Springcloud----SkyWalking链路追踪

        在本合集中,我们已经讲过了一种链路追踪的插件,就是Sleuth+Zipkin.这里介绍另一款链路追踪插件----SkyWalking.Skywalking相较于Zipkin来说,对代码的侵入性为0,它不需要修改源代码就可以实现链路追踪的功能,相比于Zipkin来说,它还拥有更美观的ui界面,并且还包含性能剖析功能,可以精准对位到问题所在,甚至是那一行的源代码导致性能降低.SkyWalking在国内虽然不是特别火,但是属于是潜力股,它比Sleuth+Zipkin的模式更加好用,相信未来在中国市场中定会有他的一席之地.

一.SkyWalking,Zipkin和Cat对比

• Zipkin是Twitter开源的调用链路分析工具，目前基于Spingcloud sleuth得到了广泛的应用，特点是轻量，部署简单。

• Pinpoint一个韩国团队开源的产品，运用了字节码增强技术，只需要在启动时添加启动参数即可，对代码无侵入，目前支持Java和PHP语言，底层采用HBase来存储数据，探针收集的数据粒度非常细，但性能损耗大，因其出现的时间较长，完成度也很高，应用的公司较多

• Skywalking是本土开源的基于字节码注入的调用链路分析以及应用监控分析工具，特点是支持多种插件，UI功能较强，接入端无代码侵入。

• CAT是由国内美团点评开源的，基于Java语言开发，目前提供Java、C/C++、Node.js、Python、Go等语言的客户端，监控数据会全量统计，国内很多公司在用，例如美团点评、携程、拼多多等，CAT跟下边要介绍的Zipkin都需要在应用程序中埋点，对代码侵入性强。

 二.Skywalking的结构

SkyWalking 逻辑上分为四部分: 探针, 平台后端, 存储和用户界面。

Skywalking agent和业务端绑定在一起，负责收集各种监控数据

Skywalking oapservice是负责处理监控数据，接受agent的数据并存储在数据库中，接受来自UI的请求，查询监控数据。

Skywalking UI提供给用户，展现各种监控数据和告警。

Skywalking目录结构:

 三.Skywalking的使用

1.解压Skywalking的压缩包

Skywalking8.5.0win版-Java文档类资源-CSDN下载SkyWalking链路追踪插件8.5.0版本更多下载资源、学习资料请访问CSDN下载频道.https://download.csdn.net/download/lrs998563/86438267

2.启动/bin/start.bat  

默认Skywalking的端口号为8080.这里我已经修改过它的端口号了,修改方法再下一个章节统一讲述.

在浏览器中访问ui界面:

 3.IDEA集成使用agent

开发环境IDEA中使用探针配置即可集成使用agent，我们把 apache-skywalking-apm-bin 放到本地G://目录下，此时我们使用探针配置为3个项目分别配置agent：

# 客户端需要的jar所在位置
-javaagent:G:/apache-skywalking-apm-bin/agent/skywalking-agent.jar
# 客户端服务名称
-Dskywalking.agent.service_name=lrs-order
# skywalking地址
-Dskywalking.collector.backend_service=localhost:11800

我们需要给每个微服务都配置上这些信息.我们已Gateway服务为例:

 注意,Skywalking默认是不会收集gateway的信息的,我们需要信息一些配置:

 

 把这个jar包复制到plugins中

 四.修改配置

 1.修改端口号

webapp目录下的webapp.yml文件

2.数据持久化

 

 在数据库中新建一个数据库,库名为swtest.然后重启bin目录下的start.bat文件重启Skywalking程序.

这样数据持久化到数据库中就成功了.

五.SkyWalking中的参数

1 Rocketbot-仪表盘作用：查看被监控服务的运行状态。监控面板：

 

1.1 APMAPM： 应用性能管理，通过各种探针采集数据，收集关键指标，同时搭配数据呈现以实现对应用程序性能管理和故障管理的系统化解决方案。

1.1.1 Global全局维度

板块描述：

services load :服务每分钟请求数s1ow services:慢响应服务，单位ms
Un-Health services (Apdex) :Apdex性能指标，1为满分。
show Endpoints:慢响应端点，单面ms
G1obal Response Latency:百分比响应延时，不同百分比的延时时间，单位ms
G1obal Heatmap:服务响应时间热力分布图，根据时间段内不同响应时间的数量显示颜色深度
底部栏:展示数据的时间区间，点击可以调整

1.1.2 Service服务维度

属性描述：

service Apdex（数字):当前服务的评分
service Apdex（折线图）:不同时间的Apdex评分
service Avg Response Times:平均响应延时，单位ms
G1obal Response Time Percentile:百分比响应延时
successfu1 Rate（数字):请求成功率
successfu1 Rate（折线图):不同时间的请求成功率
servce Load（数字):每分钟请求数
servce Load(折线图):不同时间的每分钟请求数
servce Instances Load:每个服务实例的每分钟请求数
show service Instance:每个服务实例的最大延时
service Instance successfu1 Rate:每个服务实例的请求成功率

1.1.3 Instance实例维度

属性描述：

service Instance Load:当前实例的每分钟请求数
service Instance successfu1 Rate:当前实例的请求成功率
service Instance Latency:当前实例的响应延时
vM CPu: jvm占用CPU的百分比
JVM Memory : VM内存占用大小，单位m
JVM GC Time : VM垃圾回收时间，包含YGC和oGC
JVM Gc count: JVM垃圾回收次数，包含YGC和oGC
JVM Thread count (ava service) : VM创建线程数量
CLR xx:类似VM虚拟机(可以直接理解成虚拟机)

1.1.4 Endpoint端点（API）维度

属性描述:

Endpoint Load in current service:每个端点的每分钟请求数
s1ow Endpoints in current service:每个端点的最慢请求时间，单位ms
successful Rate in current service:每个端点的请求成功率
Endpoint Load:当前端点每个时间段的请求数据
Endpoint Avg Response Time:当前端点每个时间段的请求行响应时间
Endpoint Response Time Percentile:当前端点每个时间段的响应时间占比
Endpoint successfu1 Rate:当前端点每个时间段的请求成功率

1.2 DataSource展示栏

属性描述:

当前数据库:选择查看数据库指标
Database Avg Response Time:当前数据库事件平均响应时间，单位ms
Database Access successfu7 Rate:当前数据库访问成功率
Database Traffic:CPM，当前数据库每分钟请求数
Database Access Latency Percentile:数据库不同比例的响应时间，单位ms
s1ow statements :前N个慢查询，单位ms
A17 Database Loads:所有数据库中CPM排名
Un-Health Databases:所有数据库健康排名，请求成功率排名

2 拓扑图

 

3 追踪

属性描述:

左侧:api接口列表，红色-异常请求，蓝色-正常请求
右侧:api追踪列表，api请求连接各端点的先后顺序和时间

操作详情：可以看到底层执行语句

4 性能剖析

 

创建性能剖析采集清单:

新建性能剖析属性描述:

服务:需要分析的服务
端点:链路监控中端点的名称，可以再链路追踪中查看端点名称监控时间:采集数据的开始时间
监控持续时间:监控采集多长时间起始监控时间:多少秒后进行采集监控间隔:多少秒采集一次
最大采集数:最大采集多少样本
​

5 告警

不同维度告警列表，可分为服务、端点和实例。日志收集只在8.4以上版本支持。