1.通过transmittable-thread-local源码理解线程池线程本地变量传递的修改原理
2.收藏 Kafka监控组件大全
3.开源爱好者月刊（第 8 期）：Apache 基金会的故事
4.部署Kafka监控
5.基于Prometheus + Grafana搭建IT监控报警最佳实践(2)
6..NET 6+Loki+Grafana实现轻量级日志可视化服务功能

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，我投入了大量的源源码时间和精力，完成了UCloud服务和中间件迁移至阿里云的修改工作，因此没有空闲时间撰写文章。源源码不过，修改回忆起很早之前对ThreadLocal源码的源源码mbr硬盘锁 源码分析，其中提到了ThreadLocal存在向预先创建的修改线程中传递变量的局限性。恰好，源源码我的修改一位前同事，HSBC的源源码技术大牛，提到了团队引入了transmittable-thread-local（TTL）来解决此问题。修改借此机会，源源码我深入分析了TTL源码，修改本文将全面分析ThreadLocal和InheritableThreadLocal的源源码局限性，并深入探讨TTL整套框架的修改实现。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()。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的极空间 源码输出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、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。封装时钟源码在哪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。

收藏 Kafka监控组件大全

       本文概述了用于监控Kafka系统的多种组件，包括Burrow、Telegraf、Grafana以及一些其他工具，如Kafka Manager、Kafka Eagle、Confluent Control Center和Kafka Offset Monitor。以下对这些工具进行了简要介绍。

       Burrow是一个用于监控Kafka的组件，由Kafka社区的贡献者编写，主要关注于监控消费者端的情况。它使用Go语言编写，功能强大，但用户界面不提供，可通过GitHub获取二进制文件进行安装。

       Telegraf是一个数据收集工具，与Burrow结合使用，用于收集Kafka监控数据，并将其存储到InfluxDB中，以便在Grafana中进行可视化展示。

       Grafana是一个强大的数据可视化工具，允许用户创建仪表板，以直观地显示从Burrow收集的监控数据。通过配置Grafana，可以设置变量和图表，过滤集群并显示关键指标，如消费者滞后度、分区状态等。

       Kafka Manager是一个受欢迎的监控组件，使用Scala编写，提供源码下载。它支持管理多个Kafka集群、副本分配、创建和管理Topic等功能，但编译过程较为复杂，微乐 android 源码且在处理大型集群时资源消耗大。

       Kafka Eagle是一个由国人开发的监控工具，以其美观的界面和强大的数据展现能力受到推崇。它支持权限报警和多种报警方式，如钉钉、微信和邮件，还具备使用ksql查询数据的功能。

       Confluent Control Center是一个功能齐全的Kafka监控框架，集成了多种监控和管理功能，但需购买Confluent企业版才能使用。官方文档提供了快速启动指南，但安装过程较为繁琐，需要引入特定的Kafka版本及其相关服务。

       Kafka Monitor和Kafka Offset Monitor被认为是监控组件中的“炮灰”，具体信息不详。

       综上所述，这些组件提供了从不同角度监控Kafka系统的能力，包括消费者监控、资源管理、性能分析和数据可视化等。选择合适的监控工具时，需要考虑功能需求、资源消耗和集成难度等因素。

开源爱好者月刊（第 8 期）：Apache 基金会的故事

       八月十六日星期天，有幸参加Apache Local Community在北京的首场Meetup活动，感受到“社区大于代码”、“国际舞台的身份转换”、“从使用者到参与者”以及“开源需要核心理念”的力量。活动结束时，与适兕老师和线上相识的字节开源法务大佬进行了交流。微软大厦的开放氛围让人印象深刻，只需简单扫健康码即可进入。

       回顾活动，ALC Beijing首场Meetup以“开源到底有多难？”为主题，为开源爱好者提供了一个深入探讨的平台。本月微栏从“Apache基金会的故事”出发，结合《所有人都看得见的跟庄出击公式源码工作：开源软件的铸造和维护》一书的推荐，完成了“月度之旅”。本刊以每月一刊的形式更新，借助GitHub、微信公众号、语雀和知乎等平台，旨在分享开源动态、投稿或推荐开源内容。

       Apache Software Foundation，一个在美国成立的非营利性公共慈善组织，致力于推动开源软件社区的发展。成立于年，起初由一群被称为“Apache Group”的人创建，主要支持和维护开源HTTPD Web服务器。阿帕奇这个名字源于对美洲原住民阿帕克民族的尊重。阿帕奇族以其出色的战争策略和耐力而闻名。随着开发人员小组的迅速壮大，他们很快成为了“Apache小组”。

       Apache基金会的组织架构旨在促进开源项目的治理和发展。组织包括理事会、项目团队、贡献者等角色，共同推动项目的前进。此外，该基金会还致力于维护和推广开源软件，促进全球开源社区的交流与合作。

       开源软件正逐渐成为企业发展的核心驱动力。开发人员倾向于使用开源平台，因为他们可以访问、修改代码并参与社区建设。企业应建立开源项目的治理结构，构建承诺的社区，从而推动项目的成功与商业化。开源不仅带来了速度优势，还提升了安全性，成为企业技术战略的重要组成部分。

       全球化时代要求开放的组织原则，这在早期文明中开始占据主导地位。从人类起源到工业革命，开放组织原则在全球决策、协作与包容性方面发挥了重要作用。然而，尽管全球化进程加速，仍存在一些包容性和协作性的挑战。

       开源软件的生产方面面临着问题，用户往往喜欢使用开源软件，但在贡献方面却有所犹豫。为开源项目贡献代码、修复错误或提供改进意见是推动开源生态系统发展的关键。成为开源项目负责人需要建立声誉和获得其他维护人员的支持，这可以通过启动新项目或在现有项目中积累经验来实现。

       GitHub、微软、谷歌和IBM加入开源安全基金会，展示了对开源安全的重视。持续交付基金会正式宣布Jenkins毕业，标志着Jenkins的成熟与社区承诺。JDK将搬迁至GitHub，为OpenJDK社区提供更多支持与资源。开源承担地震预警项目，展示了技术与开源合作的力量。

       Grafana Labs完成万美元的B轮融资，GitHub ReadMe项目旨在分享和强调开源故事，DIA通过代币销售筹集资金，推动开源DeFi数据平台的发展。第二届中国开源科学软件创意大赛火热进行，强调开源软件在科学研究中的价值。Gitee支持国内开源发展，展示了技术基础设施建设的重要性。

       开源软件许可证家族中的BSD许可证，对软件使用和分发施加了最低限制。允许源代码和二进制形式的重新分发，同时包括免责声明，保护了软件提供者的权益。

       在开源软件领域，Gitpod提供了浏览器上的协作式开发环境，Pyre-check作为高性能的Python类型检查器，PhotoDemon则是一款免费的Windows照片编辑器。Microsoft开源内容丰富，包括Visual Studio Code、TypeScript等知名项目，展示了其在开源领域的贡献。开源安全基金会加强行业合作，确保开源软件安全性。ZDNet开源专栏提供了更多洞察与建议，推荐《所有人都看得见的工作》一书，深入探讨了开源软件社区的动态。

       本刊每月更新，聚焦开源动态，提供知识共享的平台。欢迎通过GitHub Issue分享想法、新内容和推荐，共同构建更加繁荣的开源生态。

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，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。

       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node-exporter和Prometheus，以及Grafana用于可视化监控数据。

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。