【Azure 应用程序见解】Application Insights Java Agent 3.1.0的使用实验,通过修改单个URL的采样率来减少请求及依赖项的数据采集
作者:互联网
问题描述
近日好消息,如果是一个Java Spring Cloud的项目,想使用Azure Applicaiton Insights来收集日志及一些应用程序见解。但是有不愿意集成SDK来修改代码或者配置,有没有一种更好的办法呢? 答案是有。
在2020年,微软推出了“Java 无代码应用程序监视 Azure Monitor Application Insights” 代理工具 Application Insights Agent 3.x。它 无需更改代码,只需更改几个配置即可启用 Java 代理。官方的宣传语为:
Java 代理可在任何环境中正常工作,并允许你监视所有 Java 应用程序。 换句话说,无论你是在 VM 上、本地、AKS 中还是在 Windows、Linux 上运行 Java 应用,不管什么位置,Java 3.0 代理都可以监视你的应用。
不再需要将 Application Insights Java SDK 添加到你的应用程序,因为 3.0 代理会自动收集请求、依赖项并自行记录所有内容。
你仍可以从应用程序发送自定义遥测。 3.0 代理会跟踪它并将它与所有自动收集的遥测数据相关联。
3.0 代理支持 Java 8 及更高版本。
使用方法也非常的简单,三个步骤:下载代理到本地项目,配置Application Insights连接字符串,在java启动命令中添加代理参数( -javaagent:agent/applicationinsights-agent-3.1.0.jar )
快速启用Java Agent:
1.下载代理 applicationinsights-agent-3.1.0.jar
2.将 JVM 指向该代理,将 -javaagent:path/to/applicationinsights-agent-3.1.0.jar
添加到应用程序的 JVM 参数。如
java -javaagent:agent/applicationinsights-agent-3.1.0.jar -jar target/spring-boot-0.0.1-snapshot.jar
3.将代理指向 Application Insights 资源
通过设置环境变量,将代理指向 Application Insights 资源:APPLICATIONINSIGHTS_CONNECTION_STRING=InstrumentationKey=...
另一种方法是创建一个名为 applicationinsights.json
的配置文件,并将其置于 applicationinsights-agent-3.1.0.jar
所在的目录中,该文件包含以下内容:
{ "connectionString": "InstrumentationKey=..." }
可以在 Application Insights 资源中找到连接字符串:
4.就这么简单!
现在启动应用程序,并访问 Azure 门户中的 Application Insights 资源以查看监视数据。
备注:监视数据可能需要几分钟时间才能在门户中显示。
效果展示:
以上展示成功的采集到Java应用的所有请求及请求所产生的两个外部依赖,一个访问azure blob文件,一个是请求博客园文章地址。
但是,当站点的请求量巨大时候,Agent也将发送大量的请求,日志,依赖等等监控数据。 那是不是有什么方便的办法来解决数据量问题呢?是的。同样可以通过采样率(sampling)设置来实现这个目的。
Sampling有两种方式:一种是应用的所有请求采样率都下降,不要100%采集。 修改方式为在 applicationinsights.json
文件中设置sampling的值。如下修改采样率为50%.
{ "connectionString": "InstrumentationKey=xxxxxxxxxxxxxx;EndpointSuffix=applicationinsights.azure.cn;IngestionEndpoint=https://xxxxxxxx.in.applicationinsights.azure.cn/", "role": { "name": "my test 3" }, "sampling": { "percentage": 50 } }
第二种方式,就是本文中将介绍的。采用指定特定的URL来修改次采样率。
问题解决
使用Agent 3.0.3版本之后才支持的采样代替(sampling overrides)功能。采样替代允许替代默认采样百分比,例如:
- 将采样百分比设置为 0(或某个小的值)以进行干扰状况检查。
- 将采样百分比设置为 0(或某个小的值)以进行干扰依赖项调用。
- 针对重要请求类型(例如,
/login
),将采样百分比设置为 100,即使将默认采样配置为低于此值也是如此。
采样代替的作用范围为:
- 传入的请求。
- 传出的依赖项(例如,对另一个服务的远程调用)。
- 进程内依赖项(例如,服务的子组件所做的工作)。
对于采样替代而言,属性是一个非常重要的概念,它表示给定请求或依赖项的标准属性和自定义属性。对于一个URL请求而言,可以用以下的属性值来作为配置条件:
HTTP 范围
属性 | 类型 | 说明 |
---|---|---|
http.method |
string | HTTP 请求方法。 |
http.url |
string | 完整的 HTTP 请求 URL(采用 scheme://host[:port]/path?query[#fragment] 格式)。 例如:http://localhost:8080/out |
http.status_code |
数值 | HTTP 响应状态代码。 |
http.flavor |
string | HTTP 协议类型。 |
http.user_agent |
string | 客户端发送的 HTTP User-Agent 标头的值。 |
在本示例中,本Java应用有三个请求。http://localhost:8080, http://localhost:8080/blob 和http://localhost:8080/out。 三个请求的依赖项如下图:
为了把blob的请求以及它的依赖的所有请求都排除在请求之外。使用采样代替功能,可以参考如下设置:
{ "connectionString":"InstrumentationKey=xxxxxxxxxxxxxx;EndpointSuffix=applicationinsights.azure.cn;IngestionEndpoint=https://xxxxxxxx.in.applicationinsights.azure.cn/", "role": { "name": "my test 3" }, "preview": { "sampling": { "overrides": [ { "attributes": [ { "key": "http.url", "value": "https?://[^/]+/blob", "matchType": "regexp" } ], "percentage": 0 } ] } } }
修改完 applicationinsights.json
文件后,重启应用。验证结果:
附件一:如果需要对多个请求URL进行采样率修改。在节点overrides中的数组中不停加入attributes内容即可。如:
{ "connectionString":"InstrumentationKey=xxxxxxxxxxxxxx;EndpointSuffix=applicationinsights.azure.cn;IngestionEndpoint=https://xxxxxxxx.in.applicationinsights.azure.cn/", "role": { "name": "my test 3" }, "preview": { "sampling": { "overrides": [ { "attributes": [ { "key": "http.url", "value": "https?://[^/]+/blob", "matchType": "regexp" } ], "percentage": 0 }, { "attributes": [ { "key": "http.url", "value": "https?://[^/]+/lulight/", "matchType": "regexp" } ], "percentage": 0 } ] } } }
参考资料
Java 无代码应用程序监视 Azure Monitor Application Insights:https://docs.azure.cn/zh-cn/azure-monitor/app/java-in-process-agent
采样替代(预览版)- 适用于 Java 的 Azure Monitor Application Insights:https://docs.azure.cn/zh-cn/azure-monitor/app/java-standalone-sampling-overrides
【完】
标签:采样率,http,请求,URL,applicationinsights,Application,Java,Insights 来源: https://www.cnblogs.com/lulight/p/14986996.html