这篇写一个 Java 后端线上最常见的盲区：日志没有 ERROR，接口却已经慢到用户能感知。等客服反馈再查日志，往往已经晚了。Spring Boot Actuator + Micrometer 的价值，就是让延迟、错误率、吞吐、JVM 状态先说话。
本文适用于 Java 17/21、Spring Boot 3.x、Actuator、Micrometer、Prometheus/Grafana 场景。资料只用于核对事实：Spring Boot 会自动接入 Micrometer 并生成如 http.server.requests 的 HTTP 指标，Micrometer Timer 支持直方图和百分位。正文按生产落地写，不复述官方手册。
业务场景：接口慢了，但日志一片正常
订单查询接口某天开始变慢，日志没有异常，数据库也没有明显报错。用户反馈“偶尔转圈”，研发看平均耗时还可以，直到 p99 拉出来才发现高峰时已经超过 1 秒。
这就是只看日志和平均值的问题。生产服务需要用指标观察分布：p95、p99、错误率、吞吐和下游耗时一起看，才能知道用户实际体验。
问题复现：平均值掩盖尖刺
假设 99 个请求 50ms，1 个请求 2s，平均值看起来仍然不吓人。但这个 2s 请求可能就是用户投诉的来源。Micrometer 的 Timer 适合记录短耗时事件，配合后端监控系统可以看百分位和直方图。
踩坑原因：指标有了，但不能行动
很多团队接了 Actuator，却只看 /actuator/health。真正有用的是能回答问题的指标：哪个 URI 慢？是 5xx 变多还是 2xx 变慢？是 JVM GC 抖动还是下游连接池耗尽？
另一个坑是标签失控。把 userId、orderId、完整 URL 这种高基数字段打进指标，会让监控系统时间序列爆炸，最后指标平台比业务服务先报警。
代码案例：低基数标签才适合进指标
下面这张图展示了一个典型错误：把订单号和用户 id 当 tag。指标标签要能聚合，适合放 result、type、uri 模板、exception 简类名这类低基数字段。
Timer timer = Timer.builder("order.query")
.description("订单查询耗时")
.tag("result", result)
.publishPercentileHistogram()
.serviceLevelObjectives(Duration.ofMillis(100), Duration.ofMillis(300), Duration.ofSeconds(1))
.register(meterRegistry);
timer.record(() -> orderService.query(orderNo));
如果你需要定位单个用户或订单，应该把这些信息放日志、trace 或事件里，而不是放指标 tag。指标负责发现趋势，日志和 trace 负责定位个体。
诊断步骤：慢接口我会这样看
第一步，看 http.server.requests。 按 URI、method、status/outcome 拆分，先确认是少数接口慢，还是整体都慢。
第二步，看错误率和流量。 延迟变高但错误率不变，往往是下游慢、线程池排队或 GC；错误率同步升高，则先看异常类型。
第三步，看 JVM 指标。 GC pause、线程数、内存、CPU 要和 HTTP 延迟对齐时间线。
第四步，看连接池和下游。 DataSource、HTTP client、缓存客户端、消息客户端指标能帮你判断瓶颈是不是在外部依赖。
第五步，看自定义业务指标。 例如订单查询命中缓存率、价格计算耗时、库存接口结果分布，这些比泛泛的 CPU 更接近业务根因。
上线检查：告警要能指导动作
- Actuator 端点只暴露必要项，生产要做好认证、网络隔离和脱敏。
- 核心接口配置 p95/p99、错误率、吞吐三类告警。
- 指标标签控制低基数，禁止 userId、orderId、完整 URL。
- 每条告警都要有 Runbook：看哪个面板、查哪类日志、找哪个负责人。
- 灰度发布时对比新旧版本的延迟分布，而不是只看平均耗时。
我的经验总结
Actuator 和 Micrometer 不是装上依赖就完事。真正难的是定义一套能行动的指标：发现问题要早，定位方向要准，告警噪音要低。
我建议每个 Java 服务至少有四张核心看板：HTTP 延迟和错误率、JVM、连接池/下游依赖、业务关键路径。日志告诉你发生了什么，指标告诉你什么时候开始变坏。两者合起来，才像一个可靠的生产系统。
