Spring Cloud Java

Skywalking介绍

2022-01-23  本文已影响0人  乱七八糟谈技术

微服务架构已经是一个很通用的系统架构，常见的技术栈如下图所示，这张架构图基本涵括了当前微服务体系下的各种技术栈，可能不同的技术栈有不同的开源实现。


Screen Shot 2022-01-23 at 12.48.19 PM.png

今天主要介绍Skywalking，数据链路追踪，主要的资料来源于网上的教程。

链路追踪介绍

对于一个大型的几十个，几百个微服务构成的微服务架构系统，通常会遇到下面的一系列问题。

Skywalking介绍

Skywalking是一个国产的开源框架，2015年有吴晟个人开源，2017年加入Apache孵化器，国人开源的产品，主要开发人员来自于华为，2019年4月17日Apache董事会批准SkyWalking成为顶级项目，支持Java、.Net、NodeJs等探针，数据存储支持Mysql、Elasticsearch等，跟Pinpoint一样采用字节码注入的方式实现代码的无侵入，探针采集数据粒度粗，但性能表现优秀，且对云原生支持，目前增长势头强劲，社区活跃。
Skywalking是分布式系统的应用程序性能监视工具，专为微服务，云原生架构和基于容器（Docker，K8S,Mesos）架构而设计，它是一款优秀的APM（Application Performance Management）工具，包括了分布式追踪，性能指标分析和服务依赖分析等。

链路追踪框架对比

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

功能和技术方案对比

性能对比

模拟了三种并发用户，500，750，1000，使用JMeter测试，每个线程发送30个请求，设置间隔时间为10ms，使用采用频率为1，即100%。下面是性能测试报告：


Screen Shot 2022-01-23 at 1.29.45 PM.png

从上表可以看出，在三种链路监控组件中，skywalking探针对吞吐量影响最小，zipkin对吞吐量影响适中，pinpoint的探针对吞吐量影响最大。对于内存和cpu的使用，都差不多，相差在10%之内。

Skywalking介绍

Skywalking架构

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


image.png image.png

Skywalking功能介绍

环境搭建

Screen Shot 2022-01-23 at 2.49.08 PM.png

Skywalking目录结构

Screen Shot 2022-01-23 at 2.57.49 PM.png

Skywalking告警

Screen Shot 2022-01-23 at 3.01.05 PM.png

Skywalking UI

image.png Screen Shot 2022-01-23 at 5.27.51 PM.png

Skywalking数据下转

Skywalking提供了详细的数据分析功能，首先能分析出各个组件的调用关系拓扑图，然后能从拓扑图下转到每个功能组件，模块，方法的详细性能，提供整个数据链路追踪。如下示意图，


WechatIMG8.jpeg WechatIMG7.jpeg WechatIMG6.jpeg WechatIMG5.jpeg
WechatIMG4.jpeg
WechatIMG3.jpeg
WechatIMG2.jpeg

Skywalking log集成

Skywalking 可以与日志功能集成，将模块的日志上传到中心进行集中查看。
有logback，log4j等对应的jar来收集各个模块的日志。比如集成logback，配置方式如下：

引入jar
<dependency>
    <groupId>org.apache.skywalking</groupId>
    <artifactId>apm-toolkit-logback-1.x</artifactId>
    <version>8.4.0</version>
</dependency>
配置logback
<configuration>　　
    <!-- 控制台输出 -->
    <appender name="STDOUT" class="ch.qos.logback.core.ConsoleAppender">
        <encoder class="ch.qos.logback.core.encoder.LayoutWrappingEncoder">
            <layout class="org.apache.skywalking.apm.toolkit.log.logback.v1.x.TraceIdPatternLogbackLayout">
                <Pattern>%d{yyyy-MM-dd HH:mm:ss.SSS} [%tid] [%thread] %-5level %logger{36} -%msg%n</Pattern>
            </layout>
        </encoder>
    </appender>
    <! -- 配置异步记录 AsyncAppender -->
    <appender name="ASYNC" class="ch.qos.logback.classic.AsyncAppender">
        <discardingThreshold>0</discardingThreshold>
        <queueSize>1024</queueSize>
        <neverBlock>true</neverBlock>
        <appender-ref ref="STDOUT"/>
    </appender>
    <!-- skywalking grpc 日志收集 8.4.0版本开始支持 -->
    <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>

    <!--系统操作日志-->
    <root level="DEBUG">　　
        <appender-ref ref="STDOUT"/>　
        <appender-ref ref="ASYNC"/>　
        <appender-ref ref="grpc-log"/>
    </root>
</configuration>
配置日志插件
plugin.toolkit.log.grpc.reporter.server_host=${SW_GRPC_LOG_SERVER_HOST:127.0.0.1}
plugin.toolkit.log.grpc.reporter.server_port=${SW_GRPC_LOG_SERVER_PORT:11800}
plugin.toolkit.log.grpc.reporter.max_message_size=${SW_GRPC_LOG_MAX_MESSAGE_SIZE:10485760}
plugin.toolkit.log.grpc.reporter.upstream_timeout=${SW_GRPC_LOG_GRPC_UPSTREAM_TIMEOUT:30}

主要是配合Skywalking的远程地址和端口

参考文章

这篇教程主要的内容来自于以下：

上一篇 下一篇

猜你喜欢

热点阅读