06.2.2.6 Actuator 与监控日志
所属:全栈开发面试题库 / 06 后端框架与工程实践 / 06.2 Java Spring 生态 / 06.2.2 Spring Boot
本节要解决的问题
- Actuator 端点如何暴露、如何加保护,健康检查与 K8s 探针怎么分工?
- 指标、日志、线程、堆转储怎么接入监控与排查?
- 启动慢、内存高、OOM、优雅停机如何定位与配置?
版本前提:Spring Boot 3.x;端点路径与配置键以 Boot 3 文档为准。
06.2.2.6-001 Actuator 常用端点有哪些?如何控制暴露与安全?
一句话结论
Actuator 提供 health、info、metrics、env、beans、loggers、threaddump、heapdump 等端点;默认仅暴露 health/info,通过 management.endpoints.web.exposure.include 显式开启;生产必须加网络隔离或鉴权,不暴露敏感端点到公网。
概念解释
端点由自动配置注册,分 Web(HTTP)与 JMX 两种通道。暴露清单决定哪些端点可访问;env、heapdump、beans 包含敏感内部信息,必须限制访问范围。
示例
management:
endpoints:
web:
exposure:
include: health,info,metrics,prometheus
endpoint:
health:
show-details: when_authorized
常见误区
- 生产
include: "*":env、heapdump 等端点可被未授权访问,泄露配置与内存。 - 把 Actuator 端口和业务端口混用且不加鉴权:健康检查可被外部访问,敏感端点随之暴露。
追问
- 敏感端点怎么保护?独立管理端口 + 内网访问控制,或 Spring Security 鉴权白名单。
- JMX 端点需要开吗?默认 Web 通道即可;JMX 用于本地/运维工具,远程开启需单独加固。
06.2.2.6-002 优雅停机如何配置?
一句话结论
server.shutdown=graceful 后容器停止时先拒新连接、等待在途请求处理完毕;spring.lifecycle.timeout-per-shutdown-phase 限定等待上限,超时强制关闭。
概念解释
优雅停机避免重启瞬间丢弃在途请求。容器停止阶段 Web 连接器关闭入口,任务处理器完成当前请求;超时阈值保护进程不被卡死。
示例
server:
shutdown: graceful
spring:
lifecycle:
timeout-per-shutdown-phase: 30s
常见误区
- 只配优雅停机不配超时:长任务挂住导致实例不退出,编排平台反复杀实例。
- 长事务/阻塞调用在停机阶段仍占线程:超过阈值被中断,任务需具备重试与幂等。
追问
- 消息消费者如何配合?监听容器有自己的停止超时配置,停机前停止拉取新消息。
- 与注册中心下线时序?先摘流量(readiness 失败),再处理在途请求,最后注销实例。
06.2.2.6-003 健康检查与 K8s 探针怎么配?
一句话结论
Actuator 提供 liveness/readiness/startup 三类探针端点;liveness 只反映进程存活,不依赖外部依赖;readiness 可包含关键依赖;startup 保护慢启动应用,成功前不做 liveness 判定。
概念解释
健康聚合把各 HealthIndicator 状态汇总为 UP/DOWN;三类探针按不同依赖范围分组,分别对应重启、摘流量与启动保护三种处置动作。
示例
management:
endpoint:
health:
probes:
enabled: true
show-details: never
endpoints:
web:
exposure:
include: health,info
| 探针 | 端点 | 作用 | 失败动作 |
|---|---|---|---|
| liveness | /actuator/health/liveness |
进程是否卡死/死锁 | 重启 Pod |
| readiness | /actuator/health/readiness |
是否可接收流量 | 摘除流量 |
| startup | /actuator/health/startup |
慢启动阶段保护 | 成功前暂缓 liveness |
常见误区
- liveness 依赖数据库/Redis:外部抖动导致整批 Pod 被重启,形成雪崩;liveness 只检查本地进程状态。
- 配了 startupProbe 又设过短
initialDelaySeconds:启动期被误杀,startup 探针未完成前不应判活。
追问
- 自定义健康指标?实现
HealthIndicator注册为 Bean,按是否纳入 readiness/liveness 分组。 - 探针失败原因怎么看?
show-details按授权级别展示各 Indicator 状态,生产不对外暴露明细。
06.2.2.6-004 启动慢如何排查?
一句话结论
先分段打点:环境准备、上下文刷新、Bean 实例化、自动配置、Runner;用 ApplicationStartup 记录各阶段耗时,定位最重的 Bean、条件评估、类扫描与外部连接等待,再针对性优化。
概念解释
启动耗时分布在配置加载、扫描解析、Bean 创建、依赖初始化(连接池、RPC 客户端、缓存预热)。没有分段数据时只能猜测,应先测量再优化。
示例
@Bean
public ApplicationRunner startupLogger(ApplicationContext ctx) {
return args -> log.info("context started, beans={}", ctx.getBeanDefinitionCount());
}
# 开启启动阶段指标(Micrometer 观测 Bean 初始化耗时)
management:
metrics:
enable:
startup: true
常见误区
- 上来就开懒加载掩盖问题:首次请求变慢,启动期错误也延后暴露。
- 忽略外部依赖初始化阻塞:数据库连接、配置中心、注册中心、RPC 客户端在启动阶段同步等待,网络抖动直接拉长启动。
追问
- 常见慢因?包扫描过宽、自动配置过多、单例 Bean 构造时做重活、同步初始化外部客户端、日志/资源加载。
- 优化手段?缩小扫描范围、关键 Bean 懒加载、客户端异步初始化、AOT/CDS、减少 starter、升级 Boot 3.x 的 AOT 支持。
06.2.2.6-005 内存占用高或 OOM 怎么排查?
一句话结论
先区分 OOM 类型(堆/元空间/直接内存/原生线程),拿堆转储分析支配树与对象统计;常见原因是大查询全量加载、无上限缓存、ThreadLocal 未清理、动态类撑爆元空间、直接内存泄漏;容器内堆外空间要预留。
概念解释
OutOfMemoryError 不同类型对应不同区域:Java 堆对象、类元数据、Netty 等直接内存、线程数超限。拿不到转储就无法定位支配对象,先保留现场快照再分析。
示例
jcmd <pid> GC.heap_dump /tmp/dump.hprof
jcmd <pid> GC.heap_info
jstat -gcutil <pid> 1000 10
jcmd <pid> VM.native_memory summary # 需 -XX:NativeMemoryTracking=summary
常见误区
- 只看堆占用就调大
-Xmx:若泄漏在堆外或元空间,加堆无效。 - 生产 OOM 不保留转储:现场丢失后只能凭日志猜测,应配置
HeapDumpOnOutOfMemoryError。
追问
MaxRAMPercentage=75为什么不是 100?堆外内存、Metaspace、线程栈、代码缓存都需要空间,堆不能吃满容器限额。- OOM 后进程为什么还活着?可能是某个线程/区域 OOM,JVM 未必整体退出;必须靠健康检查与重启策略兜底。
06.2.2.6-006 Micrometer 指标如何接入?
一句话结论
Boot 自动配置 Micrometer MeterRegistry;业务用 Counter/Timer/Gauge 埋点,指标通过 Prometheus 端点或注册到监控系统;HTTP 池、连接池、缓存等组件自带指标。
概念解释
Micrometer 是应用层指标门面,不同监控后端(Prometheus、Datadog 等)由 registry 适配。命名约定用点分/下划线,标签维度控制基数,避免高基数标签打爆存储。
示例
@Component
public class OrderMetrics {
private final Counter created;
public OrderMetrics(MeterRegistry registry) {
this.created = Counter.builder("order.created")
.description("orders created")
.tag("channel", "web")
.register(registry);
}
public void increment() { created.increment(); }
}
常见误区
- 标签放用户 ID、订单号等动态值:指标基数无限增长,监控后端压力骤增。
- 只埋业务计数不看延迟与错误率:容量与瓶颈判断缺少 Timer 与失败指标。
追问
- Prometheus 端点怎么开?引入
micrometer-registry-prometheus,暴露/actuator/prometheus。 - JVM 默认指标有哪些?内存、GC、线程、类加载、CPU 等自动注册,无需手动埋点。
06.2.2.6-007 如何自定义 HealthIndicator?
一句话结论
实现 HealthIndicator 接口返回 Health.up()/down() 与详情;注册为 Bean 即纳入健康聚合;按探针分组决定它影响 readiness 还是 liveness。
概念解释
HealthIndicator 是健康聚合的扩展点,实现类返回 up/down 状态与详情;注册为 Bean 后自动纳入健康端点聚合。
示例
@Component
public class ThirdPartyApiHealthIndicator implements HealthIndicator {
@Override
public Health health() {
try {
ping();
return Health.up().withDetail("api", "reachable").build();
} catch (Exception e) {
return Health.down(e).withDetail("api", "unreachable").build();
}
}
}
常见误区
- 检查动作太重(大查询/慢调用):健康检查被频繁调用,放大依赖压力。
- 把外部强依赖放进 liveness 分组:外部故障触发重启,应只进 readiness。
追问
- 端点详情何时展示?
show-details按never/when_authorized/always控制,生产默认 never。 - Indicator 异步超时怎么办?健康检查自身要设超时,避免挂住探针线程。
06.2.2.6-008 loggers 端点如何动态调整日志级别?
一句话结论
/actuator/loggers 查看各 logger 级别,POST 调整级别;运行期即时生效,无需重启;适合临时排查,重启后未持久化的级别会回退。
概念解释
日志级别在运行时由日志上下文持有;loggers 端点读取并修改指定 logger 级别,改动即时作用于输出链路,不持久化到配置文件。
示例
GET /actuator/loggers/com.example.order
POST /actuator/loggers/com.example.order
{ "configuredLevel": "DEBUG" }
常见误区
- 把敏感包长期调 DEBUG:日志量暴涨、性能与磁盘受影响,排查完恢复。
- 认为动态级别会固化到配置文件:端点修改只作用于运行内存。
追问
- 动态调级影响哪些 Appender?级别作用于 logger 链路,输出到所有绑定 appender。
- 生产开启该端点要鉴权:能看到日志配置与包结构,属于敏感操作。
06.2.2.6-009 结构化日志与 MDC 如何组织?
一句话结论
输出 JSON 结构化日志,固定字段(时间、级别、traceId、线程、logger)放入 MDC 或布局;业务上下文用 MDC 传递,异步任务要显式复制上下文。
概念解释
结构化日志便于日志平台检索与聚合;MDC 是线程绑定的上下文 Map,过滤器/拦截器在请求开始写入、结束清理。日志框架(Logback)pattern 或 JSON encoder 读取 MDC 字段。
示例
logging:
pattern:
level: "%5p [traceId=%X{traceId},spanId=%X{spanId}]"
常见误区
- 异步线程不复制 MDC:子线程日志缺 traceId,链路断裂。
- MDC 不清理:线程池复用上一请求上下文,日志串号。
追问
- 日志 JSON 怎么输出?Logback encoder 配置 JSON 模板,或接入日志平台的采集解析。
- 敏感字段怎么脱敏?在 encoder 或日志工具层掩码,不能依赖下游平台过滤。
06.2.2.6-010 独立管理端口如何配置?
一句话结论
management.server.port 设独立端口,监控流量与业务端口分离;可配置独立地址、SSL 与端点路径前缀,便于网络策略只放行内网管理端口。
概念解释
管理端点可绑定独立端口与路径,与业务流量分离;网络策略只放行管理端口,避免敏感端点暴露在业务入口。
示例
management:
server:
port: 8081
endpoints:
web:
base-path: /actuator
常见误区
- 管理端口暴露公网:敏感端点与业务攻击面叠加,应内网隔离。
- 独立端口未配鉴权:端口隔离不等于访问控制,仍需网络策略或认证。
追问
- 独立端口下健康检查路径?仍在
/actuator/health,端口为管理端口。 - 能否只暴露 JMX?Web 端口可关闭,端点走 JMX,但容器化部署一般用 HTTP 探针。
06.2.2.6-011 liveness / readiness / startup 探针如何分工?
一句话结论
liveness 判断进程自身是否卡死(失败重启);readiness 判断能否接流量(失败摘流量);startup 为慢启动应用争取时间,成功前不启用 liveness 判定。
概念解释
三类探针语义不同,对应不同处置动作:重启是昂贵动作,只在进程无法自愈时触发;依赖抖动应摘流量而非杀进程。
对比
| 探针 | 依赖范围 | 失败处置 | 典型检查 |
|---|---|---|---|
| liveness | 本地进程 | 重启 | 死锁、死循环、线程池耗尽 |
| readiness | 关键外部依赖 | 摘流量 | DB/缓存/配置中心可达 |
| startup | 启动进度 | 等待完成 | 应用是否完成初始化 |
常见误区
- 三探针用同一份健康检查:重启与摘流量语义被混用,外部抖动误杀实例。
- startup 探针未配超时上限:启动失败时长期等待,占用调度资源。
追问
- 探针分组在代码里怎么标?Indicator 可归属 readiness/liveness 组,按组聚合状态。
- 实例启动后多久接流量?startup 成功 + readiness 通过后才进入负载均衡。
06.2.2.6-012 探针依赖数据库为什么会雪崩?
一句话结论
数据库抖动时,所有 Pod 的 liveness 同时失败,被 K8s 批量重启;重启后连接集中冲击数据库,流量再次压垮依赖,形成恶性循环。
概念解释
liveness 的设计前提是「进程自身可恢复或需重启」。把外部依赖失败判成存活失败,会把依赖故障放大成大面积实例重启。readiness 摘流量即可让实例等待依赖恢复,不杀进程。
常见误区
- 图省事探针全连数据库:依赖抖动被误判为进程故障。
- 重启策略与探针不匹配:CrashLoopBackOff 期间流量无实例承载。
追问
- 数据库故障时正确动作?readiness 失败摘除流量,等待恢复;进程保持存活并退避重试。
- 缓存依赖进哪个探针?缓存抖动可降级,倾向 readiness 而非 liveness。
06.2.2.6-013 如何打点 Bean 初始化与启动阶段耗时?
一句话结论
用 ApplicationStartup 记录步骤开始/结束(如 BufferingApplicationStartup),结合 Micrometer 启动指标;按 Bean 名称与阶段聚合耗时,定位初始化最重的组件。
概念解释
启动事件与 Bean 生命周期可被埋点框架采集;缓冲实现保留步骤数据,供端点或测试读取。相比 System.currentTimeMillis() 手工打点,框架埋点覆盖自动配置与容器阶段。
示例
@Bean
public ApplicationStartup applicationStartup() {
return new BufferingApplicationStartup(2048);
}
常见误区
- 只测 main 方法总时长:无法知道时间花在配置、扫描还是单个 Bean。
- 生产保留缓冲启动数据:占内存,排查后可换回默认实现。
追问
- 哪个指标反映 Bean 创建耗时?Micrometer 启动阶段指标按 Bean/步骤记录耗时。
- 第三方自动配置 Bean 也能打点?能,Bean 名称与类型可从步骤记录中读取。
06.2.2.6-014 启动慢的常见原因与优化手段有哪些?
一句话结论
常见原因:扫描包过宽、自动配置/依赖过多、构造器重活、外部连接同步等待、日志与资源加载、类加载慢;优化方向:收窄扫描、懒加载非关键 Bean、客户端异步初始化、AOT/CDS、减少 starter、升级框架。
对比
| 原因 | 表现 | 优化 |
|---|---|---|
| 扫描过宽 | 候选类多,解析慢 | 明确包路径,排除过滤器 |
| 构造器重活 | 单个 Bean 耗时长 | 异步初始化或懒加载 |
| 外部连接等待 | 启动卡在客户端创建 | 懒连接/异步重试 |
| 依赖臃肿 | 类加载与扫描成本高 | 移除无用 starter |
| 类加载慢 | 冷启动 Jar 读取 | CDS/AOT、分层镜像 |
常见误区
- 把业务预热(缓存加载、字典初始化)放进启动主流程:启动时间被业务数据规模绑定。
- 优化前没有基线测量:无法判断改动是否有效,应先记录各阶段耗时。
追问
- 懒加载副作用?首请求变慢、启动期错误延后暴露,只用于非关键 Bean。
- AOT/CDS 适合什么场景?冷启动敏感(Serverless、弹性伸缩),常规部署收益需压测验证。
06.2.2.6-015 OOM 类型如何区分?
一句话结论
按异常信息区分:Java heap space 是堆对象超限;Metaspace 是类元数据超限;Direct buffer memory 是直接内存超限;unable to create native thread 是线程数/进程限额超限。
对比
| 异常 | 区域 | 常见原因 |
|---|---|---|
Java heap space |
Java 堆 | 泄漏对象、大集合、缓存无上限 |
Metaspace |
类元空间 | 动态代理/类生成、类加载泄漏 |
Direct buffer memory |
堆外直接内存 | Netty ByteBuf 未释放、堆外分配超限 |
unable to create native thread |
线程栈/进程限额 | 线程池失控、ulimit 不足 |
常见误区
- 见到 OOM 就加堆:直接内存与元空间不受
-Xmx控制。 - 忽略容器线程数限制:容器内进程线程受 ulimit 与 cgroup 约束。
追问
- 元空间上限怎么设?
-XX:MaxMetaspaceSize,结合动态代理使用情况评估。 - 直接内存看什么?
-XX:MaxDirectMemorySize与 NMT 跟踪分配。
06.2.2.6-016 堆转储如何获取与分析?
一句话结论
OOM 自动转储(HeapDumpOnOutOfMemoryError)或 jcmd GC.heap_dump/Actuator heapdump 获取 hprof;用 MAT 支配树、Leak Suspects、对象直方图定位大对象与 GC Root 链。
原理流程
- 配置自动转储路径,或运行期
jcmd <pid> GC.heap_dump <file>。 - MAT 打开转储:Histogram 看对象数量,Dominator Tree 看支配内存。
- Leak Suspects 给泄漏嫌疑报告,沿 GC Root 引用链找到持有方。
- 结合代码定位未释放集合、缓存、ThreadLocal 或监听器。
示例
jcmd 1 GC.heap_dump /tmp/order.hprof
jmap -histo:live 1 | head -30
常见误区
- 转储文件在生产磁盘直接堆放:大转储占满磁盘,应转存到分析环境。
- 只看最大对象不追引用链:可能是被正常持有而非泄漏,要沿 Root 判断生命周期。
追问
- heapdump 端点安全风险?包含内存明文,必须内网鉴权,公网禁用。
- 转储影响应用?生成转储时应用暂停,生产应在副本或低峰期获取。
06.2.2.6-017 容器内存 MaxRAMPercentage 如何设置?
一句话结论
容器内 JVM 按 cgroup 限额识别内存;-XX:MaxRAMPercentage 控制堆占限额比例,预留堆外、元空间、线程栈、代码缓存;不要把 -Xmx 设成容器 limit 等值。
概念解释
Java 17 支持容器感知,按可用内存计算堆上限。堆外(直接内存、线程栈、Metaspace、JIT 代码缓存)不占 Java 堆,但计入容器内存,堆比例过高会导致容器被 OOMKill。
示例
ENV JAVA_OPTS="-XX:MaxRAMPercentage=75 -XX:+UseG1GC"
常见误区
-Xmx等于容器内存 limit:堆外空间无预留,进程被 cgroup 杀死。- 多进程共享容器内存:单进程堆比例按实际份额折算。
追问
- 75% 怎么定?按堆外使用量与直内存/线程规模压测调整,默认比例可作为起点。
- 如何看容器内 JVM 识别内存?
jcmd VM.flags或启动日志打印堆与最大内存。
06.2.2.6-018 线程池与线程转储怎么排查?
一句话结论
/actuator/threaddump 或 jstack 获取线程快照;按状态(BLOCKED/WAITING)、锁持有、线程名定位阻塞点;线程池监控队列与活跃线程数,判断是否池满或任务堆积。
概念解释
线程快照展示每个线程栈、锁与状态。BLOCKED 表示锁竞争,WAITING 可能是池空闲或等待条件;线程池指标(活跃、队列大小、任务拒绝)配合快照定位瓶颈。
示例
jstack <pid> > thread.txt
# 或 GET /actuator/threaddump
常见误区
- 只看线程数量不看栈:数量多未必异常,要结合状态与锁分析。
- 线程池无界队列:任务堆积时内存持续增长,应设队列上限与拒绝策略。
追问
- 死锁怎么识别?jstack 直接报告 deadlock;快照中互相等待的锁链。
- 定时任务/异步线程池名称?自定义线程工厂命名,便于快照按业务分组。
06.2.2.6-019 优雅停机与注册中心下线的时序怎么配合?
一句话结论
先从注册中心下线/标记摘流,等待网关刷新缓存摘除流量;再关闭接收新请求,处理在途任务;最后释放资源、退出进程。顺序反了会出现新请求打到即将停止的实例。
原理流程
- 收到停机信号,readiness 置失败 / 注册中心下线。
- 等待负载均衡缓存刷新(秒级)。
- Web 容器关闭入口,在途请求处理完(受停机超时约束)。
- 消息监听停止拉取,线程池与连接池关闭。
- 注销实例、进程退出。
常见误区
- 先关 Web 容器再下注册中心:网关缓存仍路由到该实例,请求被拒。
- 不停消息监听就退订:队列消息已拉取但处理中断,需幂等重投。
追问
- 等待摘流时间配多长?按网关/注册中心推送周期设置停机缓冲。
- 注册中心下线事件失败怎么办?本地健康状态 + 超时兜底,不能无限等待。
06.2.2.6-020 监控告警指标基线看哪些?
一句话结论
核心基线:QPS、延迟(P50/P95/P99)、错误率、CPU/内存/线程数、连接池与队列水位、依赖可用性;告警按阈值与趋势设置,区分进程异常与依赖故障。
概念解释
指标分应用自身(吞吐、延迟、错误、资源)与依赖(DB、缓存、下游接口)两类。基线要在压测与常态流量下建立,告警阈值避免过紧导致噪音。
对比
| 维度 | 指标 | 异常信号 |
|---|---|---|
| 流量 | QPS、并发数 | 突增/突降 |
| 延迟 | P95/P99 | 长尾上升 |
| 错误 | 错误率、5xx | 持续超阈值 |
| 资源 | 堆、CPU、线程、FD | 逼近上限 |
| 依赖 | 连接池、下游成功率 | 队列积压、超时 |
常见误区
- 只告警进程存活:依赖慢但进程活着,业务已经受损。
- 告警无分级:所有故障同一通道,关键问题被淹没。
追问
- 延迟指标怎么埋点?Timer 记录请求处理耗时,按接口/标签分位数统计。
- 基线如何建立?灰度与压测记录常态范围,容量变更后复核阈值。