Apache Dubbo 3.3.2 中 observability starter 导致 Actuator 端点失效问题解析
问题背景
在 Apache Dubbo 3.3.2 版本中,当开发者引入 dubbo-observability-spring-boot-starter 依赖后,Spring Boot Actuator 的默认端点(如 /info、/health)会出现无法访问的情况。这个问题会导致监控系统无法获取应用的基础健康状态信息,对生产环境监控造成影响。
问题现象
引入 observability starter 后,访问 /actuator 端点仅返回 Dubbo 相关的端点信息:
- /actuator/dubbo
- /actuator/dubbo/{command}
而标准的 Spring Boot Actuator 端点(如 /info、/health)则完全不可见。这种现象与 Spring Boot Actuator 的默认行为不符,通常 Actuator 会暴露多个内置端点用于应用监控。
问题根源
经过分析,这个问题源于 Spring Boot 的端点自动配置机制。在 Spring Boot 2.x 版本中,默认情况下只有 /health 和 /info 等少数端点是被启用的。当引入额外的 starter(如 Dubbo 的 observability starter)时,可能会覆盖默认的端点配置。
具体来说,dubbo-observability-spring-boot-starter 在初始化时没有正确处理与 Spring Boot Actuator 的集成,导致默认端点被禁用。
解决方案
临时解决方案
在 application.properties 或 application.yml 中显式启用所有端点:
management.endpoints.enabled-by-default=true
推荐解决方案
更精确地控制需要启用的端点:
management.endpoint.health.enabled=true
management.endpoint.info.enabled=true
# 其他需要的端点
技术原理
Spring Boot Actuator 的端点控制遵循以下规则:
- 每个端点都有独立的启用开关
- management.endpoints.enabled-by-default 控制所有端点的默认启用状态
- 特定端点的设置会覆盖全局默认值
Dubbo 的 observability starter 在实现时,可能无意中修改了这些默认配置,导致标准端点被禁用。正确的做法应该是在不影响现有端点配置的情况下,只添加 Dubbo 特有的监控端点。
最佳实践
- 在生产环境中,建议明确列出需要启用的端点,而不是简单地启用所有端点
- 对于 Dubbo 监控,可以单独启用 Dubbo 相关端点:
management.endpoint.dubbo.enabled=true - 定期检查 Spring Boot 和 Dubbo 的版本兼容性,特别是当使用 observability 相关功能时
总结
这个问题展示了 Spring Boot starter 之间可能存在的配置冲突。作为开发者,在引入新的 starter 时应该:
- 了解其对现有配置的影响
- 明确指定需要的监控端点
- 在测试环境中验证所有监控功能是否正常
Dubbo 社区已经在新版本中修复了这个问题,建议用户关注后续版本更新。对于使用 3.3.2 版本的用户,可以通过上述配置方案解决端点不可见的问题。
通过正确处理 Actuator 端点配置,开发者可以确保应用监控系统的完整性和可靠性,为运维提供全面的监控数据支持。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00