在JBoss EAP 8.0域模式下使用jmx_exporter的配置技巧
2025-06-26 17:02:39作者:昌雅子Ethen
jmx_exporter作为Prometheus生态中的重要组件,能够将JMX指标转换为Prometheus可识别的格式。然而在企业级应用服务器JBoss EAP 8.0的域模式部署环境中,其集成过程可能会遇到一些特殊挑战。
问题现象
当在JBoss EAP 8.0域模式中配置jmx_exporter作为Java Agent时,服务器启动会抛出关键错误:"The LogManager was not properly installed"。错误表明尽管已经设置了java.util.logging.manager系统属性为org.jboss.logmanager.LogManager,但日志管理器仍未能正确初始化。
根本原因分析
这个问题源于JBoss EAP 8.0域模式下复杂的类加载机制和启动顺序。jmx_exporter作为Java Agent会在主程序之前加载,此时它可能干扰了JBoss自身日志系统的初始化过程。特别是在域模式下,管理多个服务器实例的复杂性加剧了这种冲突。
解决方案
通过添加系统属性sun.util.logging.disableCallerCheck=true可以解决此问题。这个属性会禁用JDK日志系统对调用者的安全检查,允许JBoss的日志管理器在jmx_exporter加载后仍能正确初始化。
完整配置示例
在JBoss EAP 8.0的域模式配置文件中,建议采用以下配置方式:
<server name="server-jvm01" group="server-group1" auto-start="true">
<jvm name="default">
<jvm-options>
<option value="-Xbootclasspath/a:${jboss.home.dir}/modules/system/layers/base/org/jboss/logmanager/main/jboss-logmanager-2.1.19.jar"/>
<option value="-Xbootclasspath/a:${jboss.home.dir}/modules/system/layers/base/org/wildfly/common/main/wildfly-common-1.6.0.jar"/>
<option value="-javaagent:${jboss.home.dir}/bin/jmx_prometheus_javaagent.jar=7071:${jboss.home.dir}/bin/jmx_exporter_conf.yaml"/>
</jvm-options>
</jvm>
<system-properties>
<property name="java.util.logging.manager" value="org.jboss.logmanager.LogManager"/>
<property name="jboss.modules.system.pkgs" value="org.jboss.byteman,org.jboss.logmanager"/>
<property name="sun.util.logging.disableCallerCheck" value="true"/>
</system-properties>
</server>
技术原理
这个解决方案之所以有效,是因为:
- JBoss使用自定义的日志管理器替换了JDK默认实现
- jmx_exporter的提前加载触发了JDK日志系统的安全检查
- 禁用调用者检查后,允许JBoss的日志管理器在稍后阶段接管日志系统
- 同时保留了JBoss特有的日志功能
最佳实践建议
- 始终在域模式配置中同时设置日志管理器相关属性和禁用调用者检查属性
- 保持jmx_exporter配置文件的简洁性,初始阶段可以使用全匹配模式
- 在正式环境中,建议根据实际监控需求细化jmx_exporter的采集规则
- 监控端口选择应避免与JBoss管理端口冲突
验证方法
配置完成后,可以通过以下方式验证jmx_exporter是否正常工作:
- 访问配置的监控端口(如7071)的/metrics端点
- 检查JBoss服务器日志中是否有jmx_exporter的启动信息
- 确认Prometheus能够正常抓取到JMX指标
通过这种配置方式,可以在保持JBoss EAP 8.0域模式所有功能完整性的同时,实现对JMX指标的监控采集,为系统运维提供重要数据支持。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210