博客
关于我
Elastic添加APM监控
阅读量:380 次
发布时间:2019-03-05

本文共 1461 字,大约阅读时间需要 4 分钟。

Elastic 添加 APM 监控

APM(Application Performance Management,应用性能管理)是一项IT运维管理(ITOM)范畴的技术,主要用于监测和优化企业关键业务的IT应用性能和用户体验。通过APM,可以实时追踪应用的运行状态,识别性能瓶颈,提升应用的可靠性和用户体验,降低IT总拥有成本(TCO)。


1. 下载安装

首先需要下载并安装APM Server。以下是具体步骤:

  • 使用 curl命令下载APM Server的安装包:
  • curl -L -O https://artifacts.elastic.co/downloads/apm-server/apm-server-7.11.1-x86_64.rpm
    1. 安装.rpm文件:
    2. sudo rpm -vi apm-server-7.11.1-x86_64.rpm

      2. 配置

      接下来需要配置APM Server的设置文件。默认配置文件路径为 /etc/apm-server/apm-server.yml,修改如下内容:

    3. 配置APM Server的主机地址和输出设置:
    4. apm-server:  host: "192.168.50.136:8200"  output.elasticsearch:  hosts: ["192.168.50.136:9200"]  username: "elastic"  password: "123456"
      1. 保存并应用配置更改:
      2. sudo systemctl restart apm-server

        3. 启动并设置

        为了确保APM能够监控目标应用,需要在应用程序中集成APM Agent。以下是详细步骤:

      3. 下载APM Agent:
      4. curl -L -O https://artifacts.elastic.co/downloads/apm-agent/java/elastic-apm-agent-1.21.0.jar
        1. 将JAR文件放置在适当的文件夹下(例如 /home/jack/ 中的 elastic-apm-agent-1.21.0.jar)。

        2. 启动应用程序时,添加以下JVM参数:

        3. java -javaagent:/home/jack/elastic-apm-agent-1.21.0.jar \  -Delastic.apm.service_name=forestUserProvider \  -Delastic.apm.server_urls=http://192.168.50.136:8200 \  -Delastic.apm.secret_token= \  -Delastic.apm.environment=production \  -Delastic.apm.application_packages=com.fh \  -jar /opt/data/jardata/xxx.jar --spring.profiles.active=prod --server.port=8080

          4. 查看监控数据

          完成以上步骤后,可以通过以下方式查看APM监控数据:

        4. 打开Elasticsearch控制台,导航至APM功能模块。

        5. 找到目标应用的性能数据点,点击具体事务以查看详细追溯信息。

        6. 调试信息可通过APM的错误记录功能查看,点击相关错误条目以获取详细日志。


        7. 通过以上步骤,可以实现Elastic APM对关键业务应用的性能监控和问题排查,帮助企业提升IT系统的稳定性和用户体验。

    转载地址:http://tveg.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>