: endpoint, status, region.
• Evite alta cardinalidade de tags (por exemplo, não adicione userId).
• Para métricas de negócio, use Counter com incremento a cada evento.
• Configure DistributionSummary para tamanho de respostas ou latências.

2. Integração com Prometheus e configuração de alertas

Prometheus é um sistema de coleta e alerting que usa o modelo pull. Para aplicações Java, basta adicionar o endpoint /actuator/prometheus (via Spring Boot Actuator + Micrometer).

Configuração em application.yml:

management:  endpoints:    web:      exposure:        include: prometheus, health  metrics:    export:      prometheus:        enabled: true    tags:      application: my-java-app      environment: production

Alertas avançados no Prometheus (rules.yml):

Alertas estáticos (por exemplo, CPU > 90%) são bons, mas frequentemente geram falsos positivos. Use limites dinâmicos e anomalias.

groups:  - name: java_app_advanced    rules:\