SkyWalking 介紹及部署

1、SkyWalking簡介
2、SkyWalking的搭建
- 2.1 部署Elasticsearch
- 2.2 部署SkyWalking-Server
- 2.3 部署SkyWalking-UI
3、應用接入
- 3.1 jar包部署方式
- 3.2 dockerfile方式
- 3.3 DockerFile示例
4、SkyWalking UI 界面說明
- 4.1 儀表盤
  - 4.1.1 APM
    - （1）全局維度
    - （2）服務維度
    - （3）實例維度
    - （4）端點維度
  - 4.1.2 數據庫
  - 4.1.3 Istio、SelfObservability 、WebBrowser
- 4.2 拓撲圖
- 4.3 追蹤
- 4.4 性能剖析
- 4.5 日志
- 4.6 告警
5、其他相關的配置
- 5.1 數據清理機制
- 5.2 數據存儲和寫入優化（針對ES）
- 5.3 鏈路過長問題
6、參考文檔：

隨著微服務架構的流行，一些微服務架構下的問題也會越來越突出，比如一個請求會涉及多個服務，而服務本身可能也會依賴其他服務，整個請求路徑就構成了一個網狀的調用鏈，而在整個調用鏈中一旦某個節點發生異常，整個調用鏈的穩定性就會受到影響。

面對以上情況，我們就需要一些可以幫助理解系統行為、用于分析性能問題的工具，以便發生故障的時候，能夠快速定位和解決問題，這時候?APM（Application Performance Management應用性能管理）工具就該閃亮登場了。

1、SkyWalking簡介

官方網站
SkyWalking 文檔中文版（社區提供）
官方demo網站（賬號：skywalking 密碼：skywalking）

SkyWalking 它是一款優秀的國產?APM?工具，包括了分布式追蹤、性能指標分析、應用和服務依賴分析等。

SkyWalking架構分為三部分：

? ?- skyWalking-collector：鏈路數據歸集器，相當于Skywalking的服務端

? ?- skyWalking-ui：SkyWalking的web可視化平臺

? ?- skyWalking-agent：探針，與應用容器綁定在一起，啟動時通過javaagent進行JVM級別的AOP，收集和發送數據到歸集器

SkyWalking?的核心是數據分析和度量結果的存儲平臺，通過?HTTP?或?gRPC?方式向?SkyWalking Collecter?提交分析和度量數據，SkyWalking Collecter?對數據進行分析和聚合，存儲到?Elasticsearch、H2、MySQL、TiDB?等。

說明：?SkyWalking?的核心是數據分析和度量結果的存儲平臺，通過?HTTP?或?gRPC?方式向?SkyWalking Collecter?提交分析和度量數據，SkyWalking Collecter?對數據進行分析和聚合，

存儲到?Elasticsearch、H2、MySQL、TiDB?等其一即可，最后我們可以通過?SkyWalking UI?的可視化界面對最終的結果進行查看。Skywalking?支持從多個來源和多種格式收集數據：多種語言的?Skywalking Agent?、Zipkin v1/v2?、Istio?勘測、Envoy?度量等數據格式。

整體架構看似模塊有點多，但在實際上還是比較清晰的，主要就是通過收集各種格式的數據進行存儲，然后展示。

所以搭建?Skywalking?服務我們需要關注的是?SkyWalking Collecter、SkyWalking UI?和存儲設備，SkyWalking Collecter、SkyWalking UI?官方下載安裝包內已包含，最終我們只需考慮存儲設備即可。

2、SkyWalking的搭建

2.1 部署Elasticsearch

注意：版本與SkyWalking版本對應

?展開源碼

docker run --name elasticsearch -p 9200:9200? -p 9300:9300 \-e "discovery.type=single-node" \-e ES_JAVA_OPTS="-Xms1g -Xmx1g" \--restart always \-v /home/docker/elastic/elasticsearch/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \-v /home/docker/elastic/elasticsearch/data:/usr/share/elasticsearch/data \-v /home/docker/elastic/elasticsearch/plugins:/usr/share/elasticsearch/plugins \--net network_network \-d elasticsearch:7.17.0

2.2 部署SkyWalking-Server

apache-skywalking-apm-es7-8.3.0.tar.gz 下載地址

拉取鏡像

?展開源碼

docker pull apache/skywalking-oap-server:8.3.0-es7

運行 skywalking-oap-server 容器? ? ?SW_STORAGE：數據存儲配置，支持H2，MySQL、ES等，這里改為 elasticsearch7

? ? ? ? ? 配置文件路徑：apache-skywalking-apm-bin-es7/config/application.yml

SkyWalking 默認使用12800作為Rest API通信端口，11800為gRPC API端口

?展開源碼

docker run -d --name skywalking-oap \
-e TZ=Asia/Shanghai \
-p 12800:12800 -p 11800:11800 \
--link elasticsearch:elasticsearch \
--net network_network \
-e SW_STORAGE=elasticsearch7 \
-e SW_STORAGE_ES_CLUSTER_NODES=elasticsearch:9200 \
apache/skywalking-oap-server:8.3.0-es7

2.3 部署SkyWalking-UI

配置文件路徑：apache-skywalking-apm-bin-es7/webapp/webapp.yml

拉取鏡像

?展開源碼

docker pull apache/skywalking-ui:8.3.0

運行 skywalking-ui 容器

?展開源碼

docker run -d --name skywalking-ui \
-e TZ=Asia/Shanghai \
-p 8088:8080 \
--link skywalking-oap:skywalking-oap \
--net network_network \
-e SW_OAP_ADDRESS=skywalking-oap:12800 \
apache/skywalking-ui:8.3.0

3、應用接入

注意：agent 中指定服務名（SW_AGENT_NAME），不同的服務用不同的服務名區分。如果服務名相同，相當于是多個實例。

3.1 jar包部署方式

將skywalking安裝包下的agent整個目錄（apache-skywalking-apm-bin-es7/agent），拷貝到應用機器所在的目錄，如：/home/docker/

在啟動的腳本上添加 skywalking-agent配置：

配置參數	描述
-javaagent	配置skywalking-agent.jar位置，確保這個參數在-jar參數之前
-DSW_AGENT_NAME	配置應用名稱，用于區分不用的服務
-DSW_AGENT_COLLECTOR_BACKEND_SERVICES	配置server的服務地址

?展開源碼

java -javaagent:/home/docker/agent/skywalking-agent.jar
-DSW_AGENT_NAME=gateway
-DSW_AGENT_COLLECTOR_BACKEND_SERVICES=127.0.0.1:11800
-Dserver.port=9999 -Xmx128m -Xms128m -XX:MaxMetaspaceSize=128m
-jar gateway.jar

3.2 dockerfile方式

將skywalking安裝包下的agent整個目錄（apache-skywalking-apm-bin-es7/agent），拷貝到應用機器所在的目錄，如：/home/docker/

docker-compose.yml

docker-compose.yml?展開源碼

? # skywalking-aopskywalking-oap:image: apache/skywalking-oap-server:8.3.0-es7container_name: skywalking-oaplinks:- elasticsearch:elasticsearchrestart: alwaysports:- 11800:11800- 12800:12800environment:TZ: Asia/ShanghaiSW_STORAGE: elasticsearch7SW_STORAGE_ES_CLUSTER_NODES: elasticsearch:9200JAVA_OPTS: "-Xms512m -Xmx512m"networks:- network# skywalking-uiskywalking-ui:image: apache/skywalking-ui:8.3.0container_name: skywalking-uilinks:- skywalking-oap:skywalking-oaprestart: alwaysports:- 8088:8080environment:TZ: Asia/ShanghaiSW_OAP_ADDRESS: skywalking-oap:12800networks:- network

4、SkyWalking UI 界面說明

4.1 儀表盤

4.1.1 APM

APM 應用性能管理，分為全局維度、服務維度、實例維度、端點維度

（1）全局維度

Service Load：服務每分鐘請求數
Slow Services：慢響應服務，服務耗時最長的一次耗時時間
Un-Health Services(Apdex)：服務性能健康指數，0~1
Slow EndPoints：慢響應的端點
Global Response Latency：不同百分比的響應延時時間
Global Heatmap：熱力圖

（2）服務維度

Service Apdex：服務性能指數
Service Apdex（折線圖）：
Service Avg Response Time：平均響應時間
Global Response Time Percentile：百分比的響應時間
Successful Rate：請求成功率
Successful Rate（折線圖）：不同時間的請求的成功率
Service Load：每分鐘請求數
Service Load（折線圖）：不同時間的每分鐘請求數
Service Instances Load：每個服務實例的每分鐘請求數
Slow Service Instances：服務實例的最大延時
Service Instances Successful Rate：服務實例的請求成功率

（3）實例維度

Service Instances Load：服務實例的每分鐘請求數
Service Instances Successful Rate：服務實例的請求成功率
Service Instances Latency：服務實例的響應延時
JVM CPU：占用CPU的百分比
JVM Memory：內存占用大小
JVM GC Time：垃圾回收時間，包括Young GC 和 Old GC
JVM GC Count：垃圾回收次數
JVM Thread Count：JVM 創建線程數量
CLR xxx：

（4）端點維度

EndPoint Load in Current Service：每個端點的每分鐘請求數
Slow Endpoints in Current Service：每個端點的最慢請求時間
Successful Rate in Current Service：每個端點的請求成功率
Endpoint Load：當前端點每個時間段的請求數據
Endpoint Avg Response Time：端點請求的平均響應時間
Endpoint Response Time Percentile：當前端點每個時間段的響應時間占比
Endpoint Successful Rate：當前端點每個時間段的請求成功率

4.1.2 數據庫

展示數據庫的響應時間、響應時間分布、吞吐量、SLA、慢SQL等詳細信息，便于直觀展示數據庫狀態

Database Avg Response Time：數據庫平均響應時間
Database Access Successful Rate：數據庫的訪問成功率
Database Traffic：數據庫每分鐘請求數
Database Access Latency Percentile：數據庫不同比例的響應時間
Slow Statements：前N個慢查詢
All Database Loads：所有數據庫中的每分鐘請求數排名
Un-Health Databas：所有數據庫的請求成功率排名

4.1.3 Istio、SelfObservability 、WebBrowser

這幾個比較次用，用得不多，不詳細介紹

Istio：結合Istio，適配容器、采集容器信息
SelfObservability：監控SkyWalking自身信息
WebBrowser：8.2.0 版本新增的瀏覽器，提供PV、UV等數據。需結合 Skywalking-Client-js 使用

SkyWalking自監控（SelfObservability）的配置：

修改配置文件apache-skywalking-apm-bin-es7/config/application.yml

修改內容：

Prometheus-fetcher 的selector修改為：default

telemetry的selector修改為：prometheus

SelfObservability：

4.2 拓撲圖

服務之間的調用關系。每條連線的顏色反應了服務之間的調用延遲情況，可以非常直觀的看到服務與服務之間的調用狀態，連線中間的點能點擊，可顯示兩個服務之間鏈路的平均響應時間、吞吐率以及SLA等信息

4.3 追蹤

顯示請求的代碼內部執行情況，一個完整的請求都經過了哪些服務、執行了哪些代碼方法、每個方法的執行時間、執行狀態等詳細信息，快速定位代碼問題

左側：端點信息列表（API接口列表），紅色——異常請求；藍色——正常請求
右側：請求追蹤列表，請求中連接各端點的先后順序和時間

4.4 性能剖析

服務：需要分析的服務
端點：鏈路監控中的端點名稱（可以在鏈路追蹤中查看端點信息）
監控時間：采集數據的開始時間
監控持續時間：采集數據的時間長度
起始監控時間：多少毫秒后開始進行采集
監控間隔：多少毫秒采集一次
最大采樣數：最大采集多少樣本

4.5 日志

參考：微服務鏈路追蹤 Skywalking 生成 Trace ID 以及 logback 日志歸集-CSDN博客

在應用代碼中添加依賴

?展開源碼

<!--skywalking trace工具包-->
<dependency><groupId>org.apache.skywalking</groupId><artifactId>apm-toolkit-trace</artifactId><version>${skywalking.version}</version>
</dependency>

4.6 告警

參考：Skywalking-告警功能實踐_from(endpoint.*).filter(responsecode in [404,500,5-CSDN博客

5、其他相關的配置

5.1 數據清理機制

配置文件路徑：apache-skywalking-apm-bin-es7/config/application.yml

?展開源碼

core:selector: ${SW_CORE:default}default:# 數據清理機制的開關，默認開啟enableDataKeeperExecutor: ${SW_CORE_ENABLE_DATA_KEEPER_EXECUTOR:true}# 數據清理定時器周期，默認5，單位分鐘dataKeeperExecutePeriod: ${SW_CORE_DATA_KEEPER_EXECUTE_PERIOD:5}# 明細記錄數據的有效期，默認3天recordDataTTL: ${SW_CORE_RECORD_DATA_TTL:3} # Unit is day# 指標數據的有效期，默認7天metricsDataTTL: ${SW_CORE_METRICS_DATA_TTL:7} # Unit is day