Undertow 可觀測性最佳實踐詳情 - 監控觀測雲博客

Undertow 介紹

Undertow 是 Red Hat 開發的一款高性能、靈活的 Java Web 服務器，也是 WildFly 應用服務器的嵌入式組件。它支持非阻塞 I/O，基於 NIO 構建，並提供了 HTTP/2、WebSockets 和 Servlet 4.0 等現代 Web 技術支持。Undertow 以其輕量級、嵌入式友好的特性而聞名，開發者可以輕鬆將其集成到自己的應用程序中，也可以作為獨立服務器運行。它的模塊化設計允許用户按需選擇所需功能，從而實現低資源佔用和高吞吐量。

Undertow 可觀測性在現代應用中至關重要。APM 雖能展示 HTTP 請求的端到端耗時，但它們無法直接揭示 Undertow 內部處理請求的細節。

Undertow 線程池配置不當可能導致：

請求排隊：線程不足時，新請求等待處理，APM 中表現為 HTTP 請求耗時增加。
資源浪費或瓶頸轉移：線程過多會增加上下文切換開銷，甚至將壓力轉嫁給下游服務。

因此，監控 Undertow 的 XNIO Worker 線程數、活躍線程數、任務隊列大小等指標，能有效識別請求處理瓶頸，確保系統高效穩定運行。

觀測雲

觀測雲是一款專為 IT 工程師打造的全鏈路可觀測產品，它集成了基礎設施監控、應用程序性能監控和日誌管理，為整個技術棧提供實時可觀察性。這款產品能夠幫助工程師全面瞭解端到端的用户體驗追蹤，瞭解應用內函數的每一次調用，以及全面監控雲時代的基礎設施。此外，觀測雲還具備快速發現系統安全風險的能力，為數字化時代提供安全保障。

部署 DataKit

DataKit 是一個開源的、跨平台的數據收集和監控工具，由觀測雲開發並維護。它旨在幫助用户收集、處理和分析各種數據源，如日誌、指標和事件，以便進行有效的監控和故障排查。DataKit 支持多種數據輸入和輸出格式，可以輕鬆集成到現有的監控系統中。

登錄觀測雲控制枱，在「集成」 - 「DataKit」選擇對應安裝方式，當前採用 Linux 主機部署 DataKit。

採集器配置

DataKit 配置

DataKit 安裝完成後，可以自定義開啓採集器，本集成需要開啓如下兩個採集器。

開啓 StatsD 採集器

# 開啓採集器
cp /usr/local/datakit/conf.d/statsd/statsd.conf.sample /usr/local/datakit/conf.d/statsd/statsd.conf
# 重啓 Datakit
datakit service -R

開啓鏈路採集

# 開啓採集器
cp /usr/local/datakit/conf.d/ddtrace/ddtrace.conf.sample /usr/local/datakit/conf.d/ddtrace/ddtrace.conf
# 重啓 Datakit
datakit service -R

客户端配置

場景環境：

jdk: 1.8.0_361 
spring-boot: 2.7.12-SNAPSHOT
undertow：2.2.24.Final

備註：不同版本指標可能會有差異。

以 Java Demo 應用為例，使用 undertow 作為 web 容器配置。

##啓用 Undertow pom 配置
<dependency>
   <groupId>org.springframework.boot</groupId>
   <artifactId>spring-boot-starter-web</artifactId>
   <exclusions>
      <exclusion>
         <groupId>org.springframework.boot</groupId>
         <artifactId>spring-boot-starter-tomcat</artifactId>
      </exclusion>
   </exclusions>
</dependency>
<dependency>
   <groupId>org.springframework.boot</groupId>
   <artifactId>spring-boot-starter-undertow</artifactId>
</dependency>

Demo 項目中 undertow 運行配置如下：

server.port=8080
server.undertow.threads.worker=10
server.undertow.threads.io=2

接入 APM ，配置採集 jmx ，應用啓動增加如下參數，啓動命令如下：

java \
-javaagent:/xxx/dd-java-agent.jar \
-Ddd.agent.port=9529 \
-Ddd.service=demo \
-Ddd.jmxfetch.check-period=1000 \
-Ddd.jmxfetch.enabled=true \
-Ddd.jmxfetch.config.dir=/xxx/ \
-Ddd.jmxfetch.config=undertow.yaml \
-jar xxxx.jar

dd-java-agent.jar Guance 版下載地址：

wget -O dd-java-agent.jar 'https://static.guance.com/dd-image/dd-java-agent.jar'

其中 -Ddd.jmxfetch.config.dir 和 -Ddd.jmxfetch.config=undertow.yaml 需要把 undertow.yaml 放到 Java 啓動可以讀取到的地址。

undertow.yaml 內容如下，無需修改。

init_config:

instances:
  - jvm_direct: true
    name: undertow-monitoring
    collect_default_jvm_metrics: false
    collect_default_metrics: false
    refresh_beans: 60
    conf:
      - include:
          bean_regex: "org.xnio:type=Xnio,provider=\"nio\",worker=\"XNIO-.*\""
          attribute:
            IoThreadCount:
              metric_type: gauge
              alias: undertow.io.thread.count
      - include:
          bean_regex: "jboss.threads:name=\"XNIO-.*\",type=thread-pool"
          attribute:
            CorePoolSize:
              metric_type: gauge
              alias: undertow.core.pool.size
            MaximumPoolSize:
              metric_type: gauge
              alias: undertow.max.pool.size
            ActiveCount:
              metric_type: gauge
              alias: undertow.active.count
            LargestPoolSize:
              metric_type: gauge
              alias: undertow.largest.pool.size
            CompletedTaskCount:
              metric_type: gauge
              alias: undertow.completed.task.count
            PoolSize:
              metric_type: gauge
              alias: undertow.pool.size
            GrowthResistance:
              metric_type: gauge
              alias: undertow.growth.resistance
            MaximumQueueSize:
              metric_type: gauge
              alias: undertow.max.queue.size
            LargestQueueSize:
              metric_type: gauge
              alias: undertow.largest.queue.size
            SubmittedTaskCount:
              metric_type: gauge
              alias: undertow.submitted.task.count
            RejectedTaskCount:
              metric_type: gauge
              alias: undertow.rejected.task.count
            SpinMissCount:
              metric_type: gauge
              alias: undertow.spin.miss.count
            QueueSize:
              metric_type: gauge
              alias: undertow.queue.size
            KeepAliveTimeSeconds:
              metric_type: gauge
              alias: undertow.keep.alive.time.seconds

關鍵指標

指標集：undertow

指標	描述	用途
active_count	活躍線程數	當前線程池中正在執行任務的線程數量。
completed_task_count	已完成任務數	線程池自啓動以來已完成的任務總數。
core_pool_size	核心線程池大小	線程池中始終保持活動的線程數，即使它們處於空閒狀態。
io_thread_count	I/O 線程數	Undertow 底層 XNIO 框架用於處理網絡 I/O 事件（如接受連接、讀寫數據）的線程數量。
keep_alive_time_seconds	線程保持活躍時間	當線程數超過核心線程數時，多餘的空閒線程在被終止前可以等待的時間。
largest_pool_size	歷史最大線程池大小	線程池自啓動以來達到的最大線程數量。
largest_queue_size	歷史最大隊列大小	任務隊列自啓動以來達到的最大任務數量。
max_pool_size	最大線程池大小	線程池允許創建的最大線程數量。這是一個關鍵的配置參數，限制了併發處理能力。
max_queue_size	最大隊列大小	任務隊列可以容納的最大任務數量。
pool_size	當前線程池大小	當前線程池中的總線程數量（包括活躍和空閒線程）。
queue_size	當前隊列大小	當前在任務隊列中等待被執行的任務數量。持續增長通常表示處理能力不足。
rejected_task_count	被拒絕任務數	由於線程池已滿（線程數達到最大且隊列已滿）或拒絕策略觸發，而被拒絕執行的任務數量。這是一個重要的過載指標。

場景視圖

登錄觀測雲控制枱，點擊「場景」 -「新建儀表板」，輸入 “Undertow”，選擇 “Undertow監控視圖”，點擊 “確定” 即可添加視圖。

監控器（告警）

Undertow 排隊請求數監控

簡要描述：檢測指標 queue_size ， 5分鐘內超過100觸發告警，如下圖：

Undertow 線程池使用率監控

簡要描述：檢測指標 pool_size/max_pool_size ， 5分鐘內超過90% 觸發告警，如下圖：

總結

這些指標提供了 Undertow 線程池運行狀態的全面視圖，幫助開發者和運維人員監控和優化線程池的性能。通過合理配置和監控這些指標，可以確保線程池在高併發場景下高效運行，同時避免資源浪費和性能瓶頸。

觀測雲博客

觀測雲博客

博客 / 詳情