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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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