Библиотека Java разработчика

🕸️ Распределенная Трассировка: Ищем "бутылочное горлышко" (Zipkin & Jaeger) Если логи это текст, а метрики это графики, то трассировка это диаграмма Ганта (каскад) для каждого отдельного HTTP-запроса. 🧩 Главные понятия: Trace и Span Вся магия строится на двух терминах: 1. Trace (След/Трасса): Это весь путь запроса от клика пользователя в браузере до самого глубокого ответа от базы данных. У него есть единый Trace ID. 2. Span (Пролет/Отрезок): Это один конкретный шаг внутри Трассы. Например, "поход в базу данных" - это один Span. "HTTP-запрос в сервис оплаты" - это другой Span. У каждого спана есть свой Span ID и информация о том, сколько миллисекунд он выполнялся. 🕵️‍♂️ Как сервисы передают ID друг другу? Когда Gateway принимает запрос, он генерирует Trace ID (например, abc-123) и кладет его в HTTP-заголовки (обычно используется стандарт W3C traceparent или b3). Когда Gateway вызывает OrderService, он передает эти заголовки дальше. OrderService читает их и понимает: "Ага, я часть большой трассы abc-123". Вам не нужно писать этот код руками! В Spring Boot 3 за это отвечает библиотека Micrometer Tracing. Она автоматически перехватывает все вызовы через RestTemplate, WebClient, Feign и запросы к БД, вклеивая туда нужные ID. 🛠 Настройка (Spring Boot 3 + Zipkin) Вам нужно добавить всего пару зависимостей в pom.xml:

    
        
<dependency>
    <groupId>io.micrometer</groupId>
    <artifactId>micrometer-tracing-bridge-brave</artifactId>
</dependency>
<dependency>
    <groupId>io.zipkin.reporter2</groupId>
    <artifactId>zipkin-reporter-brave</artifactId>
</dependency>

{}
    

В application.yaml указываем адрес сервера Zipkin:

    
        
management:
  tracing:
    sampling:
      probability: 1.0 # Отправлять 100% запросов (на проде обычно ставят 0.1, чтобы не грузить сеть)
  zipkin:
    tracing:
      endpoint: "http://localhost:9411/api/v2/spans"

{}
    

🔭 Zipkin и Jaeger: UI для детективов Ваши микросервисы в фоновом режиме отправляют данные о спанах (время старта и конца) в специальный сервер. Самые популярные решения это Zipkin (написан на Java, проще) или Jaeger (от Uber, написан на Go, мощнее). Вы заходите в веб-интерфейс Jaeger, вбиваете Trace ID (который вы скопировали из логов в Kibana) и видите красивую цветную лесенку: 🟦 Gateway (Всего: 5.0s) 🟩 OrderService.create() (4.9s) 🟨 DB: INSERT order (0.05s) 🟧 PaymentService.pay() (4.8s) 👈 АГА! ВОТ КТО ТОРМОЗИТ! 🟥 External Bank API (4.75s) За 5 секунд вы поняли, что проблема не в вашем коде и не в вашей базе данных, а в том, что API стороннего банка отвечает почти 5 секунд. Вы сэкономили часы дебага! 🔥 Итог: "Святая Троица" Observability Теперь у вас есть полный набор инструментов Senior-разработчика: 1. Метрики (Prometheus/Grafana): Говорят ЕСТЬ ЛИ проблема. (У нас всплеск 500-х ошибок!). 2. Трассировка (Jaeger/Zipkin): Говорит ГДЕ проблема. (Ошибки летят из Payment Service при походе в банк). 3. Логи (ELK): Говорят В ЧЕМ проблема. (Смотрим логи Payment Service по Trace ID и видим: ConnectionTimeoutException). #DevOps #Jaeger #Zipkin #Tracing #Microservices #SpringBoot 📲 Мы в MAX 👉@BookJava

🚀 Подборка полезных IT каналов в Max Системное администрирование, DevOps 📌 https://max.ru/i_odmin Все для системного администратора https://max.ru/bash_srv Bash Советы https://max.ru/sysadminof Книги для админов, полезные материалы https://max.ru/i_odmin_book Библиотека Системного Администратора https://max.ru/i_devops DevOps: Пишем о Docker, Kubernetes и др. 1C разработка 📌 https://max.ru/odin1c_rus Cтатьи, курсы, советы, шаблоны кода 1С Программирование C++📌 https://max.ru/cpp_lib Библиотека C/C++ разработчика Программирование Python 📌 https://max.ru/python_of Python академия. https://max.ru/BookPython Библиотека Python разработчика Java разработка 📌 https://max.ru/bookjava Библиотека Java разработчика GitHub Сообщество 📌 https://max.ru/githublib Интересное из GitHub Базы данных (Data Base) 📌 https://max.ru/database_info Все про базы данных Фронтенд разработка 📌 https://max.ru/frontend_1 Подборки для frontend разработчиков Библиотеки 📌 https://max.ru/programmist_of Книги по программированию https://max.ru/proglb Библиотека программиста https://max.ru/bfbook Книги для программистов Программирование 📌 https://max.ru/bookflow Лекции, видеоуроки, доклады с IT конференций https://max.ru/itmozg Программисты, дизайнеры, новости из мира IT https://max.ru/php_lib Библиотека PHP программиста 👨🏼‍💻👩‍💻 Шутки программистов 📌 https://max.ru/itumor Шутки программистов Защита, взлом, безопасность 📌 https://max.ru/thehaking Канал о кибербезопасности https://max.ru/xakkep_1 Хакер Free Книги, статьи для дизайнеров 📌 https://max.ru/odesigners Статьи, книги для дизайнеров Математика 📌 https://max.ru/Pomatematike Канал по математике https://max.ru/phismat_1 Обучающие видео, книги по Физике и Математике Вакансии 📌 https://max.ru/progjob Вакансии в IT Мир технологий 📌 https://max.ru/mir_teh Канал для любознательных Бонус 📌 https://max.ru/piterspb_78 Свежие новости Санкт-Петербурга https://max.ru/mockva_life Свежие новости Москвы

🪵 ELK Stack: Гугл для ваших логов ELK - это аббревиатура трех инструментов, которые стали стандартом индустрии: 1. Elasticsearch (База данных). 2. Logstash (Труба). 3. Kibana (Интерфейс). В современном мире к ним часто добавляется Filebeat (или Fluentd), и стек превращается в EFK. 🏗 Как это работает? (Архитектура) Представьте конвейер: 1. Java App: Просто пишет логи в консоль (STDOUT) в формате JSON. 2. Filebeat: Маленький агент, который стоит на каждом сервере (или в каждом Поде K8s). Он "слушает" консоль приложения, собирает строки и отправляет их дальше. 3. Logstash: (Опционально) Фильтрует и обрабатывает логи (например, скрывает пароли, парсит даты). 4. Elasticsearch: Хранит терабайты логов и позволяет искать по ним мгновенно. 5. Kibana: Сайт, на который вы заходите, чтобы увидеть графики и поиск. 📝 1. JSON Logging: Забудьте про текст Обычные логи Java выглядят так: 2023-10-25 INFO [main] UserService: User created Это плохо. Компьютеру сложно понять, где тут дата, а где сообщение. В микросервисах мы пишем логи в JSON:

    
        
{
  "timestamp": "2023-10-25T10:00:00",
  "level": "INFO",
  "logger": "UserService",
  "message": "User created",
  "user_id": "123",
  "trace_id": "abc-987"
}

{}
    

Как сделать в Spring Boot? Подключаем библиотеку logstash-logback-encoder и настраиваем logback-spring.xml. Теперь ваши логи это структурированные данные, по которым можно фильтровать! 🔍 2. Correlation ID (Trace ID) - Самое важное! Представьте ситуацию: User - Service A - Service B - Service C (Ошибка!). Вы видите ошибку в логах Service C. Но кто её вызвал? Какой пользователь? С какого запроса всё началось? Без связующей нити вы потратите часы на расследование. Решение: Micrometer Tracing (бывший Spring Cloud Sleuth). Он автоматически добавляет Trace ID и Span ID в каждый лог. • Trace ID: Одинаковый для всей цепочки запросов (от входа пользователя до базы данных). • Теперь в Kibana вы просто вбиваете trace_id="abc-987" и видите все логи всех сервисов, которые участвовали в этом конкретном запросе. 📊 3. Kibana: Визуализация Kibana — это не просто поиск. Это аналитика. Вы можете построить дашборд: • Круговая диаграмма: Распределение ошибок по типам (NPE, DatabaseTimeout). • График: Количество логинов в минуту. • Таблица: Топ-10 самых медленных SQL-запросов (если вы логируете время выполнения). 🛠 Pro-Tip: MDC (Mapped Diagnostic Context) Хотите, чтобы в каждом логе автоматически писался ID текущего пользователя или IP-адрес, но не хотите передавать их в каждый метод? Используйте MDC.

    
        
// В фильтре на входе запроса
MDC.put("userId", request.getHeader("X-User-ID"));

// Где-то глубоко в сервисе
log.info("Заказ создан"); 
// В JSON-логе автоматически появится поле "userId": "123"

// В конце
MDC.clear();

{}
    

🔥 Итог 1. Приложение пишет логи в JSON в консоль. 2. Filebeat забирает их и кидает в Elasticsearch. 3. Разработчик открывает Kibana и ищет проблему за 5 секунд по Trace ID. 4. Никаких SSH и grep. #DevOps #ELK #Logging #Kibana #Elasticsearch 📲 Мы в MAX 👉@BookJava

👩‍💻 Открытый урок «JDBC — ваш швейцарский нож для работы с данными» 🗓 26 февраля в 20:00 МСК 🆓 Бесплатно. Урок в рамках старта курса «Java Developer. Professional» от Otus. Мастерство работы с базами данных: эффективные инструменты и лучшие практики для разработчиков. О чём поговорим:  ✔ Основы JDBC: что это такое, зачем нужно и как работает ✔ Практические примеры выполнения сложных запросов ✔ Работа с транзакциями и обработка ошибок в JDBC ✔ Оптимизация производительности при работе с данными через JDBC Кому будет интересно: Вебинар будет полезен разработчикам, инженерам по базам данных и архитекторам ПО, стремящимся улучшить навыки работы с базами данных и оптимизировать взаимодействие с данными. 🔗 Ссылка на регистрацию: https://vk.cc/cUM6xz Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

📊 Мониторинг: Пульс вашего приложения В мире мониторинга Java есть три главных игрока: 1. Spring Boot Actuator (Генерирует метрики). 2. Prometheus (Собирает и хранит их). 3. Grafana (Рисует красивые графики). Давайте разберем, как они работают вместе. 1️⃣ Spring Boot Actuator & Micrometer Сначала нужно научить приложение рассказывать о себе. В Spring Boot это делается добавлением двух зависимостей: Actuator и Micrometer. Micrometer это как SLF4J, только для метрик. Это фасад. Вы пишете код один раз, а Micrometer умеет отправлять эти данные хоть в Prometheus, хоть в Datadog, хоть в New Relic. В pom.xml:

    
        
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-actuator</artifactId>
</dependency>
<dependency>
    <groupId>io.micrometer</groupId>
    <artifactId>micrometer-registry-prometheus</artifactId>
</dependency>

{}
    

В application.yaml:

    
        
management:
  endpoints:
    web:
      exposure:
        include: prometheus, health, info

{}
    

Теперь, если вы перейдете по адресу /actuator/prometheus, вы увидите не JSON, а скучный текст:

    
        
# HELP jvm_memory_used_bytes The amount of used memory
# TYPE jvm_memory_used_bytes gauge
jvm_memory_used_bytes{area="heap",id="G1 Eden Space",} 2.5165824E7
http_server_requests_seconds_count{uri="/users",status="200",} 452.0

{}
    

Это и есть пища для Прометея. 2️⃣ Prometheus: Пылесос данных Prometheus это Time Series Database (База данных временных рядов). Она хранит цифры с привязкой ко времени. Его киллер-фича: Pull Model (Модель вытягивания). В отличие от логов, которые приложение само отправляет (Push), Prometheus сам приходит к вашему приложению раз в 15 секунд и скачивает (Scrape) данные со страницы /actuator/prometheus. Почему Pull лучше Push? Если ваше приложение под дикой нагрузкой и умирает, оно не сможет отправить метрики. Но Prometheus придет, увидит, что ответа нет, и зафиксирует: "Сервис упал". 3️⃣ Grafana: Капитанский мостик Prometheus хранит данные, но смотреть на них в текстовом виде больно. Grafana подключается к Prometheus и превращает скучные цифры в космолет. Вы можете создать дашборды для всего: 🔴JVM: Сколько памяти съедено? Как часто работает Garbage Collector? 🔴Tomcat: Сколько потоков занято? 🔴Бизнес-метрики: Сколько заказов оформлено за час? Какая выручка? Alerting (Оповещения): Самое важное - Графана умеет "кричать". Вы настраиваете правило: "Если количество ошибок 500 превышает 1% в течение 5 минут - отправь сообщение в Telegram/Slack команде дежурных". 🛠 Кастомные метрики Spring дает кучу метрик из коробки (CPU, Memory, HTTP requests). Но бизнесу нужны свои цифры. Создать их легко через MeterRegistry.

    
        
@Service
public class OrderService {

    private final Counter orderCounter;

    public OrderService(MeterRegistry registry) {
        // Создаем счетчик "orders.created"
        this.orderCounter = registry.counter("orders.created");
    }

    public void createOrder(Order order) {
        repo.save(order);
        orderCounter.increment(); // +1 к метрике
    }
}

{}
    

Теперь в Grafana вы увидите график "Заказов в секунду". 🔥 Итог 1. Actuator открывает "дверь" (/actuator/prometheus). 2. Prometheus заходит в эту дверь каждые 15 секунд и забирает цифры. 3. Grafana рисует графики на основе этих цифр и будит вас ночью, если всё сломалось. #DevOps #Monitoring #Prometheus #Grafana #SpringBoot 📲 Мы в MAX 👉@BookJava

☸️ Kubernetes: Оркестратор вашего зоопарка Представьте, что у вас 50 микросервисов, каждый запущен в 3 экземплярах (для надежности). Итого 150 контейнеров. Вдруг сервер №2 сгорает. 50 контейнеров умирают. Без K8s: Админ просыпается в 3 ночи и руками запускает их на сервере №3. С K8s: Вы спите. K8s замечает, что "кого-то не хватает", и сам перезапускает умершие контейнеры на живых серверах за секунды. Это называется Self-healing (Самовосстановление). Чтобы понять K8s, нужно выучить всего три главных слова: Pod, Deployment, Service. 📦 1. Pod - Атом системы В Docker мы запускаем Контейнеры. В Kubernetes мы запускаем Поды. • Pod - это минимальная единица. Это обертка вокруг одного (или нескольких) контейнеров. • У Пода есть свой IP-адрес. • Обычно: 1 Pod = 1 Контейнер с вашим app.jar. • Редко: 1 Pod = Java App + Sidecar (например, агент логирования). Они живут вместе, как сиамские близнецы, и делят сеть. 👮‍♂️ 2. Deployment (Развертывание) - Начальник Вы никогда не создаете Поды вручную. Потому что Поды смертны. Если Под умер - он умер. Вместо этого вы создаете Deployment. Это инструкция для K8s:

"Я хочу, чтобы у меня ВСЕГДА было 3 копии моего приложения OrderService".

Deployment создает ReplicaSet, который следит за численностью. • Если один Под упал K8s создает новый. • Если нагрузка выросла Вы меняете цифру 3 на 10, и K8s мгновенно создает еще 7 копий. 🚦 3. Service (Сервис) - Единая точка входа Поды рождаются и умирают. У них меняются IP-адреса. Как фронтенду узнать, на какой IP слать запрос, если они меняются каждую минуту? Тут выходит Service. Это стабильный сетевой адрес (и DNS-имя), который не меняется никогда. • Service работает как Load Balancer (Балансировщик). • Он принимает запрос на http://order-service и пересылает его на один из живых Подов. Ему все равно, 3 их или 30. 📝 Как это выглядит в коде? (YAML) В мире K8s мы не пишем команды, мы пишем Манифесты (YAML-файлы), описывающие Желаемое состояние.

    
        
# 1. Описываем Deployment (Что запускать?)
apiVersion: apps/v1
kind: Deployment
metadata:
  name: my-java-app
spec:
  replicas: 3 # Хочу 3 экземпляра!
  selector:
    matchLabels:
      app: backend
  template:
    metadata:
      labels:
        app: backend
    spec:
      containers:
      - name: java-app
        image: my-docker-hub/app:v1 # Берем этот образ
        ports:
        - containerPort: 8080

---
# 2. Описываем Service (Как достучаться?)
apiVersion: v1
kind: Service
metadata:
  name: my-backend-service
spec:
  selector:
    app: backend # Ищи Поды с меткой 'backend'
  ports:
    - protocol: TCP
      port: 80 # Внешний порт
      targetPort: 8080 # Порт контейнера

{}
    

Вы скармливаете этот файл командой kubectl apply -f app.yaml, и магия случается. 🔥 Итог 1. Pod: Обертка над контейнером. 2. Deployment: Следит, чтобы нужное количество Подов всегда работало. 3. Service: Стабильный адрес, распределяющий запросы по Подам. #Kubernetes #K8s #DevOps #Docker #Java 📲 Мы в MAX 👉@BookJava

⚡️ Хотите освоить Backend-разработку с нуля, но не знаете, с чего начать? Java — это лучший старт! Курс «Java-разработчик» от OTUS — это 15 месяцев обучения, которое откроет вам двери в мир Java-разработки. Программа включает живые лекции от опытных наставников и актуальные инструменты, такие как IntelliJ IDEA, Spring, Hibernate, Docker и Kubernetes. Мы разбираем всё: от синтаксиса Java до создания серверных приложений и работы с базами данных. После курса вы сможете: ✔ создавать серверные приложения на Java; ✔ работать с реляционными и NoSQL базами данных; ✔ осваивать и применять фреймворки Spring, Hibernate, Docker, Kafka, RabbitMQ; ✔ претендовать на позицию Middle Java Developer в крупных компаниях. Оставьте заявку и получите скидку на большое обучение «Java-разработчик»: https://vk.cc/cUAK9u Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

🚀 CI/CD: Роботы делают рутину за вас Аббревиатура состоит из двух частей, и они решают разные проблемы. 🛠 1. CI (Continuous Integration / Непрерывная интеграция) Суть: Разработчики постоянно (несколько раз в день) сливают свой код в общую ветку (например, main или develop). Каждый раз, когда вы делаете git push, специальный сервер (GitLab CI, GitHub Actions, Jenkins) автоматически: 1. Скачивает ваш свежий код. 2. Собирает проект (mvn clean compile). 3. Запускает все Unit и Integration тесты. Если хоть один тест упал - сборка помечается красным крестиком (Build Failed). Код не пройдет дальше. Итог: Ваша главная ветка в Git всегда находится в рабочем состоянии. 📦 2. CD (Continuous Delivery & Deployment) Здесь две буквы "D", и они немного отличаются: 🔴Continuous Delivery (Доставка): Код автоматически собирается в готовый артефакт (например, Docker-образ) и кладется в хранилище. Нажать кнопку "Опубликовать на Production" должен человек (например, тимлид). 🔴Continuous Deployment (Развертывание): Полная автоматизация. Прошли тесты? Собрался образ? Он сразу же автоматически загружается на боевой сервер и заменяет старую версию. (Так делает Amazon, выкатывая обновления тысячи раз в день). ⚙️ Анатомия Пайплайна (Pipeline) Пайплайн - это скрипт, состоящий из шагов (Stages), которые выполняются строго друг за другом. Упал предыдущий - следующий не запустится. Типичный пайплайн для Spring Boot + Docker: 1. Lint (Проверка стиля кода, нет ли неиспользуемых импортов). 2. Test (Запуск JUnit тестов). 3. Build (Сборка `app.jar`). 4. Dockerize (Сборка Docker-образа и отправка его в Docker Registry). 5. Deploy (Команда серверу: "Скачай новый образ и перезапустись"). 💻 Как это выглядит в коде? (GitHub Actions) Вам не нужно кликать мышкой в интерфейсах. Пайплайн описывается кодом (YAML) и лежит прямо в вашем репозитории (подход Infrastructure as Code). Вот пример простого .github/workflows/build.yml для Java-проекта:

    
        
name: Spring Boot CI/CD

on:
  push:
    branches: [ "main" ] # Запускать только при пуше в main

jobs:
  build-and-test:
    runs-on: ubuntu-latest # Выделяем виртуальную машину Linux
    
    steps:
    - uses: actions/checkout@v3 # 1. Скачиваем код из Git
    
    - name: Установка Java 17
      uses: actions/setup-java@v3
      with:
        java-version: '17'
        distribution: 'temurin'
        
    - name: Сборка и Тесты (Maven) # 2. Запускаем тесты и сборку
      run: ./mvnw clean package
      
    # Дальше могут быть шаги для сборки Docker и деплоя...

{}
    

Стоит вам сделать git push, и GitHub сам поднимет сервер, выполнит эти команды и пришлет вам письмо, если что-то сломалось. 🆚 Что выбрать? 🔴Jenkins: "Дед" в мире CI/CD. Мощный, гибкий, но сложный в настройке (нужно поднимать свой сервер). Написан на Java. 🔴GitLab CI: Стандарт индустрии корпоративного сектора. Очень удобен, так как встроен прямо в репозиторий кода. 🔴GitHub Actions: Современный, быстрый, идеален для Open Source и проектов, уже живущих в GitHub. 🔥 Итог CI/CD убивает фактор "человеческой ошибки". Вы перестаете бояться релизов. Деплой новой фичи превращается из стрессового события в пятницу вечером в скучную рутину: сделал пуш подождал 5 минут фича на проде. #DevOps #CICD #Java #SpringBoot #GitHubActions 📲 Мы в MAX 👉@BookJava