APM 应用性能监控

1. APM 概述

APM（Application Performance Monitoring）用于监控应用程序的性能，包括请求延迟、错误率、数据库查询等。

应用服务 → APM Agent → APM Server → Elasticsearch → Kibana APM UI

数据不通时可按 Agent → APM Server → Elasticsearch → Kibana 的顺序排查，但故障可能同时出现在多个环节，需结合 Agent 上报状态与各组件日志综合判断。

2. APM 组件

组件	说明
APM Agent	嵌入应用中的 SDK，自动采集性能数据
APM Server	接收 Agent 数据，处理后写入 ES
Elasticsearch	存储 APM 数据
Kibana APM UI	可视化展示

3. 安装 APM Server

# apm-server.yml
apm-server:
  host: "0.0.0.0:8200"

output.elasticsearch:
  hosts: ["http://localhost:9200"]
  username: "elastic"
  password: "${ES_PASSWORD}"

setup.kibana:
  host: "http://localhost:5601"

4. Java Agent 配置

# 下载 Agent
curl -L -O https://artifacts.elastic.co/downloads/apm-agent/elastic-apm-agent-1.44.0.jar

# 启动应用时加载 Agent
java -javaagent:/path/to/elastic-apm-agent-1.44.0.jar \
  -Delastic.apm.service_name=my-service \
  -Delastic.apm.server_urls=http://localhost:8200 \
  -Delastic.apm.application_packages=com.example \
  -jar my-app.jar

4.1 配置文件方式

-javaagent 方式不会读取 Spring Boot 的 application.yml，配置需通过 elasticapm.properties、系统属性或环境变量传入。若要改用 Spring Boot 配置文件管理 APM 参数，需引入 Spring Boot 集成组件，此处不展开。

# elasticapm.properties（放在 Agent JAR 同目录，或用 config_file 指定）
service_name=my-spring-app
server_urls=http://localhost:8200
application_packages=com.example

5. Python Agent

# 安装
pip install elastic-apm

# Flask 应用
from flask import Flask
import elasticapm
from elasticapm.contrib.flask import ElasticAPM

app = Flask(__name__)
apm = ElasticAPM(app,
    service_name='my-flask-app',
    server_url='http://localhost:8200',
)

# 手动追踪
@elasticapm.capture_span('custom_operation', 'custom')
def my_function():
    pass

6. APM 数据类型

数据类型	说明
Transaction	请求级别的性能数据（HTTP 请求、消息处理）
Span	事务中的子操作（数据库查询、外部调用）
Error	应用异常和错误
Metric	系统和应用指标

7. Kibana APM UI

• 服务概览：所有服务的延迟、吞吐量、错误率
• 事务详情：单个请求的完整调用链路
• Span 分析：每个子操作的耗时分布
• 错误追踪：异常堆栈和发生频率
• 依赖分析：服务间依赖关系图

8. 自定义追踪

// Java - 手动创建子 Span
Span span = ElasticApm.currentSpan()
    .startSpan("db", "redis", "command");
span.setName("custom-redis-operation");
try (Scope scope = span.activate()) {
    // 业务逻辑
} catch (Exception e) {
    span.captureException(e);
    throw e;
} finally {
    span.end();
}

9. 最佳实践

• 生产环境所有核心服务部署 APM Agent
• 使用 transaction_sample_rate 控制采样，避免数据量过大；10% 仅为示例，实际需权衡存储成本与低频故障、尾延迟的诊断能力
• APM 数据保留策略建议 7~30 天
• 监控 APM Server 自身的性能
• 使用告警功能及时发现性能异常