ARMS 在 Java 场景针对接口粒度做了更详细的本地方法埋点,能够更好地定位根因。 上图右侧可以看到当前 span 相关的附加信息,包括 JVM 和主机的监控指标。此外,ARMS 还针对 Java 提供了较好的交互图表。除了 JVM 监控、主机监控外,还 包括容器的 Pod 监控、线程池监控等。业务高峰期很容易出现数据库连接池打满等 情况,以往此类问题难以排查.但有了池化监控,即可一眼定位到问题所在。通过上 下游的分析,能够很轻松地获知当前应用调用方的情况。ARMS 还提供了高阶的诊断能力,比如线程分析,可以针对每一类线程池观察线程消耗的 CPU、耗时以及线程数,也可以查看方法栈。
以上内容摘自 《2021 阿里云可观测技术峰会演讲实录合辑(下)》 电子书,点击https://developer.aliyun.com/ebook/download/7725 可下载完整版
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
云原生可观测基于Prometheus、Grafana 、OpenTelemetry 等核心产品, 形成指标、链路存储分析、异构数据源集成的数据层, 通过标准PromQL和SQL提供大盘展示、告警与探索能力。