文章目录
一 概率与设计
什么是 SkyWalking?
1. 概念
SkyWalking: 一个开源的可观测平台, 用于从服务和云原生基础设施收集, 分析, 聚合及可视化数据。SkyWalking 提供了一种简便的方式来清晰地观测分布式系统, 甚至横跨多个云平台。SkyWalking 更是一个现代化的应用程序性能监控(Application Performance Monitoring)系统, 尤其专为云原生、基于容器的分布式系统设计。
2. 为什么使用 SkyWalking
在许多不同的场景下, SkyWalking 为观察和监控分布式系统提供了解决方案。首先是像传统的方式那样,SkyWalking 为服务提供了自动打点的代理, 如 Java, C# , Node.js , Go , PHP 以及 Nginx LUA（包括 Python 和 C++ 调用的 SDK 捐献）。
对于多数语言，持续部署环境，云原生基础设施正变得更加强大，但也更加复杂。
Skywalking 的服务网格接收器可以让 Skywalking 接收来自服务网格框架（例如 Istio , Linkerd）的遥测数据，以帮助用户理解整个分布式系统。
总之, SkyWalking 为 服务(service), 服务实例(service instance), 以及 端点(endpoint) 提供了可观测能力。服务(Service), 实例(Instance)以及 端点(Endpoint) 等概念在如今随处可见, 所以让我们先了解一下他们在 SkyWalking 中都表示什么意思：
服务(Service)： 表示对请求提供相同行为的一组工作负载. 在使用打点代理或 SDK 的时候,你可以定义服务的名字。SkyWalking 还可以使用在 Istio 等平台中定义的名称。
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. 就像 Kubernetes 中的 pods 一样,服务实例未必就是操作系统上的一个进程. 但当你在使用打点代理的时候, 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。使用 SkyWalking 时, 用户可以看到服务与端点之间的拓扑结构, 每个服务/服务实例/端点的性能指标, 还可以设置报警规则。
使用 SkyWalking 时, 用户可以看到服务与端点之间的拓扑结构, 每个服务/服务实例/端点的性能指标, 还可以设置报警规则。
除此之外, 你还可以通过以下方式集成：
- 其他分布式追踪使用 Skywalking 原生代理和Zipkin , Jaeger 和 OpenCensus 的 SDK；
- 其他度量指标系统，例如 Prometheus , Sleuth(Micrometer。
3. 架构
SkyWalking 逻辑上分为四部分: 探针, 业务处理, 存储和用户界面。
Agent： 以探针的方式进行请求链路的数据采集，并向管理服务上报
OAP-Service： 接收数据，完成数据的存储和展示
Storage： 数据的存储层，支持ElasticSearch、Mysql、H2多种方式
UI界面： 自带的数据可视化展示界面
4. 设计目标
- 保持可观测性。不管目标系统如何部署, SkyWalking 总要提供一种方案或集成方式来保持对目标系统的观测, 基于此, SkyWalking 提供了数种运行时探针。
- 拓扑结构, 性能指标和追踪一体化。 理解分布式系统的第一步是通过观察其拓扑结构图，拓扑图可以将复杂的系统在一张简单的图里面进行可视化展现， 基于拓扑图，运维支撑系统相关人员需要更多关于服务/实例/端点/调用的性能指标，链路追踪(trace)作为详细的日志, 对于此种性能指标来说很有意义。比 如你想知道什么时候端点延时变得很长, 想了解最慢的链路并找出原因，可以看到, 这些需求都是从大局到细节的, 缺一不可， SkyWalking 集成并提供了一系列特性来使得这些需求成为可能, 并且使之易于理解。
- 轻量级。 有两个方面需要保持轻量级：
a. 探针, 我们通常依赖于网络传输框架, 如 gRPC. 在这种情况下, 探针就应该尽可能小, 防止依赖库冲突以及虚拟机的负载压力(例如 JVM 永久代内存占用压力)。
b. 作为一个观测平台, 在你的整个项目环境中只是次要系统, 因此我们使用自己的轻量级框架来构建后端核心服务,所以你不需要部署并维护大数据相关的平台, SkyWalking 在技术栈方面应该足够简单。 - 可插拔。 SkyWalking 核心团队提供了许多默认实现, 但这肯定是不够的, 也不可能适用于每一种场景, 因此我们提供了大量的特性来支持可插拔功能。
- 可移植。 SkyWalking 可以运行在多种环境下, 包括：
a. 使用传统的注册中心, 如 Eureka
b. 使用包含服务发现的RPC框架，如Spring Cloud, Apache Dubbo
c. 在现代基础设施中使用服务网格 (4) 使用云服务 (5) 跨云部署
在所有这些情况下，SkyWalking 应该运行良好
- 可互操作。 可观测性是一个庞大的领域, 即使有强大的社区, SkyWalking 也不可能支持所有方方面面, 因此 SkyWalking 支持与其他运维支撑系统进行互操作, 主要是探针, 如 Zipkin, Jaeger, OpenTracing 和 OpenCensus。SkyWalking 接收并理解他们的数据格式, 这对于终端用户来说是非常有用的, 因为不需要他们更换已有的库。
5.工作原理
在应用程序中添加 SkyWalking Agent，就可以将接口、服务、数据库、MQ等进行追踪，将追踪结果通过 HTTP 或 gRPC 发送到 OAPServer，经过分析和聚合，将结果存储到 Elasticsearch 、H2、mysql等多种数据库中，SkyWalking 同时提供了一个 SkyWalking UI 的可视化界面，UI 以 GraphQL + HTTP 方式获取存储数据进行展示。
SkyWalking特性
- 多种监控手段： 通过语言探针和 Service Mesh 等手段，获得链路、日志、指标等监控数据
- 多种语言探针： Java、Go、.Net、PHP、NodeJS、Lua、Rust、C++ 等
- 轻量级高性能： 无需大数据组件，无需大量的硬件资源，且对应用实例的负载消耗极低
- 模块化架构： 数据传输、数据存储，注册发现等模块，可替换不同的基础设施实现
- 端到端的监控： Vue、React 等前端，Java、.Net Core、PHP、NodeJS、Golang、Istio 等后端
- 告警机制： 内置 Webhooks 发送事件通知，支持通过 HTTP、gRPC、Slack 等方式
- 可视化界面： 好用的监控后台，可支持自定义配置，或是集成你自己的
二 搭建SkyWalking服务
服务搭建
1. 下载SkyWalking
SkyWalking在之前的版本中apm和agent是放在一起的，新版本需要分开下载，官网下载链接
skywalking-apm-9.1.0.tar.gz
skywalking-java-agent-8.10.0.tgz
下载完成后执行解压命令
tar -zvxf skywalking-apm-9.1.0.tar.gz
ps:文档演示SkyWalking部署在linux中，所以只需要apm包即可,agent包在本地解压
2. 配置存储方式
生产环境推荐Elasticsearch，本文采用mysql
在oap-libs目录下添加mysql驱动包，注意匹配mysql版本
启动和停止
启动oap服务：bin/oapService.sh
启动UI界面：bin/webappService.sh
服务停止命令：jps查看，kill相关编号
UI界面服务默认是8080端口，如果存在占用问题，可以修改：webapp/webapp.yml文件，更换端口；启动完成后访问ip:port即可
3. 服务集成
在服务启动类中添加agent配置，如果在生产环境中，通常会统一在脚本中设置，由于在本地环境演示，基于IDEA工具进行管理；
在启动参数中添加如下配置
-javaagent:E:\skywalking\apm\agent\skywalking-agent.jar //前面解压到本地的skywalking-agent地址
-DSW_AGENT_COLLECTOR_BACKEND_SERVICES=ip:11800 //oapService服务地址
功能说明
1. 服务监控
服务启动成功后即可访问skywalking UI界面，主页加载的服务是配置的微服务，即说明流程正确，点击相关服务即可查看相关指标
2. 拓扑结构图
用户通过portal经过redis集群访问，lnms,完成完整的调用链，包括中间使用到的redis及mysql能，都能直观的看到调用关系
3. 链路追踪
skywalking组件对于开发来说，最常用的就是该功能，这里采集了请求链路上的各个节点，以及执行的耗时分析，点击相关节点可以查看详细信息，针对异常请求同样可以采集到异常信息的描述
4. 数据库监控
虽然在整个配置中没有显式的添加对MySQL的监控，但是skywalking依旧可以实现对服务中的数据库监控
Database Avg Response Time：平均响应时间，单位ms
Database Access Successful Rate：访问成功率
Database Traffic：CPM，每分钟请求数
Database Access Latency Percentile：不同比例的响应时间，单位ms
Slow Statements：前N个慢查询，单位ms