SpringCloud Alibaba实战和源码（7）Skywalking

news/2024/11/16 5:43:50/

什么是SkyWalking

  Skywalking是由国内开源爱好者吴晟开源并提交到Apache孵化器的产品，它同时吸收了Zipkin /Pinpoint /CAT 的设计思路。特点是：支持多种插件，UI功能较强，支持非侵入式埋点。目前使用厂商最多，版本更新较快。

  数据存储支持：Elasticsearch、MySQL、H2、TiDB。默认是H2，而且是存到内存。实际我们一般将其存到ES。

主页：http://skywalking.apache.org/
下载：https://skywalking.apache.org/downloads/
github：https://github.com/apache/skywalking
文档：https://github.com/apache/skywalking/tree/master/docs
配置：https://github.com/apache/skywalking/tree/master/docs/en/setup/backend

APM

emsp; APM全称Application Performance Management应用性能管理，目的是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.

  Zabbix、Premetheus、open-falcon等监控系统主要关注服务器硬件指标与系统服务运行状态等，而APM系统则更重视程序内部执行过程指标和服务之间链路调用情况的监控，APM更有利于深入代码找到请求响应“慢”的根本问题，与Zabbix之类的监控是互补关系 目前市面上开源的APM系统主要有CAT、Zipkin、Pinpoint、SkyWalking，大都是参考Google的 Dapper实现的.

链路追踪工具对比

链路追踪工具一般要有如下功能：

  • 心跳检测（确定应用是否还在运行）
  • 记录请求的执行流程、执行时间
  • 资源监控（CPU、内存、带宽、磁盘）
  • 告警功能（监控执行时间、成功率等通过邮件、钉钉、短信、微信等进行通知）
  • 可视化页面

常用的工具有：

Zipkin
  Twitter开源的调用链分析工具，目前基于springcloud sleuth得到了广泛的使用，特点是轻量，使用部署简单。
Pinpoint
  韩国人开源的基于字节码注入的调用链分析，以及应用监控分析工具。特点是支持多种插件，UI功能强大，接入端无代码侵入。
SkyWalking
  本土开源的基于字节码注入的调用链分析，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。目前已加入Apache孵化器。
CAT
  大众点评开源的基于编码和配置的调用链分析，应用监控分析，日志采集，监控报警等一系列的监控平台工具。

各维度对比

对比项ZipkinPinpointSkyWalkingCat
实现方式拦截请求，发送(Http,MQ)数据到Zipkin服务Java探针，字节码增强Java探针，字节码增强代码埋点(拦截器，注解，过滤器等)
接入方式基于linkerd或者sleuth方式javaagent字节码javaagent字节码代码侵入
agent到collector协议http,MQthriftgRPChttp/tcp
OpenTracing支持不支持支持不支持
颗粒度接口级方法级方法级代码级
全局调用统计不支持支持支持支持
traceid查询支持不支持支持不支持
报警不支持支持支持支持
JVM监控不支持不支持支持支持
UI功能支持支持支持支持
数据存储ES、MySQL等HBaseES/H2/MySQLMySQL/HDFS

性能对比图
在这里插入图片描述

SkyWalking的功能特性

  1. 多种监控手段，通过语言探针和Service mesh 获得监控的数据
  2. 支持多种语言自动探针，包括 Java， .NET Core 和 Node.js
  3. 轻量高效，无需大数据平台和大量的服务器资源
  4. 模块化，UI，存储，集群管理都有多种机制可选
  5. 支持报警，告警
  6. 优秀的可视化解决方案

Skywalking结构

在这里插入图片描述

在这里插入图片描述
说明：

  • Skywalking agent 和业务系统绑定在一起，负责收集各种监控数据
  • Skywalking oapservice负责处理监控数据，比如接受Skywalking agent的监控数据，并且存储在数据库中，接受Skywalking webapp前端的请求，从数据库查询数据，并返回给前端，Skywalking oapservice通常会以集群的方式搭建
  • Skywalking webapp ，UI服务，用于可视化展示数据
  • 用户持久化监控数据的数据库，可以选用ElasticSearch、MySQL等

安装部署

官方网站

http://skywalking.apache.org/

下载

http://skywalking.apache.org/downloads/
在这里插入图片描述

启动

在这里插入图片描述

服务接入探针

脚本

# 生产环境
#!/bin/sh
# SkyWalking Agent配置
export SW_AGENT_NAME=boot-micrometer #Agent名字,一般使用`spring.application.name`
export SW_AGENT_COLLECTOR_BACKEND_SERVICES=127.0.0.1:11800 #配置 Collector 地址。
export SW_AGENT_SPAN_LIMIT=2000 #配置链路的最大Span数量，默认为 300。
export JAVA_AGENT=-javaagent:/root/apache-skywalking-apm-bin/agent/skywalking-agent.jar
java $JAVA_AGENT -jar springcloudalibaba-0.0.1-SNAPSHOT.jar #jar启动
集成ide
# java应用启动时
-Xmx512m
-javaagent:E:/environment/SpringCloudAlibaba/skywalking/skywalking-agent/skywalking-agent.jar 
-Dskywalking.agent.service_name=provider 
-Dskywalking.collector.backend_service=127.0.0.1:11800

Skywalking跨多个微服务追踪 gateway(bug)

在这里插入图片描述

SkyWalking中三个概念

  • 服务(Service) ：表示对请求提供相同行为的一系列或一组工作负载，在使用Agent时，可以定义服务的名字；
  • 服务实例(Service Instance) ：上述的一组工作负载中的每一个工作负载称为一个实例， 一个服务实例实际就是操作系统上的一个真实进程；
  • 端点(Endpoint) ：对于特定服务所接收的请求路径, 如HTTP的URI路径和gRPC服务的类名 + 方法签名；

监控dashboard 仪表盘

dashboard：http://127.0.0.1:8080/

数据收集端口：

  • Http默认端口 12800

  • gRPC默认端口 11800

在这里插入图片描述
在这里插入图片描述

自定义SkyWalking链路

  在默认情况下Skywalking是没有记录我们的业务方法的，如果需要添加业务方法的链路监控我们就需要添加如下的依赖

<dependency><groupId>org.apache.skywalking</groupId><artifactId>apm-toolkit-trace</artifactId><version>8.8.0</version>
</dependency>

然后在业务方法上添加@Trace注解。那么该方法就会被监控
在这里插入图片描述

在这里插入图片描述
查看这个方法的详情中没有返回信息和参数
在这里插入图片描述
在这里插入图片描述
可以通过@Tags和@Tag来解决这个问题

@Trace  //表示当前方法会被skywalking追踪@Tags({//显示指定的返回结果和参数@Tag(key = "process",value = "returnedObj"),//key:方法名  value = returnedObj:是指定返回值@Tag(key = "param",value = "arg[0]")//返回第一个参数})

key:方法名 value = returnedObj:是(指定)返回值
arg[0]:参数

集成日志框架

  将微服务的日志框架去集成SkyWalking，希望在微服务中日志中，能够记录当前调用链路的id，然后我们再根据这个id去SkyWalking的前端界面中进行搜索找到对应的调用链路记录。

  因为springboot默认实现的日志框架是logback，这里也就拿logback举例

在微服务中导入maven坐标

<!-- skywalking 日志记录  -->
<dependency><groupId>org.apache.skywalking</groupId><artifactId>apm-toolkit-logback-1.x</artifactId><version>8.5.0</version>
</dependency>

在项目中 resources目录下创建 logback-spring.xml文件
在这里插入图片描述

<?xml version="1.0" encoding="UTF-8"?>
<configuration><appender name="console" class="ch.qos.logback.core.ConsoleAppender"><!-- 日志的格式化 --><encoder class="ch.qos.logback.core.encoder.LayoutWrappingEncoder"><layout class="org.apache.skywalking.apm.toolkit.log.logback.v1.x.TraceIdPatternLogbackLayout"><pattern>%d{HH:mm:ss.SSS} [%thread] %-5level logger_name:%logger{36} - [%tid] - message:%msg%n</pattern></layout></encoder></appender><!-- 设置 Appender --><root level="INFO"><appender-ref ref="console" /></root></configuration>

在Skywalking UI的日志菜单中显示日志信息（常用）

<?xml version="1.0" encoding="UTF-8"?>
<configuration><!--  控制台日志输出的格式中添加tid  --><appender name="console" class="ch.qos.logback.core.ConsoleAppender"><!-- 日志的格式化 --><encoder class="ch.qos.logback.core.encoder.LayoutWrappingEncoder"><layout class="org.apache.skywalking.apm.toolkit.log.logback.v1.x.TraceIdPatternLogbackLayout"><pattern>%d{HH:mm:ss.SSS} [%thread] %-5level logger_name:%logger{36} - [%tid] - message:%msg%n</pattern></layout></encoder></appender><!-- skywalking grpc 日志收集 8.4.0版本开始支持 --><!-- https://skywalking.apache.org/docs/skywalking-java/latest/en/setup/service-agent/java-agent/application-toolkit-logback-1.x/  --><!-- 通过grpc上报日志到skywalking oap--><appender name="grpc-log" class="org.apache.skywalking.apm.toolkit.log.logback.v1.x.log.GRPCLogClientAppender"><encoder class="ch.qos.logback.core.encoder.LayoutWrappingEncoder"><layout class="org.apache.skywalking.apm.toolkit.log.logback.v1.x.mdc.TraceIdMDCPatternLogbackLayout"><Pattern>%d{yyyy-MM-dd HH:mm:ss.SSS} [%tid] [%thread] %-5level %logger{36} -%msg%n</Pattern></layout></encoder></appender><!-- 设置 Appender --><root level="INFO"><appender-ref ref="console" /><appender-ref ref="grpc-log" /></root></configuration>

告警服务

在这里插入图片描述
在这里插入图片描述
告警日志
在这里插入图片描述

Global全局维度

Services load：服务每分钟请求数

Slow Services：慢响应服务，单位ms

Un-Health services(Apdex):Apdex性能指标，1为满分。

  • Apdex 一个由众多网络分析技术公司和测量工业组成的联盟组织，它们联合起来开发了“应用性能指数”即“Apdex”(Application Performance Index)，用一句话来概括，Apdex是用户对应用性能满意度的量化值
  • http://www.apdex.org/

Slow Endpoints: 慢响应端点，单位ms

Global Response Latency：百分比响应延时，不同百分比的延时时间，单位ms

Global 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

Service服务维度

Service Apdex（数字）:当前服务的评分

Service Avg Response Times：平均响应延时，单位ms

Successful Rate（数字）：请求成功率

Servce Load（数字）：每分钟请求数

Service Apdex（折线图）：不同时间的Apdex评分

Service Response Time Percentile：百分比响应延时

Successful Rate（折线图）：不同时间的请求成功率

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

Slow Service Instance：每个服务实例的最大延时

Service Instance Successful Rate：每个服务实例的请求成功率

Instance

Service Instance Load：当前实例的每分钟请求数

Service Instance Successful Rate：当前实例的请求成功率

Service Instance Latency：当前实例的响应延时

JVM CPU:jvm占用CPU的百分比

JVM Memory：JVM内存占用大小，单位m

JVM GC Time：JVM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

Endpoint

Endpoint Load in Current Service：每个端点的每分钟请求数

Slow 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 Successful Rate：当前端点每个时间段的请求成功率


http://www.ppmy.cn/news/1052917.html

相关文章

基于Googlenet深度学习网络的矿物质种类识别matlab仿真

基于Googlenet深度学习网络的矿物质种类识别matlab仿真

目录 1.算法运行效果图预览 2.算法运行软件版本 3.部分核心程序 4.算法理论概述 5.算法完整程序工程 1.算法运行效果图预览 2.算法运行软件版本 matlab2022a 3.部分核心程序 ............................................................................ Number_of_…
阅读更多...
【前端从0开始】CSS3新增选择器

【前端从0开始】CSS3新增选择器

CSS3新增选择器 1 什么是CSS3 CSS3是CSS&#xff08;层叠样式表&#xff09;技术的升级版本&#xff0c;于1999年开始制订&#xff0c;2001年5月23日W3C完成了CSS3的工作草案&#xff0c;主要包括盒子模型、列表模块、超链接方式、语言模块、背景和边框、文字特效&#xff08…
阅读更多...
百度商业AI 技术创新大赛赛道二：AIGC推理性能优化TOP10之经验分享

百度商业AI 技术创新大赛赛道二：AIGC推理性能优化TOP10之经验分享

朋友们&#xff0c;AIGC性能优化大赛已经结束了&#xff0c;看新闻很多队员已经完成了答辩和领奖环节&#xff0c;我根据内幕人了解到&#xff0c;比赛的最终代码及结果是不会分享出来的&#xff0c;因为办比赛的目的就是吸引最优秀的代码然后给公司节省自己开发的成本&#xf…
阅读更多...
【卷积神经网络】经典网络之 LeNet-5, AlexNet 与 VGG-16

【卷积神经网络】经典网络之 LeNet-5, AlexNet 与 VGG-16

随着计算机硬件的升级与性能的提高&#xff0c;运算量已不再是阻碍深度学习发展的难题。卷积神经网络&#xff08;Convolution Neural Network&#xff0c;CNN&#xff09;是深度学习中一项代表性的工作&#xff0c;其雏形是 1998 年 LeCun 提出的 LeNet-5 模型。如今&#xff…
阅读更多...
基于Spring Boot的智慧团支部建设网站的设计与实现（Java+spring boot+MySQL）

基于Spring Boot的智慧团支部建设网站的设计与实现（Java+spring boot+MySQL）

获取源码或者论文请私信博主 演示视频&#xff1a; 基于Spring Boot的智慧团支部建设网站的设计与实现&#xff08;Javaspring bootMySQL&#xff09; 使用技术&#xff1a; 前端&#xff1a;html css javascript jQuery ajax thymeleaf 微信小程序 后端&#xff1a;Java sp…
阅读更多...
使用Kind搭建本地k8s集群环境

使用Kind搭建本地k8s集群环境

目录 1.前提条件 2.安装Kind 3.使用Kind创建一个K8s集群 3.1.创建一个双节点集群&#xff08;一个Master节点&#xff0c;一个Worker节点&#xff09; 3.2.验证一下新创建的集群信息 3.3.删除刚刚新建的集群 4.安装集群客户端 4.1.安装kubectl 4.1.1.验证kubectl 4.2.安…
阅读更多...
数据封装与解封装过程

数据封装与解封装过程

2.2数据封装与解封装过程(二) 如果网络世界只有终端设备&#xff0c;那么将不能称之为网络。正因为有很多中转设备才形成了今天如此复杂的Internet网络&#xff0c;只不过一贯作为网络用户的我们没有机会感知它们的存在&#xff0c;这都是传输层的“功劳”&#xff0c;由于传输…
阅读更多...
软考高级系统架构设计师（二）计算机操作系统

软考高级系统架构设计师（二）计算机操作系统

【原文链接】软考高级系统架构设计师&#xff08;二&#xff09;计算机操作系统 2.1 进程管理 2.1.1 操作系统的三个重要作用 管理计算机中运行的程序和分配各种软硬件资源为用户提供友善的人机界面为应用程序的开发和运行提供一个高效的平台 2.1.2 操作系统的四个特征 并…
阅读更多...
最新文章

Copyright @ 2022~2023