Druid数据源监控页面404问题的排查与解决
在Spring Boot项目中整合Druid数据源时,开发者可能会遇到监控页面无法访问的情况。本文将以Spring Boot 3.0.2整合Druid 1.2.20和dynamic-datasource的场景为例,详细分析该问题的成因并提供解决方案。
问题现象
当开发者按照常规配置完成Druid的集成后,访问/druid监控页面时出现404错误,页面显示"Whitelabel Error Page"提示信息。这表明Spring Boot应用未能正确映射Druid的监控端点。
根本原因分析
-
自动配置排除冲突:在配置中显式排除了
DruidDataSourceAutoConfigure,这会导致Druid相关的Servlet和Filter无法自动注册 -
Spring Boot 3.0兼容性:新版本Spring Boot对Servlet容器的初始化流程有所调整,需要显式配置监控端点
-
动态数据源影响:使用dynamic-datasource时,数据源初始化顺序可能影响监控组件的注册
解决方案
方案一:移除不必要的自动配置排除
修改application.yml配置,移除对Druid自动配置的排除:
spring:
datasource:
dynamic:
druid:
# 保留原有druid配置
web-stat-filter:
enabled: true
url-pattern: /*
stat-view-servlet:
enabled: true
url-pattern: /druid/*
方案二:手动注册监控组件
对于需要更精细控制的情况,可以手动注册Servlet和Filter:
@Configuration
public class DruidConfig {
@Bean
public ServletRegistrationBean<StatViewServlet> druidServlet() {
ServletRegistrationBean<StatViewServlet> servlet = new ServletRegistrationBean<>(
new StatViewServlet(), "/druid/*");
servlet.addInitParameter("loginUsername", "admin");
servlet.addInitParameter("loginPassword", "admin");
return servlet;
}
@Bean
public FilterRegistrationBean<WebStatFilter> filterRegistrationBean() {
FilterRegistrationBean<WebStatFilter> filter = new FilterRegistrationBean<>();
filter.setFilter(new WebStatFilter());
filter.addUrlPatterns("/*");
filter.addInitParameter("exclusions", "*.js,*.gif,*.jpg,*.png,*.css,*.ico,/druid/*");
return filter;
}
}
方案三:检查依赖冲突
确保项目中不存在以下依赖冲突:
- 多个Druid版本共存
- Servlet API版本不兼容
- 与其他监控组件冲突
最佳实践建议
-
版本匹配:建议使用Druid 1.2.8+版本以获得更好的Spring Boot 3.0兼容性
-
配置简化:优先使用properties/yml配置,减少代码配置
-
访问控制:生产环境务必配置allow/deny规则和强密码
-
健康检查:可以结合Spring Boot Actuator暴露/druid的健康端点
总结
Druid监控页面404问题通常源于配置不当或组件初始化顺序问题。通过理解Spring Boot自动配置机制和Druid工作原理,开发者可以快速定位并解决这类问题。建议在复杂项目中采用方案二的手动配置方式,以获得更稳定的监控功能。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00