【轉載請注明出處】：http://www.lxweimin.com/p/e1592d395891
SkyWalking 是觀察性分析平臺和應用性能管理系統。提供分布式追蹤、服務網格遙測分析、度量聚合和可視化一體化解決方案。
特性：
- 多種監控手段，語言探針和service mesh
- 多語言自動探針，Java，.NET Core和Node.JS
- 輕量高效，不需要大數據
- 模塊化，UI、存儲、集群管理多種機制可選
- 支持告警
- 優秀的可視化方案
Skywalking 技術架構
整個系統分為三部分：
- agent：采集tracing（調用鏈數據）和metric（指標）信息并上報
- OAP：收集tracing和metric信息通過analysis core模塊將數據放入持久化容器中（ES，H2（內存數據庫），mysql等等），并進行二次統計和監控告警
- webapp：前后端分離，前端負責呈現，并將查詢請求封裝為graphQL提交給后端，后端通過ribbon做負載均衡轉發給OAP集群，再將查詢結果渲染展示
Skywalking也提供了其他的一些特性：
- 配置重載：支持通過jvm參數覆寫默認配置，支持動態配置管理
- 集群管理：這個主要體現在OAP，通過集群部署分擔數據上報的流量壓力和二次計算的計算壓力，同時集群也可以通過配置切換角色，分別面向數據采集（collector）和計算（aggregator，alarm），需要注意的是agent目前不支持多collector負載均衡，而是隨機從集群中選擇一個實例進行數據上報
- 支持k8s和mesh
- 支持數據容器的擴展，例如官方主推是ES，通過擴展接口，也可以實現插件去- - 支持其他的數據容器
- 支持數據上報receiver的擴展，例如目前主要是支持gRPC接受agent的上報，但是也可以實現插件支持其他類型的數據上報（官方默認實現了對Zipkin，telemetry和envoy的支持）
- 支持客戶端采樣和服務端采樣，不過服務端采樣最有意義
- 官方制定了一個數據查詢腳本規范：OAL（Observability Analysis Language），語法類似Linq，以簡化數據查詢擴展的工作量
- 支持監控預警，通過OAL獲取數據指標和閾值進行對比來觸發告警，支持webhook擴展告警方式，支持統計周期的自定義，以及告警靜默防止重復告警
數據容器
由于Skywalking并沒有自己定制的數據容器或者使用多種數據容器增加復雜度，而是主要使用ElasticSearch（當然開源的基本上都是這樣來保持簡潔，例如Pinpoint也只使用了HBase），所以數據容器的特性以及自己數據結構基本上就限制了業務的上限，以ES為例：
- ES查詢功能異常強大，在數據篩選方面碾壓其他所有容器，在數據篩選潛力巨大（Skywalking默認的查詢維度就比使用HBase的Pinpoint強很多）
- 支持sharding分片和replicas數據備份，在高可用/高性能/大數據支持都非常好
- 支持批量插入，高并發下的插入性能大大增強
- 數據密度低，源于ES會提前構建大量的索引來優化搜索查詢，這是查詢功能強大和性能好的代價，但是鏈路跟蹤往往有非常多的上下文需要記錄，所以Skywalking把這些上下文二進制化然后通過Base64編碼放入data_binary字段并且將字段標記為not_analyzed來避免進行預處理建立查詢索引
總體來說，Skywalking盡量使用ES在大數據和查詢方面的優勢，同時盡量減少ES數據密度低的劣勢帶來的影響，從目前來看，ES在調用鏈跟蹤方面是不二的數據容器，而在數據指標方面，ES也能中規中矩的完成業務，雖然和時序數據庫相比要弱一些，但在PB級以下的數據支持也不會有太大問題。
數據結構
如果說數據容器決定了上限，那么數據結構則決定了實際到達的高度。Skywalking的數據結構主要為：
- 數據維度（ES索引為skywalking_*_inventory)
- service：服務
- instance：實例
- endpoint：接口
- network_adress：外部依賴
- 數據內容
- 原始數據
- 調用鏈跟蹤數據（調用鏈的trace信息，ES索引為skywalking_segment，Skywalking主要的數據消耗都在這里）
- 指標（主要是jvm或者envoy的運行時指標，例如ES索引skywalking_instance_jvm_cpu）
- 二次統計指標
- 指標（按維度/時間二次統計出來的例如pxx、sla等指標，例如ES索引skywalking_database_access_p75_month）
- 數據庫慢查詢記錄（數據庫索引：skywalking_top_n_database_statement）
- 關聯關系（維度/指標之間的關聯關系，ES索引為skywalking_relation)
- 特別記錄
- 告警信息（ES索引為skywalking_alarm_record）
- 并發控制（ES索引為skywalking_register_lock）
其中數量占比最大的就是調用鏈跟蹤數據和各種指標，而這些數據均可以通過OAP設置過期時間，以降低歷史數據的對磁盤占用和查詢效率的影響。
調用鏈跟蹤數據
作為Skywalking的核心數據，調用鏈跟蹤數據（skywalking_segment）基本上奠定了整個系統的基礎，而如果要詳細的了解調用鏈跟蹤的話，就不得不提到openTracing。
openTracing基本上是目前開源調用鏈跟蹤系統的一個事實標準，它制定了調用鏈跟蹤的基本流程和基本的數據結構，同時也提供了各個語言的實現。如果用一張圖來表現openTracing，則是如下：
其中：
- SpanContext：一個類似于MDC（Slfj)或者ThreadLocal的組件，負責整個調用鏈數據采集過程中的上下文保持和傳遞
-
Trace：一次調用的完整記錄
- Span：一次調用中的某個節點/步驟，類似于一層堆棧信息，Trace是由多個Span組成，Span和Span之間也有父子或者并列的關系來標志這個節點/步驟在整個調用中的位置
- Tag：節點/步驟中的關鍵信息
- Log：節點/步驟中的詳細記錄，例如異常時的異常堆棧
- Baggage：和SpanContext一樣并不屬于數據結構而是一種機制，主要用于跨Span或者跨實例的上下文傳遞，Baggage的數據更多是用于運行時，而不會進行持久化
- Span：一次調用中的某個節點/步驟，類似于一層堆棧信息，Trace是由多個Span組成，Span和Span之間也有父子或者并列的關系來標志這個節點/步驟在整個調用中的位置
以一個Trace為例：
首先是外部請求調用A，然后A依次同步調用了B和C，而B被調用時會去同步調用D，C被調用的時候會依次同步調用E和F，F被調用的時候會通過異步調用G，G則會異步調用H，最終完成一次調用。
上圖是通過Span之間的依賴關系來表現一個Trace，而在時間線上，則可以有如下的表達：
當然，如果是同步調用的話，父Span的時間占用是包括子Span的時間消耗的。
而落地到Skywalking中，我們以一條skywalking_segment的記錄為例：
{
"trace_id": "52.70.15530767312125341",
"endpoint_name": "Mysql/JDBI/Connection/commit",
"latency": 0,
"end_time": 1553076731212,
"endpoint_id": 96142,
"service_instance_id": 52,
"version": 2,
"start_time": 1553076731212,
"data_binary": "CgwKCjRGnPvp5eikyxsSXhD///////////8BGMz62NSZLSDM+tjUmS0wju8FQChQAVgBYCF6DgoHZGIudHlwZRIDc3FsehcKC2RiLmluc3RhbmNlEghyaXNrZGF0YXoOCgxkYi5zdGF0ZW1lbnQYAiA0",
"service_id": 2,
"time_bucket": 20190320181211,
"is_error": 0,
"segment_id": "52.70.15530767312125340"
}
其中：
- trace_id：本次調用的唯一id，通過snowflake模式生成
- endpoint_name：被調用的接口
- latency：耗時
- end_time：結束時間戳
- endpoint_id：被調用的接口的唯一id
- service_instance_id：被調用的實例的唯一id
- version：本數據結構的版本號
- start_time：開始時間戳
- data_binary：里面保存了本次調用的所有Span的數據，序列化并用Base64編碼，不會進行分析和用于查詢
- service_id：服務的唯一id
- time_bucket：調用所處的時段
- is_error：是否失敗
- segment_id：數據本身的唯一id，類似于主鍵，通過snowflake模式生成
這里可以看到，目前Skywalking雖然相較于Pinpoint來說查詢的維度要多一些，但是也很有限，而且除了endPoint，并沒有和業務有關聯的字段，只能通過時間/服務/實例/接口/成功標志/耗時來進行非業務相關的查詢，如果后續要增強業務相關的搜索查詢的話，應該還需要增加一些用于保存動態內容（如messageId，orderId等業務關鍵字）的字段用于快速定位
指標
指標數據相對于Tracing則要簡單得多了，一般來說就是指標標志、時間戳、指標值，而Skywalking中的指標有兩種：一種是采集的原始指標值，例如jvm的各種運行時指標（例如cpu消耗、內存結構、GC信息等）；一種是各種二次統計指標（例如tp性能指標、SLA等，當然也有為了便于查詢的更高時間維度的指標，例如基于分鐘、小時、天、周、月）
例如以下是索引skywalking_endpoint_cpm_hour中的一條記錄，用于標志一個小時內某個接口的cpm指標：
{
"total": 8900,
"service_id": 5,
"time_bucket": 2019031816,
"service_instance_id": 5,
"entity_id": "7",
"value": 148
}
各個字段的釋義如下：
- total：一分鐘內的調用總量
- service_id：所屬服務的唯一id
- time_bucket：統計的時段
- service_instance_id：所屬實例的唯一id
- entity_id：接口（endpoint）的唯一id
- value：cpm的指標值（cpm=call per minute，即total/60）
agent
agent（apm-sniffer）是Skywalking的Java探針實現，主要負責：
- 采集應用實例的jvm指標
- 通過切向編程進行數據埋點，采集調用鏈數據
- 通過RPC將采集的數據上報
當然，agent還實現了客戶端采樣，不過在APM監控系統里進行客戶端數據采樣都是沒有靈魂的，所以這里就不再贅述了。
首先，agent通過 org.apache.skywalking.apm.agent.core.boot.BootService 實現了整體的插件化，agent啟動會加載所有的BootService實現，并通過 ServiceManager 來管理這些插件的生命周期，采集jvm指標、gRPC連接管理、調用鏈數據維護、數據上報OAP這些服務均是通過這種方式擴展。
然后，agent還通過bytebuddy以javaagent的模式，通過字節碼增強的機制來構造AOP環境，再提供PluginDefine的規范方便探針的開發，最終實現非侵入性的數據埋點，采集調用鏈數據。
OAP
同agent類似，OAP作為Skywalking最核心的模塊，也實現了自己的擴展機制，不過在這里叫做Module，具體可以參考library-module，在module的機制下，Skywalking實現了自己必須核心組件：
- core：整個OAP核心業務（remoting、cluster、storage、analysis、query、alarm）的規范和接口
- cluster：集群管理的具體實現
- storage：數據容器的具體實現
- query：為前端提供的查詢接口的具體實現
- receiver：接收探針上報數據的接收器的具體實現
- alarm：監控告警的具體實現
以及一個可選組件：
- telemetry：用于監控OAP自身的健康狀況
而前面提到的OAP的高擴展性則體現在核心業務的規范均定義在了core中，如果有需要自己擴展的，只需要自己單獨做自己的實現，而不需要做侵入式的改動，最典型的示例則是官方支持的storage，不僅支持單機demo的內存數據庫H2和經典的ES，連目前開源的Tidb都可以接入。
安裝
- 下載最新的安裝包
- 解壓，并進入bin目錄執行
startup.sh啟動 - 訪問
http://localhost:8080/即可看到面板 - 啟動服務
添加如下VM 參數：
-javaagent:${agent_home}/agent/skywalking-agent.jar -Dskywalking.agent.service_name=${service_name}
【轉載請注明出處】：http://www.lxweimin.com/p/e1592d395891
