java-ai-slop/MONITORING_GUIDE.md

Гайд по метрикам и мониторингу

Быстрый старт

1. Доступ к сервисам:

   • Приложение: http://localhost:8080
   • Prometheus: http://localhost:9090
   • Grafana: http://localhost:3000 (admin/admin)

2. Дашборды автоматически загружены:

   • Spring Boot Application Metrics
   • PostgreSQL & HikariCP Monitoring

Основные метрики

HTTP метрики

Что смотреть:

• http_server_requests_seconds_count — количество запросов
• http_server_requests_seconds_sum — суммарное время выполнения
• http_server_requests_seconds_bucket — распределение времени ответа

Зачем:

• Отслеживать нагрузку на эндпоинты
• Находить медленные запросы (p95, p99)
• Видеть ошибки по статус-кодам

Пример запроса в Prometheus:

# Request rate по эндпоинтам
rate(http_server_requests_seconds_count{application="todo"}[1m])

# 95-й перцентиль времени ответа
histogram_quantile(0.95, sum(rate(http_server_requests_seconds_bucket[5m])) by (le, uri))

# Количество ошибок 5xx
sum(rate(http_server_requests_seconds_count{status=~"5.."}[1m]))

JVM метрики

Что смотреть:

• jvm_memory_used_bytes — используемая память (heap/non-heap)
• jvm_memory_max_bytes — максимальная доступная память
• jvm_gc_pause_seconds — время на GC паузах
• jvm_threads_live_threads — количество потоков

Зачем:

• Проверить утечки памяти (постоянный рост heap)
• Оптимизировать GC (частые паузы = проблема)
• Контролировать создание потоков

Алерты:

# Память heap больше 80%
(jvm_memory_used_bytes{area="heap"} / jvm_memory_max_bytes{area="heap"}) > 0.8

# GC паузы больше 100ms
rate(jvm_gc_pause_seconds_sum[1m]) > 0.1

Database Connection Pool (HikariCP)

Что смотреть:

• hikaricp_connections_active — активные соединения
• hikaricp_connections_idle — простаивающие соединения
• hikaricp_connections_pending — ожидающие потоки
• hikaricp_connections_timeout_total — таймауты соединений
• hikaricp_connections_acquire_seconds — время получения соединения

Зачем:

• Настроить размер пула (если active = max постоянно, увеличить)
• Найти медленные запросы (высокое usage time)
• Обнаружить connection leaks (timeouts растут)

Оптимальные значения:

• Active connections < 70% от max
• Acquire time < 10ms (p95)
• Pending threads = 0
• Timeouts = 0

Алерты:

# Пул заполнен больше 80%
(hikaricp_connections_active / hikaricp_connections_max) > 0.8

# Таймауты соединений
rate(hikaricp_connections_timeout_total[1m]) > 0

# Медленное получение соединений (p95 > 50ms)
histogram_quantile(0.95, rate(hikaricp_connections_acquire_seconds_bucket[1m])) > 0.05

System метрики

Что смотреть:

• system_cpu_usage — CPU системы
• process_cpu_usage — CPU процесса
• disk_free_bytes — свободное место на диске

Зачем:

• Контролировать нагрузку на CPU
• Предотвратить переполнение диска

Использование Grafana

Навигация по дашбордам

1. Spring Boot Application Metrics:

   • HTTP Request Rate — количество запросов в секунду по эндпоинтам
   • HTTP Request Duration — время ответа (p95, p99)
   • HTTP Status Codes — распределение статус-кодов
   • JVM Memory — использование heap/non-heap памяти
   • Database Connection Pool — состояние пула соединений
   • JVM Threads — количество потоков
   • GC Pause Time — время на сборку мусора
   • System CPU Usage — нагрузка на CPU

2. PostgreSQL & HikariCP Monitoring:

   • Connection Pool Status — статистика пула (active, idle, total, pending)
   • Connection Pool Utilization — процент использования пула
   • Connection Acquire Time — время получения соединения (перцентили)
   • Connection Timeout Count — количество таймаутов
   • Connection Creation Time — время создания нового соединения
   • Connection Usage Time — среднее время использования соединения

Полезные функции Grafana

Time Range:

• Последние 5 минут — реал-тайм мониторинг
• Последний час — анализ недавних инцидентов
• Последние 24 часа — дневные паттерны

Refresh:

• 5s — активный мониторинг
• 30s — обычный режим
• Off — анализ истории

Zoom:

• Выдели область на графике для zoom-in
• Двойной клик — zoom-out

Legend:

• Клик на метрику — скрыть/показать
• Shift+клик — изолировать метрику

Практические сценарии

1. Медленный эндпоинт

Признаки:

• Request Duration (p95) > 1s для конкретного URI
• Connection Acquire Time растет

Диагностика:

# Найти медленный эндпоинт
topk(5, histogram_quantile(0.95, sum(rate(http_server_requests_seconds_bucket[5m])) by (le, uri)))

# Проверить время получения соединения
histogram_quantile(0.95, rate(hikaricp_connections_acquire_seconds_bucket[1m]))

Решение:

• Оптимизировать SQL запрос
• Добавить индексы
• Включить кеширование

2. Memory Leak

Признаки:

• Heap memory постоянно растет
• Частые Full GC паузы
• OutOfMemoryError в логах

Диагностика:

# Рост памяти
jvm_memory_used_bytes{area="heap"}

# Частота GC
rate(jvm_gc_pause_seconds_count[1m])

Решение:

• Heap dump анализ (jmap)
• Проверить кеши и коллекции
• Закрывать ресурсы (connections, streams)

3. Connection Pool Exhausted

Признаки:

• Active connections = Max connections
• Pending threads > 0
• Timeouts растут
• Медленные запросы

Диагностика:

# Утилизация пула
(hikaricp_connections_active / hikaricp_connections_max) * 100

# Ожидающие потоки
hikaricp_connections_pending

# Таймауты
rate(hikaricp_connections_timeout_total[1m])

Решение:

• Увеличить spring.datasource.hikari.maximum-pool-size
• Найти медленные запросы
• Проверить connection leaks (незакрытые соединения)

4. Высокая нагрузка

Признаки:

• Request rate резко вырос
• CPU usage > 80%
• Response time увеличилось

Диагностика:

# Request rate
sum(rate(http_server_requests_seconds_count[1m]))

# CPU
system_cpu_usage

# Response time
histogram_quantile(0.95, sum(rate(http_server_requests_seconds_bucket[5m])) by (le))

Решение:

• Горизонтальное масштабирование (больше инстансов)
• Rate limiting
• Кеширование частых запросов

Настройка алертов (опционально)

Создай файл prometheus-alerts.yml:

groups:
  - name: app_alerts
    interval: 30s
    rules:
      - alert: HighErrorRate
        expr: rate(http_server_requests_seconds_count{status=~"5.."}[1m]) > 0.1
        for: 1m
        labels:
          severity: critical
        annotations:
          summary: "High 5xx error rate"

      - alert: HighMemoryUsage
        expr: (jvm_memory_used_bytes{area="heap"} / jvm_memory_max_bytes{area="heap"}) > 0.9
        for: 2m
        labels:
          severity: warning
        annotations:
          summary: "JVM heap usage > 90%"

      - alert: ConnectionPoolExhausted
        expr: (hikaricp_connections_active / hikaricp_connections_max) > 0.9
        for: 1m
        labels:
          severity: critical
        annotations:
          summary: "Connection pool almost full"

      - alert: SlowEndpoint
        expr: histogram_quantile(0.95, sum(rate(http_server_requests_seconds_bucket[5m])) by (le, uri)) > 2
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "Endpoint p95 latency > 2s"

Добавь в prometheus.yml:

rule_files:
  - /etc/prometheus/prometheus-alerts.yml

Best Practices

1. Регулярно проверяй метрики — открывай Grafana хотя бы раз в день
2. Настрой алерты — получай уведомления о проблемах
3. Анализируй тренды — сравнивай метрики по неделям
4. Документируй инциденты — записывай что пошло не так и как исправил
5. Тестируй под нагрузкой — используй JMeter/Gatling + метрики для нагрузочного тестирования
6. Не игнорируй warning — маленькие проблемы перерастают в большие

Полезные PromQL запросы

# Top 5 медленных эндпоинтов
topk(5, histogram_quantile(0.95, sum(rate(http_server_requests_seconds_bucket[5m])) by (le, uri)))

# Request rate по методам
sum(rate(http_server_requests_seconds_count[1m])) by (method)

# Error rate %
(sum(rate(http_server_requests_seconds_count{status=~"[45].."}[1m])) / sum(rate(http_server_requests_seconds_count[1m]))) * 100

# Memory growth rate (MB/hour)
rate(jvm_memory_used_bytes{area="heap"}[1h]) * 3600 / 1024 / 1024

# Database connection wait time
sum(rate(hikaricp_connections_pending[1m]))

# Thread count trend
jvm_threads_live_threads - jvm_threads_live_threads offset 1h