jpOwl 客户端使用 Java 语言开发，旨在提供简洁的 API 和高可靠性，确保在各种业务场景下不会影响业务服务性能。目标是为各业务线提供全面的埋点功能和数据采集能力。
数据收集机制：
- ThreadLocal： 利用 ThreadLocal 为每个线程提供独立的副本，避免线程间的数据冲突。在执行业务逻辑时，将监控数据存储到 ThreadContext 中，它以树形结构组织监控信息。业务线程完成后，将监控对象异步地存入内存队列。jpOwl 使用消费者线程异步将数据发送到第三方存储引擎。
- 监控粒度控制： 支持在接口、方法或代码块级别进行监控。
- 异步处理： 确保异步操作失败不会影响业务流程。
- 注解与编程式使用： 提供注解式和编程式两种使用方式。
- 动态日志级别： 日志级别可根据响应时间、失败次数和数据大小进行调整。
- 自定义触发器： 支持添加自定义触发器，以激活特定功能。
- 动态记录前缀： 监控日志内容的记录前缀可动态指定。
- 支持多种输出源： 支持内存、本地文件、MongoDB、Elasticsearch 等输出源。
- 在线调整日志级别： 支持在线修改日志记录级别。
- 数据延迟上报： 支持延迟上报监控数据或触发，便于聚合业务数据统计记录。
- 监控数据统计与告警： 支持秒级、分钟级的监控，配置告警策略（如钉钉、邮件、短信等），支持个性化业务指标的预计算和监控告警。
- 异步 I/O 操作：优化 I/O 操作以提高性能。
- 异步数据采集：使用 NIO 管道进行日志记录，减少阻塞。
- 内存级缓冲：支持指定缓存队列大小， 并采用内存队列安全机制，当队列填充至 80% 时，丢弃低优先级的日志（如 TRACE、DEBUG、INFO）。
价值
- 减少故障发现时间： 实时获取和分析监控数据，缩短故障发现时间。
- 降低故障定位成本： 提供全面的监控信息，帮助快速定位问题。
- 辅助应用程序优化： 通过数据分析提供优化建议。
- 全量统计与预计算： 支持全量数据统计，支持预计算以提升分析效率。
优势
- 实时处理： 迅速处理信息，确保数据的时效性。
- 全量数据： 支持全量采集和深度分析故障案例。
- 故障容忍： 故障不会影响业务的正常运行，业务操作对监控透明。
- 高吞吐： 高效处理大量监控数据，保证系统稳定性和性能。
jpOwl主要支持以下四种监控模型：
- Transaction 适合记录跨越系统边界的程序访问行为,比如远程调用，数据库调用，也适合执行时间较长的业务逻辑监控，Transaction用来记录一段代码的执行时间和次数。
- Event 用来记录一件事发生的次数，比如记录系统异常，它和transaction相比缺少了时间的统计，开销比transaction要小。
- Heartbeat 表示程序内定期产生的统计信息, 如CPU利用率, 内存利用率, 连接池状态, 系统负载等。
- Metric 用于记录业务指标、指标可能包含对一个指标记录次数、记录平均值、记录总和，业务指标最低统计粒度为1分钟。
jpOwl监控系统将每次URL、Service的请求内部执行情况都封装为一个完整的消息树、消息树可能包括Transaction、Event、Heartbeat、Metric等信息。
- 异步序列化： 使用 Protobuf 协议进行高效的异步序列化。(适用跨语言支持的数据传输需求)
- 异步通信： 基于 Netty 实现异步 NIO 数据传输。 (适用应用程序到日志服务器的高效传输)