Kotlin 应用监控：指标、告警与高级技术

引言：为什么监控是生产环境稳定性的基石

\n在现代开发中，编写代码只是工作的一半。为了让 Kotlin 应用在负载下稳定运行，必须了解其内部状态。基本的日志和健康检查只能提供表面信息。通过指标和告警实现的高级监控，不仅能记录故障，还能预测故障、发现瓶颈并快速响应异常。在本文中，我们将探讨如何基于 Micrometer + Prometheus + Alertmanager + Grafana 技术栈，为 Kotlin 应用构建一套生产就绪的监控系统。\n

1. 使用 Micrometer 和 Prometheus 收集指标

\nMicrometer 是一个指标收集门面，实际上已成为 JVM 和 Kotlin 世界的标准。它支持多种后端：Prometheus、Datadog、New Relic 等。对于 Kotlin 应用（Spring Boot、Ktor、http4k），集成非常简单。\n

1.1. 引入与配置

在 build.gradle.kts 中添加必要的依赖：

// 对于 Spring Boot\nimplementation("io.micrometer:micrometer-registry-prometheus")\n\n// 对于 Ktor（手动配置）\nimplementation("io.micrometer:micrometer-core:1.12.0")\nimplementation("io.micrometer:micrometer-registry-prometheus:1.12.0")

对于 Spring Boot，会自动创建一个 MeterRegistry Bean。在 Ktor 中，您需要手动初始化它：

import io.micrometer.prometheus.PrometheusMeterRegistry\nimport io.micrometer.core.instrument.Clock\nimport io.prometheus.client.CollectorRegistry\n\nval registry = PrometheusMeterRegistry(\n    PrometheusConfig.DEFAULT,\n    CollectorRegistry.defaultRegistry,\n    Clock.SYSTEM\n)\n\n// 导出 /metrics 端点\nembeddedServer(Netty, port = 8080) {\n    routing {\n        get("/metrics") {\n            call.respondText(registry.scrape())\n        }\n    }\n}.start(wait = true)

1.2. 自定义指标

除了标准指标（JVM、CPU、内存），还要添加业务指标。以下是已处理订单计数器的示例：

val orderCounter = Counter.builder("orders.processed")\n    .description("Total processed orders")\n    .register(registry)\n\nfun processOrder(order: Order) {\n    // 业务逻辑\n    orderCounter.increment()\n}

或者用于请求执行时间的直方图：

val requestTimer = Timer.builder("http.requests.duration")\n    .description("Duration of HTTP requests")\n    .publishPercentiles(0.5, 0.95, 0.99)\n    .sla(Duration.ofMillis(100), Duration.ofMillis(500))\n    .register(registry)\n\nfun handleRequest(block: () -> Response): Response {\n    return requestTimer.record(block)\n}

2. 高级告警：从阈值到预测

\n基于简单阈值（例如 CPU > 90%）的告警常常产生误报。在高级层面，我们使用 Alertmanager 和带有聚合与预测功能的 PromQL 规则。\n

2.1. 配置 Alertmanager

用于向 Telegram 和 Slack 发送通知的 alertmanager.yml 配置：

route:\n  receiver: 'team-alerts'\n  group_wait: 30s\n  group_interval: 5m\n  repeat_interval: 1h\n\nreceivers:\n- name: 'team-alerts'\n  telegram_configs:\n  - bot_token: 'YOUR_BOT_TOKEN'\n    chat_id: -123456789\n    parse_mode: 'HTML'\n  slack_configs:\n  - api_url: 'https://hooks.slack.com/services/...'\n    channel: '#alerts'

2.2. 用于智能告警的 PromQL 规则

在 rules.yml 中，我们描述一个规则：当响应时间的第 95 百分位数在 5 分钟内超过 500 毫秒时触发：

groups:\n- name: http_latency\n  rules:\n  - alert: HighLatencyP95\n    expr: |\n      histogram_quantile(0.95,\n        sum(rate(http_requests_duration_seconds_bucket[5m])) by (le, endpoint)\n      ) > 0.5\n    for: 5m\n    ann