Kumpulkan data kinerja yang dilaporkan oleh agen Java Alibaba Cloud dari program Java - Simple Log Service

Continuous Profiler Agent adalah agen Java Alibaba Cloud yang dikembangkan oleh tim JVM Alibaba Cloud untuk mengumpulkan data kinerja. Continuous Profiler Agent telah diuji dalam lingkungan produksi berskala besar dan menawarkan kinerja serta stabilitas tinggi. Anda dapat menggunakan Logtail untuk mengumpulkan data kinerja yang dilaporkan oleh Continuous Profiler Agent dari program Java ke aplikasi Full-stack Observability untuk pemantauan dan analisis visual.

Prasyarat

Sebuah instance Full-stack Observability telah dibuat. Untuk informasi lebih lanjut, lihat Buat Instance.

Batasan

Hanya mendukung Linux Logtail V1.7 atau yang lebih baru.
Distribusi Linux berikut didukung: CentOS, Red Hat, Alibaba Cloud Linux, Ubuntu, dan Debian. Versi kernel harus 2.6.32-431.23.3.el6.x86_64 atau yang lebih baru. GNU C Library dan MUSL Library didukung.

Versi JDK didukung. Tabel berikut menjelaskan detailnya.

Jenis mesin	CPU	Memori
Mesin AUTO	OpenJDK 8u272 dan yang lebih baru, JDK 11, dan JDK 17 didukung. OracleJDK 11 dan OracleJDK 17 didukung. OracleJDK 8 tidak didukung.	OpenJDK 8u352 dan yang lebih baru, OpenJDK 11.0.17 dan yang lebih baru, dan OpenJDK 17.0.5 dan yang lebih baru didukung. OracleJDK 8 tidak didukung. OracleJDK 11.0.21 dan yang lebih baru, dan OracleJDK 17.0.9 dan yang lebih baru didukung.
Mesin async_profiler	OpenJDK 8, OpenJDK 11, OpenJDK 17, OracleJDK 8, OracleJDK 11, dan OracleJDK 17 didukung.	OpenJDK 8, OpenJDK 11, OpenJDK 17, OracleJDK 8, OracleJDK 11, dan OracleJDK 17 didukung.

Deskripsi konsumsi sumber daya

Dalam sebagian besar skenario, overhead kinerja untuk program Java kurang dari 5%.

Langkah 1: Buat konfigurasi Logtail

Masuk ke konsol Layanan Log Sederhana.
Di bagian Log Application, klik tab Intelligent O&M. Kemudian, klik Full-stack Observability.
Di halaman Simple Log Service Full-stack Observability, klik instance yang ingin Anda kelola.
Di panel navigasi di sebelah kiri, klik Performance Monitoring.
Jika ini pertama kalinya Anda menggunakan Pemantauan Kinerja di instance, klik Enable.
Di pohon navigasi di sebelah kiri, klik Data Import. Di halaman Data Access Configurations, temukan Common Push Import di bagian Pemantauan Kinerja.
Pertama kali Anda membuat konfigurasi Logtail untuk jenis data kinerja ini, nyalakan sakelar untuk pergi ke halaman konfigurasi. Jika Anda telah membuat konfigurasi Logtail, klik ikon untuk pergi ke halaman konfigurasi.
Buat grup mesin.
- Jika grup mesin tersedia, klik Use Existing Machine Groups.
- Jika tidak ada grup mesin yang tersedia, lakukan langkah-langkah berikut:
  1. Periksa jenis server Anda.
    - Jika Anda menggunakan instance Elastic Compute Service (ECS) yang termasuk dalam akun Alibaba Cloud yang sama dengan Simple Log Service, klik tab ECS Instances, pilih Manually Select Instances dan instance ECS Anda, lalu klik Create.
      Untuk informasi lebih lanjut, lihat Instal Logtail pada Instance ECS.
    - Jika server Anda adalah instance ECS yang termasuk dalam akun Alibaba Cloud lain, server yang disediakan oleh penyedia layanan cloud pihak ketiga, atau server yang ditempatkan di pusat data yang dikelola sendiri, Anda harus menginstal Linux Logtail V1.7 atau yang lebih baru secara manual di server tersebut. Untuk informasi lebih lanjut, lihat Instal Logtail pada Server Linux.
      Penting
      Setelah Anda menginstal Logtail secara manual, Anda harus mengonfigurasi pengenal pengguna untuk server tersebut. Untuk informasi lebih lanjut, lihat Konfigurasikan Pengenal Pengguna.
    - Jika Anda menggunakan kluster Kubernetes, instal komponen Logtail dengan mengikuti instruksi di Kumpulkan Data Pemantauan tentang Sumber Daya Kubernetes.
  2. Setelah Logtail terinstal, klik Complete Installation.
  3. Di langkah Create Machine Group, konfigurasikan parameter Name dan klik Next.
    Simple Log Service memungkinkan Anda membuat grup mesin berbasis alamat IP dan grup mesin berbasis pengenal kustom. Untuk informasi lebih lanjut, lihat Buat Grup Mesin Berbasis Alamat IP dan Buat Grup Mesin Berbasis Pengenal Kustom.
    Penting
    Jika Anda menginstal Logtail di kluster Kubernetes, grup mesin bernama dalam format {instanceId}-{clusterId}-k8s-cluster akan otomatis dibuat. Anda dapat melewati langkah ini.
Di langkah Machine Group Settings, pindahkan server Anda dari bagian Source Server Groups ke bagian Applied Server Groups dan klik Next.
Penting
Jika Anda mengaktifkan grup mesin segera setelah Anda membuat grup mesin, status detak jantung grup mesin mungkin FAIL. Masalah ini terjadi karena grup mesin belum terhubung ke Simple Log Service. Untuk menyelesaikan masalah ini, Anda dapat klik Automatic Retry. Jika masalah tetap ada, lihat Apa yang harus saya lakukan jika grup mesin Logtail tidak memiliki detak jantung?

Di langkah Specify Data Source, konfigurasikan parameter dan klik Complete. Tabel berikut menjelaskan parameter.

Parameter	Deskripsi
Config Name	Nama konfigurasi Logtail. Anda bisa memasukkan nama kustom.
Cluster	Nama cluster. Anda bisa memasukkan nama kustom. Setelah Anda mengonfigurasi parameter ini, Simple Log Service menambahkan tag `cluster=<Nama Cluster>` ke data kinerja yang dikumpulkan menggunakan konfigurasi Logtail. Penting Pastikan bahwa nama cluster unik. Jika tidak, konflik data mungkin terjadi.
Address	Alamat untuk pengumpulan data. Nilai default adalah `http://:4040`, di mana 4040 adalah port default Pyroscope. Jika Anda mempertahankan nilai default, server HTTP menggunakan alamat lokal. Jika Anda menggunakan instance ECS, tentukan nilai dalam format berikut: `Alamat IP instance ECS:4040`. Jika Anda menggunakan server yang berada di kluster Kubernetes, atur nilainya menjadi `logtail-kubernetes-metrics.sls-monitoring:4040`. Jika Anda menggunakan server dari penyedia layanan cloud pihak ketiga atau pusat data, tentukan nilai dalam format berikut: `Alamat IP server:4040`.
Endpoint	Titik akhir default Pyroscope. Nilai default: `/ingest`.
Read Timeout Period	Periode timeout untuk operasi baca data. Nilai default: 10. Satuan: detik.
Maximum Body Size	Ukuran maksimum data yang dapat dikumpulkan.

Setelah Anda mengonfigurasi pengaturan, Simple Log Service secara otomatis membuat aset seperti Metricstores. Untuk informasi lebih lanjut, lihat Aset.

Langkah 2: Unduh agen Java

Wilayah di China

wget https://logtail-release-cn-hangzhou.oss-cn-hangzhou.aliyuncs.com/jvm/continuous-profile-collector-agent-1.9.0.jar

Wilayah di Luar China

wget https://logtail-release-ap-southeast-1.oss-ap-southeast-1.aliyuncs.com/jvm/continuous-profile-collector-agent-1.9.0.jar

Langkah 3: Konfigurasikan program Java untuk mendorong data kinerja

Konfigurasikan Program Java Menggunakan Parameter JVM

java \
-Dprofiling.app.name=your_service_name \
-Dprofiling.agent.upload.server="http://{host}:{port}" \
-Dprofiling.cpu.engine={engine} \
-javaagent:{path for javaagent} \
-jar demo.jar

Parameter	Deskripsi
profiling.app.name	Nama layanan.
profiling.agent.upload.server	Alamat untuk unggah data. Jika Anda menggunakan instance ECS, tentukan nilai dalam format berikut: `Alamat IP instance ECS:4040`. Jika Anda menggunakan server yang berada di kluster Kubernetes, atur nilainya menjadi `logtail-kubernetes-metrics.sls-monitoring:4040`. Jika Anda menggunakan server dari penyedia layanan cloud pihak ketiga atau pusat data, tentukan nilai dalam format berikut: `Alamat IP server:4040`.
profiling.cpu.engine	Mesin yang digunakan untuk pemantauan hotspot CPU. Nilai default: off. Nilai valid: auto, async_profiler, jfr, dan off. Nilai off menunjukkan bahwa pemantauan hotspot CPU dinonaktifkan. Nilai lain menunjukkan bahwa pemantauan hotspot CPU diaktifkan. Kami merekomendasikan Anda mengatur nilai ke auto.

Konfigurasikan Program Java Menggunakan Variabel Lingkungan

export PROFILING_APP_NAME="your_service_name"
export PROFILING_AGENT_UPLOAD_SERVER="http://{host}:{port}"
export PROFILING_CPU_ENGINE="{engine}"
export PROFILING_ALLOC_ENGINE="{engine}"

Parameter	Deskripsi
PROFILING_APP_NAME	Nama layanan.
PROFILING_AGENT_UPLOAD_SERVER	Alamat untuk unggah data. Jika Anda menggunakan instance ECS, tentukan nilai dalam format berikut: `Alamat IP instance ECS:4040`. Jika Anda menggunakan server yang berada di kluster Kubernetes, atur nilainya menjadi `logtail-kubernetes-metrics.sls-monitoring:4040`. Jika Anda menggunakan server dari penyedia layanan cloud pihak ketiga atau pusat data, tentukan nilai dalam format berikut: `Alamat IP server:4040`.
PROFILING_CPU_ENGINE	Mesin yang digunakan untuk pemantauan hotspot CPU. Nilai default: off. Nilai valid: auto, async_profiler, jfr, dan off. Nilai off menunjukkan bahwa pemantauan hotspot CPU dinonaktifkan. Nilai lain menunjukkan bahwa pemantauan hotspot CPU diaktifkan. Kami merekomendasikan Anda mengatur nilai ke auto.

Catatan

Parameter JVM	Variabel lingkungan	Deskripsi
profiling.app.name	PROFILING_APP_NAME	Nama aplikasi.
profiling.agent.upload.server	PROFILING_AGENT_UPLOAD_SERVER	Alamat server tempat file Java Flight Recorder (JFR) diunggah. Nilai default: http://localhost:4040. Jangan mulai alamat dengan http. Sistem secara otomatis menambahkan awalan http ke alamat. Jangan akhiri alamat dengan garis miring (/). Sistem secara otomatis menambahkan garis miring (/) ke alamat.
profiling.agent.timeout	PROFILING_AGENT_TIMEOUT	Periode timeout untuk mengunggah file JFR. Nilai default: 10. Satuan: detik.
profiling.agent.ingest.max.tries	PROFILING_AGENT_INGEST_MAX_TRIES	Jumlah maksimum percobaan ulang yang diizinkan untuk mengunggah file JFR. Nilai default: 2.
profiling.app.http.headers	PROFILING_APP_HTTP_HEADERS	Header HTTP yang digunakan saat Anda mengunggah file JFR. Parameter ini kosong secara default. Contoh: SESSION_ID=1111;XXX=YYY.
profiling.app.labels	PROFILING_APP_LABELS	Tag yang ditambahkan ke file JFR saat Anda mengunggah file JFR. Parameter ini kosong secara default. Contoh: `env=dev;lang=java;biz=member`.
profiling.agent.log.level	PROFILING_AGENT_LOG_LEVEL	Tingkat log. Nilai default: info. Nilai valid: info, debug, dan error.
profiling.agent.log.file	PROFILING_AGENT_LOG_FILE	Path ke file log. Anda dapat mengatur nilainya ke /path/to/profiling.log. Secara default, path ditulis ke Java stdout dan stderr.
profiling.period	PROFILING_PERIOD	Interval pengunggahan data kinerja. Nilai default: 1. Satuan: menit.
profiling.delay	PROFILING_DELAY	Latensi pemantauan kinerja. Nilai default: 0, yang menunjukkan bahwa pemantauan kinerja dimulai segera setelah mesin pemantauan kinerja diaktifkan. Jika Anda mengatur nilainya ke N, pemantauan kinerja dimulai N detik setelah mesin pemantauan kinerja diaktifkan.
profiling.start.at.zero.second	PROFILING_START_AT_ZERO_SECOND	Menentukan apakah akan memulai pemantauan kinerja pada detik ke-0 setiap menit. Jika Anda ingin memulai pemantauan kinerja pada detik ke-0 setiap menit, atur nilainya menjadi true. Misalnya, jika nilainya diatur menjadi true dan waktu saat ini adalah detik ke-30 dari menit saat ini, sistem secara otomatis menunggu 30 detik sebelum memulai pemantauan kinerja. Nilai default: false.
profiling.compression.mode	PROFILING_COMPRESSION_MODE	Mode kompresi. Nilai default: none. Nilai valid: gzip dan none. none: File tidak dikompresi dan memiliki akhiran .jfr. gzip: File dikompresi dan memiliki akhiran .jfr.gzip.
profiling.trigger.mode	PROFILING_TRIGGER_MODE	Mode pemicu. Anda dapat memicu pemantauan kinerja secara berkala atau satu kali. Nilai default: periodic. Nilai valid: periodic dan api. Kami merekomendasikan Anda mengatur nilai ke periodic dalam mode agen.
profiling.output.format	PROFILING_OUTPUT_FORMAT	Format file. Nilai default: jfr. Nilai valid: jfr dan collapsed.
profiling.cpu.engine	PROFILING_CPU_ENGINE	Mesin yang digunakan untuk pemantauan hotspot CPU. Nilai default: off. Nilai valid: auto, async_profiler, jfr, dan off. Nilai off menunjukkan bahwa pemantauan hotspot CPU dinonaktifkan. Nilai lain menunjukkan bahwa pemantauan hotspot CPU diaktifkan. Kami merekomendasikan Anda mengatur nilai ke auto.
profiling.cpu.interval	PROFILING_CPU_INTERVAL	Interval pemantauan hotspot CPU. Nilai kecil meningkatkan overhead. Nilai default: 10. Satuan: milidetik.
profiling.wallclock.engine	PROFILING_WALLCLOCK_ENGINE	Mesin yang digunakan untuk pemantauan hotspot jam dinding. Nilai default: off. Nilai valid: auto, async_profiler, dan off. Nilai off menunjukkan bahwa pemantauan hotspot jam dinding dinonaktifkan. Nilai lain menunjukkan bahwa pemantauan hotspot jam dinding diaktifkan. Kami merekomendasikan Anda mengatur nilai ke off.
profiling.wallclock.interval	PROFILING_WALLCLOCK_INTERVAL	Interval pemantauan hotspot jam dinding. Nilai kecil meningkatkan overhead. Nilai default: 20. Satuan: milidetik.
profiling.wallclock.thread.filter	PROFILING_WALLCLOCK_THREAD_FILTER	Filter thread yang digunakan untuk pemantauan hotspot jam dinding. Nilai default: 0, yang menunjukkan bahwa tidak ada thread yang terlibat. Daftar berikut memberikan contoh cara menentukan nilai: Kosong: "" Thread tunggal: 123 Beberapa thread: 122,123 Rentang thread: 122 hingga 134
profiling.wallclock.threads.per.tick	PROFILING_WALLCLOCK_THREADS_PER_TICK	Jumlah maksimum thread yang digunakan untuk memantau hotspot jam dinding. Nilai default: 8.
profiling.alloc.engine	PROFILING_ALLOC_ENGINE	Mesin yang digunakan untuk pemantauan hotspot Alloc. Nilai default: off. Nilai valid: auto, async_profiler, jfr, dan off. Pemantauan hotspot Alloc merujuk pada pemantauan hotspot permintaan memori. Nilai off menunjukkan bahwa pemantauan hotspot Alloc dinonaktifkan. Nilai lain menunjukkan bahwa pemantauan hotspot Alloc diaktifkan. Kami merekomendasikan Anda mengatur nilai ke auto.
profiling.alloc.interval	PROFILING_ALLOC_INTERVAL	Interval pemantauan hotspot Alloc. Nilai kecil meningkatkan overhead. Nilai default: 256. Satuan: kilo byte.
profiling.jfr.max.size	PROFILING_JFR_MAX_SIZE	Batas atas ukuran file JFR. Jika ukuran mencapai batas atas, data dalam file secara otomatis dibuang. Nilai default: 64m. Contoh nilai: 256k dan 10m.
profiling.jfr.max.age	PROFILING_JFR_MAX_AGE	Batas atas usia file JFR. Jika usia mencapai batas atas, data dalam file secara otomatis dibuang. Nilai default: 10m. Contoh nilai: 1m, 1h, dan 1d.
profiling.jfr.max.stack.depth	PROFILING_JFR_MAX_STACK_DEPTH	Kedalaman tumpukan maksimum yang diizinkan selama sampling JFR. Nilai default: 64.

Apa yang harus dilakukan selanjutnya

Setelah Anda mengumpulkan data kinerja dari program Java ke Full-stack Observability, Anda dapat menggunakan fitur pemantauan kinerja untuk mendiagnosis masalah kinerja. Untuk informasi lebih lanjut, lihat Kueri Data dan Perbandingan Data.