Как настроить observability в Spring Boot 3

В сфере искусственного интеллекта произошло заметное событие. sproshchaev 1 час назад Как настроить observability в Spring Boot 3 Средний 11 мин 2. 6K Блог компании OTUS Java * Карьера в IT-индустрии IT-инфраструктура * Туториал Всем привет, меня зовут Сергей Прощаев. Я Tech Lead и руководитель направления Java/Kotlin разработки в FinTech & E-commerce, а ещё преподаю на курсах разработки и архитектуры.

В этой статье я покажу, как за полдня настроить observability в Spring Boot 3, чтобы наконец перестать гадать, почему ваш микросервис вдруг начинает тормозить или падать. Observability — «глаз» над микросервисами1. Почему вы читаете эту статью (и я её пишу)Мне как-то попалась статистика: больше половины инцидентов в микросервисных системах приходится на слепую отладку — разработчики и SRE тыкают наугад, смотрят логи одного сервиса, потом другого, строят догадки.

Технические детали

Помню реальный случай из своей практики. Один наш сервис в e-commerce начал периодически отвечать с задержкой 5 секунд. Логи были чисты, метрики CPU — в норме.

Команда две недели перебирала гипотезы: то сеть винили, то базу данных. А оказалось — забыли про propagation контекста трейса, и один микросервис делал повторный запрос к внешнему API без таймаута. Если бы у нас тогда был нормальный трейсинг с Zipkin, мы бы нашли причину за час, а не за две недели.

С тех пор я твёрдо уверен: observability — это не фича, а базовая необходимость. Особенно на Spring Boot 3, где инструменты для этого уже встроены нативно. Исходные условия (чтобы вы могли повторить)Прежде чем переходить к шагам, давайте зафиксируем, с чем мы работаем:Версия Spring Boot: 3.

Отраслевые последствия

Проект: обычное веб-приложение с spring-boot-starter-web и spring-boot-starter-actuator (если нет — добавьте). Инфраструктура: Docker и Docker Compose для поднятия Zipkin, Prometheus, Loki и Grafana. Можно и без Docker, но с ним проще.

Цель: получить единый дашборд, где метрики, трейсы и логи связаны одним идентификатором. Ограничение: гайд не про продовое масштабирование на 10 000+ RPS. Для больших нагрузок понадобится сэмплирование и кластеризация.

Но для команд до 20 микросервисов решение отличное. Пошаговый маршрут: от нуля до дашбордаЯ разбил процесс на 7 шагов. Каждый шаг заканчивается проверкой — чтобы вы сразу видели, что работает.

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.