Spring Boot Actuator、日志、指标、追踪与生产配置
生产级 Boot 服务需要 health、metrics、traces、logs、审计和安全暴露策略形成诊断闭环。
1. 本文覆盖范围
- Actuator endpoint、health group 与 probes
- 结构化日志、MDC、敏感信息和采样
- Micrometer metrics 与高基数控制
- OpenTelemetry trace/context 与告警
2. 核心知识详解
1. Actuator endpoint 与安全
Actuator 提供 health、metrics、env、configprops、loggers、threaddump 等生产端点。默认暴露应最小化，管理端口/网络与鉴权独立控制。
- liveness 只判断是否应重启，readiness 判断是否接流量。
- 自定义 HealthIndicator 设置短超时，不把所有外部依赖放 liveness。
- env/configprops 可能包含敏感值，生产严格限制。
正确性边界： 数据库短暂不可用通常不应让 liveness 失败并触发所有实例重启。
2. 结构化日志与关联
日志是离散事件，包含时间、level、service、trace/span、请求/业务标识和安全上下文。MDC 在线程切换和异步边界需要传播并清理。
- 不记录密码、token、完整卡号和大请求体。
- 异常记录一次完整 cause，避免层层重复打同一堆栈。
- 日志级别可动态调整但需权限和审计。
正确性边界： 日志量不是可观测性质量；无结构、无关联和无语义的海量日志仍难诊断。
3. 指标与高基数
Micrometer 用 Counter、Gauge、Timer、DistributionSummary 等抽象导出指标。tag 维度决定时间序列数量，userId/orderId 等高基数标签会冲垮后端。
- 以 RED（Rate/Error/Duration）和资源饱和度建立仪表盘。
- 延迟使用 histogram/percentile 并理解聚合方式。
- 业务指标定义单位、所有者和告警动作。
正确性边界： 客户端计算平均百分位不能在实例间正确聚合；使用可合并直方图桶。
4. 分布式追踪与告警
trace 由 spans 组成，通过 context propagation 跨 HTTP/消息边界。OpenTelemetry 统一 traces、metrics、logs API/协议；采样影响成本与可见性。
- 入口生成/验证 trace context，异步消息携带上下文。
- 错误与高延迟可尾采样，关键业务保留策略明确。
- 告警基于 SLO 和用户影响，附带 runbook。
正确性边界： trace 显示相关调用链，不自动证明因果；仍需日志、指标和代码证据交叉验证。
3. 工程链路
flowchart LR
A["请求"] --> B["Trace Context"]
B --> C["结构化日志"]
B --> D["Metrics"]
B --> E["Spans"]
C --> F["Dashboard/Query"]
D --> F
E --> F
F --> G["SLO 告警 + Runbook"]
4. 最小可运行示例
下面的示例只保留关键路径。把它放入对应版本的最小工程，先运行测试或命令确认行为，再逐步加入重试、超时、监控和异常分支。
management:
endpoints:
web:
exposure:
include: health,info,prometheus
endpoint:
health:
probes:
enabled: true
tracing:
sampling:
probability: 0.1
5. 实践与验证
- 为订单接口接入 Actuator、Timer 和 trace，构造一次跨服务慢请求。
- 验证异步线程池中 MDC/trace 是否传播与清理。
- 设计 readiness/liveness 并模拟数据库和自身死锁故障。
6. 掌握检查
- 能安全暴露 Actuator。
- 能区分 liveness 与 readiness。
- 能控制指标标签基数。
- 能用日志、指标、trace 联合定位。