这个项目是做什么的
先简单说下它解决的问题。
我们平时做项目，最怕的其实不是报错，而是报错了没人知道。很多时候服务已经异常了，接口已经慢了，线程已经堆起来了，但是如果没有专门去看日志、看监控，就很容易错过。
所以我做这个项目的目的很明确，就是让业务项目只需要引入一个 starter，再配一个 webhook 地址，就能具备基础的告警推送能力。
目前它主要支持下面这些能力：
- 自动捕获未处理异常并推送告警
- 统计慢请求并推送告警
- 监控 HTTP 状态码，比如 500、502、503、504
- 采集 JVM 内存、线程等指标
- 支持 Druid 慢 SQL 告警和连接池状态监控
- 支持飞书、钉钉、企业微信等 webhook 推送
- 支持告警去重，避免同一类问题反复刷屏
- 支持内置一个简单的仪表盘页面
- 可以继续扩展 Prometheus、SkyWalking、ELK
说白了，它不是想替代完整的监控平台，而是想先把最常用、最直接、最容易落地的告警能力沉淀成一个通用组件。
二、为什么我要做这个项目
这个项目其实不是为了炫技，而是因为业务里确实有这种需求。
以前碰到线上问题，很多时候还是靠人去盯日志、看群消息、查监控。项目一多之后，这种方式很容易漏。尤其是一些小问题，可能还没到系统彻底挂掉的程度，但是已经开始慢慢恶化了，比如：
- 某个接口偶发报错
- 某个请求耗时突然变长
- 某个机器内存使用率持续升高
- 某个 SQL 执行越来越慢
这些问题如果能在第一时间被推送出来，很多时候就能提前处理，不会等到影响面变大了再去救火。
我自己一直比较喜欢做一些实用型的东西，所以这个项目的思路也比较简单：
- 先把最核心的告警能力做出来；
- 尽量做到接入简单；
- 不强依赖太多外部系统；
- 后续有需要再往外扩展。
三、项目结构
整个项目采用的是 Maven 多模块结构，拆分得比较清晰。
pcm-prometheus-alert/ ├── pcm-prometheus-alert-core ├── pcm-prometheus-alert-spring-boot-starter ├── pcm-prometheus-alert-sql-starter ├── pcm-prometheus-alert-extensions └── pcm-prometheus-alert-demo各模块的作用大概如下：
pcm-prometheus-alert-core：核心模型和告警处理逻辑pcm-prometheus-alert-spring-boot-starter：Spring Boot 自动装配pcm-prometheus-alert-sql-starter：Druid 慢 SQL 和数据源监控pcm-prometheus-alert-extensions：Prometheus、SkyWalking、ELK 等扩展pcm-prometheus-alert-demo：本地测试示例
这样拆的好处也比较直接，就是业务项目按需引入，不需要的功能不用带上。
四、主要功能
这里把我目前已经做好的核心功能简单列一下。
1. 异常告警
这个是最基础的能力。
项目里如果出现没有处理的异常，会自动捕获并生成告警消息，然后推送到 webhook 对应的群里。这样做的好处是，不用等到用户反馈，自己就能先看到异常。
而且我这里还加了两个比较实用的小功能：
- 支持排除指定异常
- 支持堆栈截断
这样可以避免一些参数校验类异常也跟着一起刷屏。
2. 慢请求告警
这个也很实用。
很多线上问题不是直接报错，而是接口越来越慢。通过请求过滤器统计耗时后，只要超过阈值，就会自动触发告警。
同时也支持排除一些不需要监控的路径，比如：
/actuator/**/health/favicon.ico
这样就不会把一些无意义的请求也统计进去。
3. HTTP 状态码告警
有些问题不会抛异常，但是最后返回的是 500 或者 503，这种情况如果只看异常日志，未必第一时间能注意到。
所以这里也把状态码告警加进去了，默认会关注这些状态码：
- 500
- 502
- 503
- 504
4. JVM 指标告警
目前支持的主要是 JVM 堆内存、线程数这些比较常用的指标。
如果堆内存占用过高，或者线程数超过阈值，就会自动推送告警。对一些内存持续上涨、线程池堆积这类问题，还是比较有帮助的。
5. SQL 告警
如果项目里本身用的是 Druid，那么可以进一步把慢 SQL 和连接池状态也接进来。
这个场景在业务里也很常见，因为很多时候接口慢，根子其实不在 Java 代码本身，而是在 SQL 执行慢、连接池等待时间长。
6. 多平台 webhook 推送
目前支持：
- 默认 JSON
- 飞书
- 钉钉
- 企业微信
也就是说，不管你们团队平时主要用哪一种 IM 工具，基本都可以直接接入。
7. 告警去重
这个功能我觉得很重要。
如果一个异常在几秒钟之内连续触发很多次，而每一次都推送，很快群里就会被刷满，最后反而没人愿意看。
所以这里做了冷却窗口去重，同一类告警在一段时间内只会推送一次，尽量做到有用，而不是打扰。
8. 内置仪表盘
这个我自己也比较喜欢。
为了方便本地测试和快速查看运行状态，starter 里内置了一个很轻量的页面，访问：
http://localhost:{port}/pcm-alert/
就可以看到当前服务的一些基础信息，比如 JVM 内存、线程信息、系统信息和告警状态。
效果图如下：
五、如何使用
这个部分我尽量写得直接一点。
1. 先把项目拉下来
git clone https://gitee.com/XuWuJing/pcm-prometheus-alert.git cd pcm-prometheus-alert mvn clean install -DskipTests因为现在项目代码已经完整了，所以你可以先在本地安装一遍，然后再在业务项目里引用对应的 starter。
2. 业务项目引入 starter
如果你只是想先用基础告警能力，那么直接引入下面这个依赖就可以了：
<dependency> <groupId>com.pcm.alert</groupId> <artifactId>pcm-prometheus-alert-spring-boot-starter</artifactId> <version>0.1.0-SNAPSHOT</version> </dependency>如果你还想接慢 SQL 和数据源告警，那么再额外引入：
<dependency> <groupId>com.pcm.alert</groupId> <artifactId>pcm-prometheus-alert-sql-starter</artifactId> <version>0.1.0-SNAPSHOT</version> </dependency>3. 配置 application.yml
最基础的配置其实很少，先把总开关和 webhook 配上就行。
pcm: alert: enabled: true webhook: https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxx webhook-format: feishu service-name: order-service environment: prod如果想把常用能力都一起带上，可以参考下面这个配置：
pcm: alert: enabled: true webhook: https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxx webhook-format: feishu service-name: ${spring.application.name} environment: ${spring.profiles.active} publisher: async: true queue-size: 100 timeout-ms: 3000 dedupe: enabled: true cooldown-seconds: 300 exception: