Pcion's Blog

這篇文章記錄如何透過 opentelemetry-collector 蒐集 Spring Boot 應用程式產生的監控數據，並將應用程式端送出的 traces、metrics 與 logs 統一交由 OpenTelemetry Collector 接收與處理。

OpenTelemetry Collector 在整個流程中扮演中介層的角色。Spring Boot 應用程式會透過 OTLP 將資料送到 Collector，Collector 再依照設定把不同類型的 telemetry data 分別交給對應的 exporter。這樣可以讓應用程式端維持一致的輸出方式，後續若要更換監控後端，也能集中調整 Collector 設定。

本文會依序完成以下設定：

1. 安裝 OpenTelemetry Collector
2. 修改 Collector 設定檔
3. 設定 Collector 接收 OTLP 資料並輸出 Prometheus metrics
4. 在 Spring Boot 專案中加入 OpenTelemetry 相關依賴
5. 設定 Spring Boot 將資料送到 Collector

這篇文章記錄如何在 Spring Boot 應用程式中加入 micrometer-registry-prometheus，並透過 Spring Boot Actuator 暴露 Prometheus 可以抓取的 Metrics endpoint。

Grafana 與 Prometheus 的安裝流程已經在前一篇文章介紹過，因此本文會專注在 Spring Boot 與 Prometheus 之間的設定：Spring Boot 要如何產生監控指標、Prometheus 要如何抓取這些指標，以及設定完成後要如何確認資料是否正常。

整體架構

在這個監控流程中，Spring Boot 應用程式本身不會主動把資料推送到 Prometheus，而是透過 Actuator 開放 /actuator/prometheus endpoint。Prometheus 會依照設定的間隔定期呼叫這個 endpoint，將應用程式的 Metrics 抓回來儲存。

整體流程如下：

1. Spring Boot 加入 Actuator 與 Prometheus Registry 相依套件
2. Spring Boot 開放 /actuator/prometheus endpoint
3. Prometheus 設定 scrape target，定期抓取 Spring Boot Metrics
4. 在 Prometheus Web UI 確認 target 狀態與查詢 Metrics
5. Grafana 透過 Prometheus 資料來源建立 Dashboard

本文會聚焦在前四個步驟，Grafana Dashboard 的操作不會在這篇文章中展開。

這篇文章記錄如何在 Linux 環境中安裝 Prometheus、Grafana 與 Node Exporter，並透過 Grafana 匯入 Node Exporter Dashboard，建立一套基本的主機監控環境。

整體流程會先完成 Prometheus 的服務安裝，再安裝 Grafana 作為視覺化介面，接著部署 Node Exporter 讓 Prometheus 能夠收集主機 Metrics，最後在 Grafana 中設定資料來源並匯入 Dashboard。

簡介

在開發 Java 應用程式時，很多問題只有在特定環境才會出現。例如應用程式部署在遠端 Linux 主機、Docker container、Kubernetes Pod，或是某個測試環境中，單靠本機重現不一定能完整模擬實際狀況。這時候，遠端 Debug 就會變得很有用。

Java 本身提供 JDWP（Java Debug Wire Protocol）作為除錯器與 JVM 之間的溝通協議。只要啟動 Java 應用程式時開啟 JDWP debug port，VS Code 就可以透過 Debugger for Java 連線到該 JVM，像在本機除錯一樣設定中斷點、查看變數、逐步執行程式碼。

這篇文章會介紹如何使用 VS Code 連線到遠端 Java 應用程式進行 Debug，並說明 JDWP 啟動參數、VS Code launch.json 設定，以及常見連線問題的排查方式。

在 Spring Boot 應用程式中，Log 通常會先輸出到 Console 或檔案，方便開發與單機排查問題。不過當服務數量變多、部署環境變複雜後，單靠各主機上的 Log 檔案會讓查詢與追蹤變得不方便。這時可以透過 Logstash 接收 Spring Boot 輸出的結構化 Log，再寫入 Elasticsearch，讓後續查詢、分析與視覺化更加集中。

本文會記錄如何在 Linux 環境安裝 Logstash，設定 Logstash 將 TCP 收到的 JSON Log 寫入 Elasticsearch，最後再於 Spring Boot 的 logback 設定中加入 Logstash Appender，讓應用程式 Log 可以送進 Elasticsearch。

什麼是 Jaeger？

Jaeger 是一套開源的分散式追蹤系統，常用於觀察微服務架構中請求在不同服務之間的流向、耗時與錯誤位置。透過 Jaeger，可以把分散在多個服務中的 trace 資料集中起來，協助開發者分析效能瓶頸與服務之間的呼叫關係。

本文會示範如何在 Ubuntu 環境中安裝 Jaeger Tracing，並透過 systemd 將 Jaeger 設定成系統服務。這裡使用 Jaeger 的 OpenTelemetry Native Backend 設定，讓服務可以接收 OTLP gRPC 與 HTTP 格式的 trace 資料，並透過 Jaeger Query UI 查詢追蹤結果。

Jaeger 的主要功能：

• 分散式追蹤：記錄請求在多個服務之間的完整流向
• 效能分析：查看每個 span 的耗時，協助找出延遲來源
• 錯誤排查：透過 trace 資料定位服務呼叫失敗或異常的位置
• 服務觀察：搭配 OpenTelemetry 收集 trace，建立基本的可觀測性基礎

為什麼使用 Jaeger？

相較於只依賴應用程式日誌，Jaeger 可以用更直觀的方式呈現跨服務請求的完整脈絡：

1. 請求脈絡清楚：可以追蹤一次請求經過哪些服務與操作
2. 問題定位更快：能從 trace 中看出延遲、錯誤與異常發生的位置
3. 支援 OpenTelemetry：可以接收 OTLP gRPC 與 HTTP 格式的 trace 資料

這篇文章記錄如何在 Ubuntu 26.04 環境中安裝 Elasticsearch 與 Kibana，並完成基本的服務啟動、記憶體限制、設定檔調整，以及後續登入 Kibana 所需的密碼與 enrollment token 取得流程。

本文使用 Elastic 官方 APT 儲存庫安裝套件，版本來源為 packages/9.x/apt。安裝完成後，Elasticsearch 會啟用內建安全功能，因此後續需要透過重設密碼與建立 enrollment token 來完成 Kibana 的連線設定。

Chrome Extension 最迷人的地方，是它可以在不改動網站原始碼的情況下，替既有網頁補上一層新的操作體驗。這篇文章會以 coolpc-plus 這個專案為範例，拆解一個 Chrome Extension 如何在原價屋估價頁注入側邊欄、讀取頁面零件清單、呼叫 AI Provider，最後把推薦零件反映回原本的頁面。

這個專案不需要打包流程，也沒有複雜的前端框架。整體使用 Chrome Extension Manifest V3、原生 JavaScript、HTML 與 CSS 完成，因此很適合拿來理解 Chrome 插件的基本架構。

Docker 是容器化技術的核心工具，掌握其常用指令對於日常開發和運維工作至關重要。本指南將介紹最實用的 Docker 指令，並提供詳細的使用說明和範例。

簡介

平常在測試新的開發工具、VS Code 版本、JDK 或終端機設定時，最麻煩的地方通常不是安裝本身，而是安裝後會不會改到主機環境。像是 PATH、右鍵選單、登錄檔、使用者設定與工具版本，只要多試幾次，就可能讓原本穩定的開發機變得難以追蹤。

而這篇文章的起因，則是近期各種套件竊取資訊、惡意更新與供應鏈攻擊事件越來越頻繁。當我們只是想快速驗證某個工具、套件或 extension 是否可用時，其實不一定適合直接在主要開發機上執行。即使來源看起來可信，也可能因為相依套件、安裝腳本或更新流程帶來額外風險。

Windows Sandbox 很適合用來處理這類需求。它可以建立一個一次性的 Windows 環境，關閉後所有變更都會被丟棄；只要把啟動設定與安裝腳本整理好，每次都能快速還原出乾淨且一致的 VS Code 開發驗證環境。

這篇文章會以 C:\Sandbox 底下的設定為例，說明如何透過 Windows Sandbox 自動掛載資料夾、套用基本系統設定，並離線安裝 VS Code、PowerShell 7、Windows Terminal、7-Zip 與 Zulu JDK，讓 Sandbox 啟動後就能直接進行開發驗證。完整範例可參考 java-sandbox 專案。