自SpringCloud問世以來，微服務以席卷之勢風靡全球，企業架構都在從傳統SOA向微服務轉型。然而微服務這把雙刃劍在帶來各種優勢的同時，也給運維、性能監控、錯誤的排查帶來的極大的困難。

　　在大型項目中，服務架構會包含數十乃至上百個服務節點。往往一次請求會設計到多個微服務，想要排查一次請求鏈路中經過了哪些節點，每個節點的執行情況如何，就稱為了亟待解決的問題。于是分布式系統的APM管理系統應運而生。

　　什么是APM系統?

　　APM系統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，這就是APM系統，全稱是(Application Performance Monitor)。

　　谷歌公開的論文提到的 [Google Dapper](http://bigbully.github.io/Dapper-translation)可以說是最早的APM系統了，給google的開發者和運維團隊幫了大忙，所以谷歌公開論文分享了Dapper。

　　而后，很多的技術公司基于這篇論文的原理，設計開發了很多出色的APM框架，例如`Pinpoint`、`SkyWalking`等。

　　而SpringCloud官網也集成了一套這樣的系統：`Spring Cloud Sleuth`，結合`Zipkin`。

　　APM的基本原理

　　目前大部分的APM系統都是基于Google的Dapper原理實現，我們簡單來看看Dapper中的概念和實現原理。

　　先來看一次請求調用示例：

　　1. 服務集群中包括：前端(A)，兩個中間層(B和C)，以及兩個后端(D和E)

　　2. 當用戶發起一個請求時，首先到達前端A服務，然后A分別對B服務和C服務進行RPC調用;

　　3. B服務處理完給A做出響應，但是C服務還需要和后端的D服務和E服務交互之后再返還給A服務，最后由A服務來響應用戶的請求;

　　如何才能實現跟蹤呢?

　　Google的Dapper設計了下面的幾個概念用來記錄請求鏈路：

　　- Span：請求中的基本工作單元，每一次鏈路調用(RPC、Rest、數據庫調用)都會創建一個Span。大概結構如下：

  type Span struct {
      TraceID    int64 // 用于標示一次完整的請求id
      Name       string // 單元名稱
      ID         int64 // 當前這次調用span_id
      ParentID   int64 // 上層服務的span_id,最上層服務parent_id為null，代表根服務
      Annotation []Annotation // 注釋，用于記錄調用中的詳細信息，例如時間
  }

　　- Trace：一次完整的調用鏈路，包含多個Span的樹狀結構，具有唯一的TraceID

　　一次請求的每個鏈路，通過spanId、parentId就能串聯起來：

　　當然，從請求到服務器開始，服務器返回response結束，每個span存在相同的唯一標識trace_id。

　　APM的篩選標準

　　目前主流的APM框架都會包含下列幾個組件來完成鏈路信息的收集和展示：

　　- 探針(Agent)：負責在客戶端程序運行時搜索服務調用鏈路信息，發送給收集器

　　- 收集器(Collector)：負責將數據格式化，保存到存儲器

　　- 存儲器(Storage)：保存數據

　　- UI界面(WebUI)：統計并展示收集到的信息

　　因此，要篩選一款合格的APM框架，就是對比各個組件的使用差異，主要對比項：

　　- 探針的性能

　　主要是agent對服務的吞吐量、CPU和內存的影響。如果探針在收集微服務運行數據時，對微服務的運行產生了比較大的性能影響，相信沒什么人愿意使用。

　　- collector的可擴展性

　　能夠水平擴展以便支持大規模服務器集群，保證收集器的高可用特性。

　　- 全面的調用鏈路數據分析

　　數據的分析要快 ，分析的維度盡可能多。跟蹤系統能提供足夠快的信息反饋，就可以對生產環境下的異常狀況做出快速反應，最好提供代碼級別的可見性以便輕松定位失敗點和瓶頸。

　　- 對于開發透明，容易開關

　　即也作為業務組件，應當盡可能少入侵或者無入侵其他業務系統，對于使用方透明，減少開發人員的負擔。

　　- 完整的調用鏈應用拓撲

　　自動檢測應用拓撲，幫助你搞清楚應用的架構

　　接下來，我們就對比下目前比較常見的三種APM框架的各項指標，分別是：

　　- [Zipkin](https://link.juejin.im/?target=http%3A%2F%2Fzipkin.io%2F)：由Twitter公司開源，開放源代碼分布式的跟蹤系統，用于收集服務的定時數據，以解決微服務架構中的延遲問題，包括：數據的收集、存儲、查找和展現。

　　- [Pinpoint](https://pinpoint.com/)：一款對Java編寫的大規模分布式系統的APM工具，由韓國人開源的分布式跟蹤組件。

　　- [Skywalking](https://skywalking.apache.org/zh/)：國產的優秀APM組件，是一個對JAVA分布式應用程序集群的業務運行情況進行追蹤、告警和分析的系統。現在是Apache的頂級項目之一。

　　三者對比如下：

　　| 對比項 | zipkin | pinpoint | skywalking |

　　| ---------------- | ------ | -------- | ---------- |

　　| 探針性能 | 中 | 低 | **高** |

　　| collector擴展性 | **高** | 中 | **高** |

　　| 調用鏈路數據分析 | 低 | **高** | 中 |

　　| 對開發透明性 | 中 | **高** | **高** |

　　| 調用鏈應用拓撲 | 中 | **高** | 中 |

　　| 社區支持 | **高** | 中 | **高** |

　　可見，zipkin的探針性能、開發透明性、數據分析能力都不占優，實在是下下之選。

　　而pinpoint在數據分析能力、開發透明性上有較大的優勢,不過Pinpoint的部署相對比較復雜，需要的硬件資源較高。

　　Skywalking的探針性能和開發透明性上具有較大優勢，數據分析能力上也還不錯，重要的是其部署比較方便靈活，比起Pinpoint更適合中小型企業使用。

　　因此，本文會帶著大家學習Skywalking的使用。

　　Skywalking介紹

　　SkyWalking創建與2015年，提供分布式追蹤功能。從5.x開始，項目進化為一個完成功能的Application Performance Management系統。

　　他被用于追蹤、監控和診斷分布式系統，特別是使用微服務架構，云原生或容積技術。提供以下主要功能：

　　- 分布式追蹤和上下文傳輸

　　- 應用、實例、服務性能指標分析

　　- 根源分析

　　- 應用拓撲分析

　　- 應用和服務依賴分析

　　- 慢服務檢測

　　- 性能優化

　　官網地址：http://skywalking.apache.org/

　　主要的特征：

　　- 多語言探針或類庫

　　- Java自動探針，追蹤和監控程序時，不需要修改源碼。

　　- 社區提供的其他多語言探針

　　- [.NET Core](https://github.com/OpenSkywalking/skywalking-netcore)

　　- [Node.js](https://github.com/OpenSkywalking/skywalking-nodejs)

　　- 多種后端存儲： ElasticSearch， H2

　　- 支持

　　OpenTracing

　　- Java自動探針支持和OpenTracing API協同工作

　　- 輕量級、完善功能的后端聚合和分析

　　- 現代化Web UI

　　- 日志集成

　　- 應用、實例和服務的告警

　　Skywalking的安裝

　　先來看下Skywalking的官方給出的結構圖：

　　大致分四個部分：

　　- skywalking-oap-server：就是Observability Analysis Platformd的服務，用來收集和處理探針發來的數據

　　- skywalking-UI：就是skywalking提供的Web UI 服務，圖形化方式展示服務鏈路、拓撲圖、trace、性能監控等

　　- agent：探針，獲取服務調用的鏈路信息、性能信息，發送到skywalking的OAP服務

　　- Storage：存儲，一般選擇elasticsearch

　　Skywalking支持windows或者Linux環境部署。這里我們選擇在Linux下安裝Skywalking，大家要**先確保自己的Linux環境中有elasticsearch在啟動中**。

　　接下來的安裝分為三步：

　　- 下載安裝包

　　- 安裝Skywalking的OAP服務和WebUI

　　- 在服務中部署探針

　　下載安裝包

　　安裝包可以再Skywalking的官網下載，http://skywalking.apache.org/downloads/

　　目前最新版本是8.0.1版本：

　　下載好的安裝包：

　　安裝OAP服務和WebUI

　　安裝

　　將下載好的安裝包解壓到Linux的某個目錄下：

tar xvf apache-skywalking-apm-es7-8.0.1.tar.gz

　　然后對解壓好的文件夾重命名：

mv apache-skywalking-apm-es7 skywalking

　　進入解壓好的目錄：

cd skywalking

　　查看目錄結構：

　　幾個關鍵的目錄：

　　- agent：探針

　　- bin：啟動腳本

　　- config：配置文件

　　- logs：日志

　　- oap-libs：依賴

　　- webapp：WebUI

　　這里要修改config目錄中的application.yml文件，詳細配置見官網：https://github.com/apache/skywalking/blob/v8.0.1/docs/en/setup/backend/backend-setup.md

　　配置

　　進入`config`目錄，修改`application.yml`，主要是把存儲方案從h2改為elasticsearch

　　可以直接使用下面的配置：

cluster:
  selector: ${SW_CLUSTER:standalone}
  standalone:
core:
  selector: ${SW_CORE:default}
  default:
    role: ${SW_CORE_ROLE:Mixed} # Mixed/Receiver/Aggregator
    restHost: ${SW_CORE_REST_HOST:0.0.0.0}
    restPort: ${SW_CORE_REST_PORT:12800}
    restContextPath: ${SW_CORE_REST_CONTEXT_PATH:/}
    gRPCHost: ${SW_CORE_GRPC_HOST:0.0.0.0}
    gRPCPort: ${SW_CORE_GRPC_PORT:11800}
    gRPCSslEnabled: ${SW_CORE_GRPC_SSL_ENABLED:false}
    gRPCSslKeyPath: ${SW_CORE_GRPC_SSL_KEY_PATH:""}
    gRPCSslCertChainPath: ${SW_CORE_GRPC_SSL_CERT_CHAIN_PATH:""}
    gRPCSslTrustedCAPath: ${SW_CORE_GRPC_SSL_TRUSTED_CA_PATH:""}
    downsampling:
      - Hour
      - Day
      - Month
    # Set a timeout on metrics data. After the timeout has expired, the metrics data will automatically be deleted.
    enableDataKeeperExecutor: ${SW_CORE_ENABLE_DATA_KEEPER_EXECUTOR:true} # Turn it off then automatically metrics data delete will be close.
    dataKeeperExecutePeriod: ${SW_CORE_DATA_KEEPER_EXECUTE_PERIOD:5} # How often the data keeper executor runs periodically, unit is minute
    recordDataTTL: ${SW_CORE_RECORD_DATA_TTL:3} # Unit is day
    metricsDataTTL: ${SW_CORE_RECORD_DATA_TTL:7} # Unit is day
    # Cache metric data for 1 minute to reduce database queries, and if the OAP cluster changes within that minute,
    # the metrics may not be accurate within that minute.
    enableDatabaseSession: ${SW_CORE_ENABLE_DATABASE_SESSION:true}
    topNReportPeriod: ${SW_CORE_TOPN_REPORT_PERIOD:10} # top_n record worker report cycle, unit is minute
    # Extra model column are the column defined by in the codes, These columns of model are not required logically in aggregation or further query,
    # and it will cause more load for memory, network of OAP and storage.
    # But, being activated, user could see the name in the storage entities, which make users easier to use 3rd party tool, such as Kibana->ES, to query the data by themselves.
    activeExtraModelColumns: ${SW_CORE_ACTIVE_EXTRA_MODEL_COLUMNS:false}
    # The max length of service + instance names should be less than 200
    serviceNameMaxLength: ${SW_SERVICE_NAME_MAX_LENGTH:70}
    instanceNameMaxLength: ${SW_INSTANCE_NAME_MAX_LENGTH:70}
    # The max length of service + endpoint names should be less than 240
    endpointNameMaxLength: ${SW_ENDPOINT_NAME_MAX_LENGTH:150}
storage:
  selector: ${SW_STORAGE:elasticsearch7}
  elasticsearch7:
    nameSpace: ${SW_NAMESPACE:""}
    clusterNodes: ${SW_STORAGE_ES_CLUSTER_NODES:localhost:9200}
    protocol: ${SW_STORAGE_ES_HTTP_PROTOCOL:"http"}
    trustStorePath: ${SW_STORAGE_ES_SSL_JKS_PATH:""}
    trustStorePass: ${SW_STORAGE_ES_SSL_JKS_PASS:""}
    dayStep: ${SW_STORAGE_DAY_STEP:1} # Represent the number of days in the one minute/hour/day index.
    user: ${SW_ES_USER:""}
    password: ${SW_ES_PASSWORD:""}
    secretsManagementFile: ${SW_ES_SECRETS_MANAGEMENT_FILE:""} # Secrets management file in the properties format includes the username, password, which are managed by 3rd party tool.
    indexShardsNumber: ${SW_STORAGE_ES_INDEX_SHARDS_NUMBER:1} # The index shards number is for store metrics data rather than basic segment record
    superDatasetIndexShardsFactor: ${SW_STORAGE_ES_SUPER_DATASET_INDEX_SHARDS_FACTOR:5} # Super data set has been defined in the codes, such as trace segments. This factor provides more shards for the super data set, shards number = indexShardsNumber * superDatasetIndexShardsFactor. Also, this factor effects Zipkin and Jaeger traces.
    indexReplicasNumber: ${SW_STORAGE_ES_INDEX_REPLICAS_NUMBER:0}
    # Batch process setting, refer to https://www.elastic.co/guide/en/elasticsearch/client/java-api/5.5/java-docs-bulk-processor.html
    bulkActions: ${SW_STORAGE_ES_BULK_ACTIONS:1000} # Execute the bulk every 1000 requests
    flushInterval: ${SW_STORAGE_ES_FLUSH_INTERVAL:10} # flush the bulk every 10 seconds whatever the number of requests
    concurrentRequests: ${SW_STORAGE_ES_CONCURRENT_REQUESTS:2} # the number of concurrent requests
    resultWindowMaxSize: ${SW_STORAGE_ES_QUERY_MAX_WINDOW_SIZE:10000}
    metadataQueryMaxSize: ${SW_STORAGE_ES_QUERY_MAX_SIZE:5000}
    segmentQueryMaxSize: ${SW_STORAGE_ES_QUERY_SEGMENT_SIZE:200}
    profileTaskQueryMaxSize: ${SW_STORAGE_ES_QUERY_PROFILE_TASK_SIZE:200}
    advanced: ${SW_STORAGE_ES_ADVANCED:""}
  h2:
    driver: ${SW_STORAGE_H2_DRIVER:org.h2.jdbcx.JdbcDataSource}
    url: ${SW_STORAGE_H2_URL:jdbc:h2:mem:skywalking-oap-db}
    user: ${SW_STORAGE_H2_USER:sa}
    metadataQueryMaxSize: ${SW_STORAGE_H2_QUERY_MAX_SIZE:5000}
receiver-sharing-server:
  selector: ${SW_RECEIVER_SHARING_SERVER:default}
  default:
    authentication: ${SW_AUTHENTICATION:""}
receiver-register:
  selector: ${SW_RECEIVER_REGISTER:default}
  default:

receiver-trace:
  selector: ${SW_RECEIVER_TRACE:default}
  default:
    sampleRate: ${SW_TRACE_SAMPLE_RATE:10000} # The sample rate precision is 1/10000. 10000 means 100% sample in default.
    slowDBAccessThreshold: ${SW_SLOW_DB_THRESHOLD:default:200,mongodb:100} # The slow database access thresholds. Unit ms.

receiver-jvm:
  selector: ${SW_RECEIVER_JVM:default}
  default:

receiver-clr:
  selector: ${SW_RECEIVER_CLR:default}
  default:

receiver-profile:
  selector: ${SW_RECEIVER_PROFILE:default}
  default:

service-mesh:
  selector: ${SW_SERVICE_MESH:default}
  default:

istio-telemetry:
  selector: ${SW_ISTIO_TELEMETRY:default}
  default:

envoy-metric:
  selector: ${SW_ENVOY_METRIC:default}
  default:
    acceptMetricsService: ${SW_ENVOY_METRIC_SERVICE:true}
    alsHTTPAnalysis: ${SW_ENVOY_METRIC_ALS_HTTP_ANALYSIS:""}

prometheus-fetcher:
  selector: ${SW_PROMETHEUS_FETCHER:default}
  default:
    active: ${SW_PROMETHEUS_FETCHER_ACTIVE:false}

receiver_zipkin:
  selector: ${SW_RECEIVER_ZIPKIN:-}
  default:
    host: ${SW_RECEIVER_ZIPKIN_HOST:0.0.0.0}
    port: ${SW_RECEIVER_ZIPKIN_PORT:9411}
    contextPath: ${SW_RECEIVER_ZIPKIN_CONTEXT_PATH:/}

receiver_jaeger:
  selector: ${SW_RECEIVER_JAEGER:-}
  default:
    gRPCHost: ${SW_RECEIVER_JAEGER_HOST:0.0.0.0}
    gRPCPort: ${SW_RECEIVER_JAEGER_PORT:14250}

query:
  selector: ${SW_QUERY:graphql}
  graphql:
    path: ${SW_QUERY_GRAPHQL_PATH:/graphql}

alarm:
  selector: ${SW_ALARM:default}
  default:

telemetry:
  selector: ${SW_TELEMETRY:none}
  none:
  prometheus:
    host: ${SW_TELEMETRY_PROMETHEUS_HOST:0.0.0.0}
    port: ${SW_TELEMETRY_PROMETHEUS_PORT:1234}

configuration:
  selector: ${SW_CONFIGURATION:none}
  none:
  grpc:
    host: ${SW_DCS_SERVER_HOST:""}
    port: ${SW_DCS_SERVER_PORT:80}
    clusterName: ${SW_DCS_CLUSTER_NAME:SkyWalking}
    period: ${SW_DCS_PERIOD:20}
  apollo:
    apolloMeta: ${SW_CONFIG_APOLLO:http://106.12.25.204:8080}
    apolloCluster: ${SW_CONFIG_APOLLO_CLUSTER:default}
    apolloEnv: ${SW_CONFIG_APOLLO_ENV:""}
    appId: ${SW_CONFIG_APOLLO_APP_ID:skywalking}
    period: ${SW_CONFIG_APOLLO_PERIOD:5}
  zookeeper:
    period: ${SW_CONFIG_ZK_PERIOD:60} # Unit seconds, sync period. Default fetch every 60 seconds.
    nameSpace: ${SW_CONFIG_ZK_NAMESPACE:/default}
    hostPort: ${SW_CONFIG_ZK_HOST_PORT:localhost:2181}
    # Retry Policy
    baseSleepTimeMs: ${SW_CONFIG_ZK_BASE_SLEEP_TIME_MS:1000} # initial amount of time to wait between retries
    maxRetries: ${SW_CONFIG_ZK_MAX_RETRIES:3} # max number of times to retry
  etcd:
    period: ${SW_CONFIG_ETCD_PERIOD:60} # Unit seconds, sync period. Default fetch every 60 seconds.
    group: ${SW_CONFIG_ETCD_GROUP:skywalking}
    serverAddr: ${SW_CONFIG_ETCD_SERVER_ADDR:localhost:2379}
    clusterName: ${SW_CONFIG_ETCD_CLUSTER_NAME:default}
  consul:
    # Consul host and ports, separated by comma, e.g. 1.2.3.4:8500,2.3.4.5:8500
    hostAndPorts: ${SW_CONFIG_CONSUL_HOST_AND_PORTS:1.2.3.4:8500}
    # Sync period in seconds. Defaults to 60 seconds.
    period: ${SW_CONFIG_CONSUL_PERIOD:1}
    # Consul aclToken
    aclToken: ${SW_CONFIG_CONSUL_ACL_TOKEN:""}

exporter:
  selector: ${SW_EXPORTER:-}
  grpc:
    targetHost: ${SW_EXPORTER_GRPC_HOST:127.0.0.1}
    targetPort: ${SW_EXPORTER_GRPC_PORT:9870}

　　啟動

　　要確保已經啟動了elasticsearch，并且防火墻開放8080、11800、12800端口。

　　進入`bin`目錄，執行命令即可運行：

./startup.sh

　　默認的UI端口是8080，可以訪問：http://192.168.150.101:8080

　　部署微服務探針

　　現在，Skywalking的服務端已經啟動完成，我們還需要在微服務中加入服務探針，來收集數據。

　　解壓

　　首先，將課前資料給的壓縮包解壓：

　　將其中的`agent`解壓到某個目錄，不要出現中文，可以看到其結構如下：

　　其中有一個`skywalking-agent.jar`就是一我們要用的探針。

　　配置

　　如果是運行一個jar包，可以在運行時輸入參數來指定探針：

java -jar xxx.jar -javaagent:C:/lesson/skywalking-agent/skywalking-agent.jar -Dskywalking.agent.service_name=ly-registry -Dskywalking.collector.backend_service=192.168.150.101:11800

　　本例中，我們用開發工具來運行和配置。

　　使用IDEA開發工具打開一個你的項目，在IDEA工具中，選擇要修改的啟動項，點擊右鍵，選擇`Edit Configuration`：

　　然后在彈出的窗口中，點擊`Environment`，選擇`VM options`后面對應的展開按鈕：

　　在展開的輸入框中，輸入下面的配置：

-javaagent:C:/lesson/skywalking-agent/skywalking-agent.jar
-Dskywalking.agent.service_name=ly-registry
-Dskywalking.collector.backend_service=192.168.150.101:11800

　　注意：

　　- `-javaagent:C:/lesson/skywalking-agent/skywalking-agent.jar`：配置的是skywalking-agent.jar這個包的位置，要修改成你自己存放的目錄

　　- `-Dskywalking.agent.service_name=ly-registry`：是當前項目的名稱，需要分別修改為`ly-registry`、`ly-gateway`、`ly-item-service`

　　- `-Dskywalking.collector.backend_service=192.168.150.101:11800`：是Skywalking的OPA服務地址，采用的是GRPC通信，因此端口是11800，不是8080

　　啟動

　　Skywalking的探針會在項目啟動前對class文件進行修改，完成探針植入，對業務代碼**零侵入**，所以我們只需要啟動項目，即可生效了。

　　啟動項目，然后對項目中的的業務接口訪問，探針就開始工作了。

　　WebUI界面

　　訪問：http://192.168.150.101:8080可以看到統計數據已經出來了：

　　服務實例的性能監控：

　　服務拓撲圖：

　　某次請求的鏈路追蹤信息：

　　表格視圖：

　　本文版權歸黑馬程序員Java培訓學院所有，歡迎轉載，轉載請注明作者出處。謝謝!

　　作者：黑馬程序員Java培訓學院

　　首發：https://java.itheima.com