1.部署Kafka监控
2.通过transmittable-thread-local源码理解线程池线程本地变量传递的原理
3.consulmanager部署和使用
4..NET 6+Loki+Grafana实现轻量级日志可视化服务功能
5.基于Prometheus + Grafana搭建IT监控报警最佳实践(2)
6.Go语言微服务框架重磅升级：dubbo-go v3.2.0 -alpha 版本预览
部署Kafka监控
在Kafka部署过程中，监控系统的设置至关重要。本文将简述搭建Kafka监控的实践经验，包括所选工具和环境配置步骤。
首先，确保Kafka实例在本地部署了三个实例，nlppython源码未使用Docker。监控方案选择了kafka_exporter、Prometheus和Grafana组合，详细选择理由可自行查阅网络资源。kafka_exporter在本地编译部署，因遇到go环境不匹配问题，最终选择源码编译，通过git克隆v1.7.0版本，设置goproxy以获取依赖库。编译过程中，对`go mod vendor`指令进行了修改，成功编译出kafka_exporter可执行文件，并针对多个Kafka实例制定了启动命令。
同时，为了监控系统负载，部署了node-exporter在Docker中，确保其固定IP以方便Prometheus的配置。node-exporter的IP设为..0.2，端口为。鸿蒙2.0源码编译
接下来是Prometheus的部署。首先通过Docker拉取prom/prometheus镜像，配置文件中包含了Prometheus自身、node-exporter（.网段）和kafka_exporter（..0.1）的采集项。使用命令`docker run`启动Prometheus，监听端口，与node-exporter和kafka_exporter通信。
Grafana的安装则在另一个目录B中进行，设置了读写权限后通过Docker拉取grafana/grafana镜像。部署时，Grafana容器的IP设为..0.4，监听端口。登录Grafana后，首先添加DataSource，指向Prometheus实例，然后导入官网提供的Linux系统模板（如、），Kafka监控模板（如），以及Prometheus模板（）以设置Dashboard。
总结，通过这些步骤，成功搭建了Kafka的监控系统，包括本地部署的kafka_exporter、Docker中的小红书关注源码node-exporter和Prometheus，以及Grafana用于可视化监控数据。
通过transmittable-thread-local源码理解线程池线程本地变量传递的原理
最近几周，我投入了大量的时间和精力，完成了UCloud服务和中间件迁移至阿里云的工作，因此没有空闲时间撰写文章。不过，回忆起很早之前对ThreadLocal源码的分析，其中提到了ThreadLocal存在向预先创建的线程中传递变量的局限性。恰好，我的一位前同事，HSBC的技术大牛，提到了团队引入了transmittable-thread-local（TTL）来解决此问题。借此机会，我深入分析了TTL源码，本文将全面分析ThreadLocal和InheritableThreadLocal的局限性，并深入探讨TTL整套框架的实现。如有对线程池和ThreadLocal不熟悉的读者，建议先阅读相关前置文章，本篇文章行文较为干硬，字数接近5万字，希望读者耐心阅读。
在Java中，没有直接的API允许子线程获取父线程的实例。获取父线程实例通常需要通过静态本地方法Thread#currentThread()。房产单页源码同样，为了在子线程中传递共享变量，也常采用类似的方法。然而，这种方式会导致硬编码问题，限制了方法的复用性和灵活性。为了解决这一问题，线程本地变量Thread Local应运而生，其基本原理是通过线程实例访问ThreadLocal.ThreadLocalMap来实现变量的存储与传递。
ThreadLocal与InheritableThreadLocal之间的区别主要在于控制ThreadLocal.ThreadLocalMap的创建时机和线程实例中对应的属性获取方式。通过分析源码，可以清楚地看到它们之间的联系与区别。对于不熟悉概念的读者，可以尝试通过自定义实现来理解其中的原理与关系。
ThreadLocal和InheritableThreadLocal的最大局限性在于无法为预先创建的线程实例传递变量。泛线程池Executor体系、TimerTask和ForkJoinPool等通常会预先创建线程，因此无法在这些场景中使用ThreadLocal和InheritableThreadLocal来传递变量。
TTL提供了更灵活的解决方案，它通过委托机制（代理模式）实现了变量的传递。委托可以基于Micrometer统计任务执行时间并上报至Prometheus，然后通过Grafana进行监控展示。此外，TTL通过字节码增强技术（使用ASM或Javassist等工具）实现了类加载时期替换Runnable、iapp抠图源码Callable等接口的实现，从而实现了无感知的增强功能。TTL还使用了模板方法模式来实现核心逻辑。
TTL框架的核心类TransmittableThreadLocal继承自InheritableThreadLocal，通过全局静态变量holder来管理所有TransmittableThreadLocal实例。holder实际上是一个InheritableThreadLocal，用于存储所有线程本地变量的映射，实现变量的全局共享。disableIgnoreNullValueSemantics属性的设置可以影响NULL值的处理方式，影响TTL实例的行为。
发射器Transmitter是TransmittableThreadLocal的一个公有静态类，提供传输TransmittableThreadLocal实例和注册当前线程变量至其他线程的功能。通过Transmitter的静态方法，可以实现捕获、重放和复原线程本地变量的功能。
TTL通过TtlRunnable类实现了任务的封装，确保在执行任务时能够捕获和传递线程本地变量。在任务执行前后，通过capture和restore方法捕获和重放变量，实现异步执行时上下文的传递。
启用TTL的Agent模块需要通过Java启动参数添加javaagent来激活字节码增强功能。TTL通过Instrumentation回调激发ClassFileTransformer，实现目标类的字节码增强，从而在执行任务时自动完成上下文的捕捉和传递。
TTL框架提供了一种高效、灵活的方式来解决线程池中线程复用时上下文传递的问题。通过委托机制和字节码增强技术，TTL实现了无入侵地提供线程本地变量传递功能。如果您在业务代码中遇到异步执行时上下文传递的问题，TTL库是一个值得考虑的解决方案。
consulmanager部署和使用
书接上回 渐行渐远：prometheus的安装以及监控指标的配置
这次主要介绍如何使用consulmanager 去监控各个监控项
一 consulmanager安装
github.com/starsliao/Te... #consulmanager项目地址
consulmanager 是一个开源的项目，现在已经更名为tensuns，有兴趣的可以自行研究
要想安装consulmanager，必须先安装下面三个 docker ，docker-compase， consul
1.1 安装consul
1.1.1 安装consul-基于centos7
1.1.2 生成uuid
1.1.3 配置文件设置
1.1.4 启动consul
访问方式 ip:
1.2 安装docker和docker-compase
1.2.1 安装docker
1.2.2 安装docker-compase
二 安装 ConsulManager
2.1 下载源码
下载地址 github.com/starsliao/Co...
目录结构如下：
2.2 docker-compose.yml 内容
2.3 启动并访问
三 配置consulmanager
3.1 云主机管理
3.1.1 同步云主机
云主机管理就是可以自动同步云服务器到consulmanager这个上面
前提是需要你在云账号里面创建access key 和secret key,这个账号还需要有访问主机的权限
新增云资源
创建完成之后，你可以手动同步，也可以自动同步，然后去云主机列表查看，是否同步过来了
3.1.2 批量云主机监控
前提是每天主机需要安装好node-exporter
选定好指定的组，选择好系统，点击生成配置，然后把这个配置，粘贴到prometheus的配置文件中
进行重启prometheus
然后进去到prometheus-target里进行查看
当然如果你的node-exporter的端口不是,怎么办，打开cousul的web页面，可以自定义设置
3.1.3 导入对应的模版
导入ID：
详细URL： grafana.com/grafana/das...
3.1.4 设置告警规则
3.2 blackbox站点监控设置
3.2.1. 配置Blackbox_Exporter
在Web页面点击
Blackbox 站点监控/Blackbox 配置，点击
复制配置，如下所示：
复制配置到 blackbox.yml，清空已有的配置，把复制的内容粘贴进去，重启blackbox_exporter
3.2.2 配置Prometheus
在Web页面点击 Blackbox 站点监控/Prometheus 配置，点击复制配置。编辑Prometheus的
prometheus.yml，把复制的内容追加到最后，reload或重启Prometheus
3.2.3. 配置Prometheus告警规则
在Web页面点击
Blackbox 站点监控/告警规则，点击复制配置。
编辑Prometheus的配置文件，添加 rules.yml，然后把复制的内容粘贴到rules.yml里面，reload或重启Prometheus。
然后去prometheus查看告警规则是否生成
3.2.4. 查看Prometheus
在Prometheus的Web页面中，点击Status-Targets，能看到新增的Job即表示数据同步到Prometheus。
3.2.5 新增tcp或者blogs.com/weskynet/p/领取本地安装包，包括源码。
解压Loki至本地后，根据文档配置文件。注意配置文件中的retention_period应为小时的整数倍。更多Loki配置信息，请参考grafana.com/docs/loki/l页面。
启动Loki服务，推荐在控制台操作以确保稳定运行。启动命令为：xxx.exe --config.file=配置文件.yaml。若条件允许，您也可将Loki服务挂载到Windows中，方法参考另一篇文章，了解如何挂载Elasticsearch等至Windows服务。
创建测试案例，使用基于.NET6的webapi服务。在此服务中，引用serilog包，并在appsetrings配置文件中添加日志输出配置，分别输出至控制台与Loki，并配置日志标签用于查询和规则匹配。
在启动项内注册serilog日志服务，确保自动关联配置文件。在控制器中新增日志写入测试方法，注入日志服务，输出不同类型的日志。
运行程序后，通过Swagger接口测试日志写入，控制台将显示日志输出。在Grafana中，通过数据源设置连接Loki，配置Loki部署地址（默认为本地），并测试连接成功。接下来，使用Explore菜单进行日志查询，预设查询区间，选择标签与标签值进行搜索，根据时间区间查询对应日志。同时，可以以Json形式查看日志，或进行关键字查询。
如果您需要配套的安装包和源码，可扫描下方二维码，或搜索公众号Dotnet Dancer，回复Loki获取所有内容。本文至此结束，希望对您的日志管理与分析工作有所帮助。
基于Prometheus + Grafana搭建IT监控报警最佳实践(2)
见字如面，大家好，我是小斐。延续前文，本文将深入探讨Prometheus和Grafana的监控体系。
首先，我们需要打开Prometheus和Grafana进行操作，访问地址分别为：...:/ 和 ...:/。
以node_exporter数据采集器为例，先确保其已安装于需要监控的主机。若要获取...主机的状态数据，需在该主机安装node_exporter采集器。
在prometheus.yml中添加需要抓取的目标源信息，具体操作为：在scrape_configs下添加job_name，指定静态目标，添加...:目标。
配置文件配置完成后，由于是静态的，需要重新加载配置文件，重启Prometheus以生效。
在targets中查看是否已抓取到目标，根据上图可见，...的主机节点数据已抓取到。在Prometheus中验证数据正确性，点击.dubbo.apache.org/zh-cn/overview/core-features/traffic/
流量管控商场示例：.dubbo.apache.org/zh-cn/overview/tasks/traffic-management/
作者：王宇轩，Apache Dubbo Committer