JMX Exporter配置规则详解:如何精准采集Tomcat JVM指标
2025-06-26 18:22:19作者:薛曦旖Francesca
背景介绍
在使用JMX Exporter监控Java应用时,许多开发者会遇到一个常见问题:如何精确地采集特定MBean的指标而不获取所有JMX数据。本文将以Tomcat JVM监控为例,深入解析JMX Exporter的配置规则。
问题现象
当使用通配符规则".*"时,JMX Exporter能够采集所有JMX指标,包括:
- 内存使用情况(Memory)
- 线程信息(Threading)
- 垃圾回收(GarbageCollector)
- 类加载(ClassLoading)
但当尝试只采集这四类关键指标时,使用如下配置:
rules:
- pattern: "java.lang:type=Memory"
- pattern: "java.lang:type=Threading"
- pattern: "java.lang:type=GarbageCollector,name=(.*)"
- pattern: "java.lang:type=ClassLoading"
会发现部分重要指标缺失,例如:
java_lang_ClassLoading_LoadedClassCount- 其他关键属性指标
原因分析
这种指标缺失现象源于JMX Exporter的模式匹配机制。简单指定MBean名称的模式只能匹配到MBean对象本身,而不会自动包含其所有属性。要采集具体属性指标,需要在模式中显式指定属性匹配部分。
解决方案
正确的配置应使用完整的MBean路径模式,包含属性和可能的子属性。针对Tomcat JVM监控,推荐配置如下:
rules:
- pattern: "java.lang<type=Memory(.*)><(.*)>"
- pattern: "java.lang<type=Threading(.*)><(.*)>"
- pattern: "java.lang<type=GarbageCollector(.*)><(.*)>"
- pattern: "java.lang<type=ClassLoading(.*)><(.*)>"
配置解析
- 模式结构:使用尖括号
<>明确划分MBean的不同部分 - 属性匹配:
- 第一个
<(.*)>匹配MBean名称及其属性 - 第二个
<(.*)>匹配具体的属性值
- 第一个
- 通配符使用:
(.*)确保匹配所有相关属性和子属性
最佳实践建议
- 精确采集:避免使用
".*"全局匹配,减少不必要的指标采集 - 模式验证:通过
curl localhost:9093/metrics验证指标是否完整 - 版本兼容:此配置适用于jmx_prometheus_javaagent 0.20.0及以上版本
- 性能考量:精确配置可显著降低监控工具负载和存储压力
总结
掌握JMX Exporter的模式匹配规则对于构建高效的Java应用监控体系至关重要。通过本文提供的配置方案,开发者可以精准采集Tomcat JVM的关键性能指标,同时避免数据冗余和资源浪费。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0447
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0766
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0312
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
项目优选
收起
暂无描述
Markdown
827
5.48 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284