监控的核心指标

在开始写代码或配置工具之前，首先要明确需要监控哪些指标,这些指标通常可以分为以下几类：

JVM 监控

这是最核心的部分,直接关系到应用的内存和线程健康。

• 堆内存: Eden, Survivor, Old (Tenured) 区的使用率和分配情况，重点关注 GC 频率和耗时，频繁的 Full GC 会导致应用卡顿。
• 非堆内存: 包括方法区（元空间 Metaspace）、线程栈、JIT 编译缓存等，元空间溢出是常见的 OOM 原因。
• 线程:
  • 活动线程数
  • 守护线程数
  • 线程状态（特别是 BLOCKED 和 WAITING 的线程）
  • 线程转储（Thread Dump）用于分析死锁或长时间运行的线程。
• 类加载: 已加载、已卸载的类数量,检查是否存在类内存泄漏。

服务器与应用监控

• 运行时状态: 服务器是否处于 RUNNING 状态。
• 应用部署状态: 应用是否成功部署且处于 ACTIVE 状态。
• JDBC 连接池:
  • 连接数：总连接数、活跃连接数、可用连接数。
  • 连接等待时间：等待获取连接的线程数和平均等待时间。
  • 连接泄漏检测。
• JMS 队列/主题:
  • 消息数量：当前队列中的消息数。
  • 消息生产/消费速率。
  • 消息积压情况。
• JTA 事务: 活跃事务数、超时事务数。

性能监控

• 请求处理:
  • HTTP 请求数量（吞吐量）。
  • 平均/最大/最小请求响应时间。
  • HTTP 状态码分布（如 2xx, 3xx, 4xx, 5xx）。
• 工作管理器:
  • 各线程队列的长度和等待时间。
  • 被拒绝的请求数量。

操作系统监控

• CPU 使用率: WebLogic 进程和系统的整体 CPU 负载。
• 内存使用: 物理内存和交换空间的使用情况。
• 磁盘 I/O: 读写速率和 I/O 延迟。
• 网络 I/O: 网络流量。

如何在 Java 中实现监控

实现监控主要有以下几种方式，从简单到复杂,从侵入式到非侵入式。

使用 WebLogic Server 内置的 MBean (推荐)

WebLogic 基于 JMX (Java Management Extensions) 暴露了大量的管理 Bean (MBean)，这是最标准、最强大、也是官方推荐的方式，你可以通过 Java 代码连接到 WebLogic 的 MBean Server 来获取所有上述的监控指标。

核心步骤：

1. 获取 MBean Server: 连接到 WebLogic 服务器，获取其 MBean Server 的引用。
2. 构建 MBean Object Name: 每个MBean都有一个唯一的 ObjectName，它是一个类似域名的字符串，用于定位MBean。com.bea:Name=JDBCConnectionPoolRuntime,Type=JDBCConnectionPoolRuntime,Server=myserver。
3. 调用 MBean 方法: 通过 MBeanServerConnection 接口，你可以调用MBean的方法（如 getActiveConnectionsCount()）或获取其属性（如 HeapSizeCurrent）。

示例代码：

import javax.management.*;
import javax.management.remote.JMXConnector;
import javax.management.remote.JMXConnectorFactory;
import javax.management.remote.JMXServiceURL;
import java.util.HashMap;
import java.util.Map;
public class WebLogicJMXMonitor {
    public static void main(String[] args) {
        String host = "localhost";
        int port = 9002; // WebLogic Admin Server 的 JMX 端口，默认为 7001 或 9002
        String username = "weblogic";
        String password = "weblogic123";
        // JMX 连接 URL
        String jmxUrl = "service:jmx:t3://" + host + ":" + port;
        JMXServiceURL url = new JMXServiceURL(jmxUrl);
        Map<String, Object> env = new HashMap<>();
        env.put(JMXConnector.CREDENTIALS, new String[]{username, password});
        try (JMXConnector jmxc = JMXConnectorFactory.connect(url, env)) {
            MBeanServerConnection mbsc = jmxc.getMBeanServerConnection();
            // 1. 监控 JVM 堆内存
            ObjectName heapMBeanName = new ObjectName(
                "com.bea:Name=MemoryRuntime,Type=MemoryRuntime,Server=myserver" // 替换为你的服务器名
            );
            Long heapSizeCurrent = (Long) mbsc.getAttribute(heapMBeanName, "HeapSizeCurrent");
            Long heapSizeMax = (Long) mbsc.getAttribute(heapMBeanName, "HeapSizeMax");
            double heapUsagePercent = (heapSizeCurrent * 100.0) / heapSizeMax;
            System.out.printf("JVM Heap Usage: %.2f%% (%s / %s MB)%n",
                heapUsagePercent,
                bytesToMB(heapSizeCurrent),
                bytesToMB(heapSizeMax));
            // 2. 监控 JDBC 连接池
            ObjectName jdbcPoolMBeanName = new ObjectName(
                "com.bea:Name=MyJDBCConnectionPool,Type=JDBCConnectionPoolRuntime,Server=myserver" // 替换为你的连接池名
            );
            Integer activeConnections = (Integer) mbsc.getAttribute(jdbcPoolMBeanName, "ActiveConnectionsCurrentCount");
            Integer waitingForConnection = (Integer) mbsc.getAttribute(jdbcPoolMBeanName, "WaitingForCurrentCount");
            System.out.printf("JDBC Pool - Active Connections: %d, Waiting Threads: %d%n",
                activeConnections, waitingForConnection);
            // 3. 获取 Thread Dump (这是一个操作，不是属性)
            ObjectName serverMBeanName = new ObjectName(
                "com.bea:Name=Runtime,Type=ServerRuntime,Server=myserver" // 替换为你的服务器名
            );
            String threadDump = (String) mbsc.invoke(serverMBeanName, "dumpThreads", null, null);
            System.out.println("\n--- Thread Dump ---");
            System.out.println(threadDump.substring(0, 500) + "..."); // 只打印部分
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
    private static String bytesToMB(long bytes) {
        return String.format("%.2f", bytes / (1024.0 * 1024.0));
    }
}

优点:

• 功能最全面，可以获取 WebLogic 所有内部状态。
• 官方支持,稳定可靠。
• 非侵入式,无需修改业务应用代码。

缺点:

• 需要了解 WebLogic MBean 的结构,学习曲线较陡峭。
• 需要配置 WebLogic 的 JMX 网络访问（安全、防火墙等）。

使用 Micrometer + Prometheus + Grafana (现代云原生方案)

这是目前业界非常流行的监控方案，尤其适合微服务架构和云原生环境，它通过在应用内部埋点来暴露指标，然后由 Prometheus 采集，最后在 Grafana 中可视化。

核心组件：

1. Micrometer: 一个在 Java 应用中收集、聚合和发布指标的门面类库，它为各种监控系统（如 Prometheus, InfluxDB, JMX）提供了统一的 API。
2. Prometheus: 一个开源的监控和告警系统,它会定期从你的应用中拉取指标数据并存入时序数据库。
3. Grafana: 一个开源的可视化工具，可以从 Prometheus 数据源查询数据并创建炫酷的仪表盘。

实现步骤：

1. 在项目中添加依赖:

   <!-- Micrometer Core -->
   <dependency>
       <groupId>io.micrometer</groupId>
       <artifactId>micrometer-core</artifactId>
       <version>1.10.5</version>
   </dependency>
   <!-- Micrometer Prometheus Registry -->
   <dependency>
       <groupId>io.micrometer</groupId>
       <artifactId>micrometer-registry-prometheus</artifactId>
       <version>1.10.5</version>
   </dependency>
   <!-- 如果你使用 Spring Boot, Actuator 会自动提供 Prometheus 端点 -->

2. 在代码中创建和记录指标:

   import io.micrometer.core.instrument.Gauge;
   import io.micrometer.core.instrument.MeterRegistry;
   import io.micrometer.core.instrument.binder.jvm.JvmMemoryMetrics;
   import io.micrometer.prometheus.PrometheusConfig;
   import io.micrometer.prometheus.PrometheusMeterRegistry;
   public class MetricsService {
       private final MeterRegistry registry;
       public MetricsService() {
           this.registry = new PrometheusMeterRegistry(PrometheusConfig.DEFAULT);
           // 自动绑定 JVM 指标
           new JvmMemoryMetrics().bindTo(registry);
       }
       // 注册一个自定义的业务指标，比如当前处理的请求数
       public void registerActiveRequestsGauge() {
           Gauge.builder("app.active.requests", () -> getCurrentActiveRequestCount())
                .description("Number of currently active requests")
                .baseUnit("requests")
                .register(registry);
       }
       // 模拟获取当前请求数的方法
       private long getCurrentActiveRequestCount() {
           // 你的业务逻辑
           return Thread.activeCount(); // 这是一个简单的示例
       }
       // 提供 Prometheus 格式的指标数据
       public String scrape() {
           return registry.scrape();
       }
   }

3. 暴露指标端点: 在 WebLogic 应用中，你需要创建一个 Servlet 或 JAX-RS 端点，当 Prometheus 访问时，返回 scrape() 方法的输出。

4. 配置 Prometheus: 在 prometheus.yml 中配置抓取你的应用端点。

5. 配置 Grafana: 连接 Prometheus 数据源,创建仪表盘。

优点:

• 标准化，生态强大,是云原生的事实标准。
• 适合分布式系统,可以统一收集多个应用的指标。
• 拥有强大的告警规则和灵活的图表功能。

缺点:

• 需要额外搭建和维护 Prometheus 和 Grafana 服务。
• 需要在应用代码中显式地定义和埋点指标。

使用 APM 工具 (如 SkyWalking, Pinpoint)

APM (Application Performance Monitoring) 工具不仅提供指标监控，还提供链路追踪,能帮你定位到具体的慢查询或慢方法。

核心思想: 通过字节码增强或 Java Agent 的方式，在应用启动时自动探针，无需修改业务代码即可收集调用链、方法耗时、SQL 执行时间、JVM 等信息。

实现步骤:

1. 下载 APM Agent: SkyWalking 的 Java Agent。
2. 启动 WebLogic 时挂载 Agent: 在 WebLogic 的启动脚本（setDomainEnv.sh/cmd）中添加 JVM 参数：

   -javaagent:/path/to/skywalking-agent.jar
   -Dskywalking.agent.service_name=my-weblogic-app
   -Dskywalking.collector.backend_service=grpc://localhost:11800

3. 部署 APM 后端: 启动 SkyWalking OAP (Observability Analysis Platform) 服务器和 UI。
4. 访问 UI: 查看拓扑图、服务/实例指标、慢事务追踪等。

优点:

• 功能极其强大,性能分析和问题排查能力一流。
• 非侵入式（代码级）,无需修改业务逻辑。
• 提供端到端的分布式链路追踪。

缺点:

• APM 后端系统相对复杂,需要专门部署和维护。
• 可能会引入微小的性能开销（通常可接受）。

推荐方案

对于 Java 监控 WebLogic，没有唯一的“最佳”答案,取决于你的具体需求。

• 如果你是 WebLogic 运维人员，请优先掌握和使用 JMX，它是你与 WebLogic 沟通的核心桥梁。
• 如果你在构建新的云原生应用，Micrometer + Prometheus 是一个非常好的选择。
• 如果你被性能问题困扰，果断引入 APM 工具。

在实际项目中，常常会将这些方案组合使用，用 APM 做深度分析，用 JMX + Prometheus 做宏观的运维监控和告警。