帮客户搞定 Spring Boot 生产部署：15 天踩坑与架构决策实录

前不久帮一家做供应链管理的客户重构了他们的后端系统，核心任务是把原本跑在虚拟机上的 Spring Boot 单体应用，迁移到 Kubernetes 集群里，还要保证高并发下的稳定性。客户那边用的是 Java 21 和最新的 Spring Boot 版本，毕竟到了 2026 年，这俩已经是标配了。项目规模不算大，但痛点很明确：老系统启动慢，每次扩容要等好几分钟，而且监控数据散落在各个日志文件里，出了问题根本定位不到根因。说实话，我当时觉得把 Dockerfile 写好、Jenkins 流水线配通就完事了，结果真正上手才发现，云原生部署里的坑比想象中多得多。

容器化与构建：从 JAR 到 Native Image 的挣扎

客户最开始想沿用传统的 JAR 包部署，但我坚持建议他们试试 GraalVM 原生镜像。你知道的，Spring Boot 3.5+ 对 AOT（提前编译）的支持已经非常成熟了，启动速度能压到毫秒级。对于他们那种需要快速弹性缩放的场景，原生镜像简直是救命稻草。

不过，试了一圈发现，迁移过程并不顺畅。我们在 CI/CD 流水线里用了 Kaniko 来构建镜像，因为它不需要 Docker Daemon，安全性高，适合在 K8s 内部署。但问题出在反射处理上。我们的业务代码里用了很多第三方库的动态代理，GraalVM 在编译时需要提前知道这些类的元数据。

当时我觉得只要加几个reflection-config.json文件就行，结果构建一直报错，说找不到某些类。排查了半天，发现是因为 Spring AI 的集成引入了一些新的依赖链，这些依赖在原生环境下行为变了。有意思的是，我们最终没有去手动维护那些配置文件，而是转向了更自动化的方案——引入了 Spring Boot 的原生代理生成插件。

```dockerfile

基于 Distroless 镜像，移除所有 shell 和包管理器

FROM gcr.io/distroless/java21-debian12:nonroot

将原生可执行文件复制进去

COPY target/my-app /home/app/my-app

设置运行用户

USER nonroot

暴露端口

EXPOSE 8080

启动命令

ENTRYPOINT ["/home/app/my-app"]
```

这里做了一个关键的架构决策：放弃 Alpine 镜像。虽然它体积小，但 musl libc 和 glibc 的差异在原生编译后容易引发隐蔽的系统调用错误。我们最终选择了 Distroless，虽然体积稍大一点，但胜在稳定，攻击面也最小。

可观测性与监控：OpenTelemetry 的统一之路

系统跑起来后，另一个头疼的问题是监控。以前我们用 Micrometer 对接 Prometheus，现在得全面转向 OpenTelemetry (OTel)。客户希望实现 Tracing、Metrics 和 Logs 的统一，这样在排查问题时，能从链路追踪直接关联到具体的日志行。

刚开始配置 OTel Agent 时，我发现 Trace 数据丢失严重。我以为是网络问题，调大了超时时间也没用。后来冷静下来想了想，可能是采样策略的问题。在生产环境全量采样肯定扛不住存储压力，但太稀疏又抓不到关键异常。

最终我们定了一个混合采样策略：对于错误请求和慢查询（P99 > 1s），强制采样；其他请求按 10% 随机采样。这样既保证了关键数据的完整性，又控制了成本。

```java
// 自定义 Sampler 配置示例
public class ProductionSampler implements Sampler {
@Override
public SamplingResult decide(SamplingContext context) {
// 如果是错误或者慢请求，永远采样
if (context.getAttributes().containsKey("error") ||
context.getDuration().toMillis() > 1000) {
return SamplingResult.recordAndSample();
}
// 否则 10% 概率采样
return Math.random() < 0.1 ? SamplingResult.recordAndSample() : SamplingResult.drop();
}
}
```

日志方面，我们也做了调整。不再输出纯文本，而是全部改为 JSON 格式。这样 Loki 解析起来非常快，而且可以直接通过 Trace ID 关联到 OTel 的数据。说实话，一开始团队挺抵触改日志格式的，因为本地调试看着费劲，但一旦上线，这种结构化日志的价值就体现出来了，查问题效率提升了不止一倍。

性能调优与动态配置

最后聊聊性能。Spring Boot 3.5+ 默认启用了 ZGC，这对低延迟应用非常友好。但在高并发场景下，我们发现 Full GC 还是偶尔会发生。排查发现，是因为一些旧的缓存实现没有及时释放引用。我们把这些缓存替换成了基于 Caffeine 的本地缓存，并设置了合理的过期策略。

配置管理上，客户之前用的是硬编码在 application.yml 里的方式，改个参数要重新打包镜像。这次我们接入了 Nacos 作为配置中心，实现了配置的热更新。不过，这里有个坑：有些核心配置（比如数据库连接池大小）修改后，Spring Boot 不会自动刷新底层连接池。我们不得不写了一个自定义的 RefreshScope 处理器，监听特定配置的变化，然后手动触发连接池的重置。

当时我觉得这样处理有点重，但为了确保生产环境的安全，没有连接池的中断比任何优雅的重启都重要。

这一套流程走下来，客户的系统启动时间从原来的 45 秒降到了 3 秒，内存占用减少了 40%，最重要的是，现在出了 bug，运维能在 5 分钟内定位到问题根源。虽然过程挺折腾，但看到效果，还是觉得值得。

本文基于实际项目经验整理，如有技术问题欢迎私信交流。