skywalking是什么

【1】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。SkyWalking 是观察性分析平台和应用性能管理系统，提供分布式追踪、服务网格遥测分析、度量聚合和可视化一体化解决方案。

【2】主要流程为 采集数据——》传输数据——》存储数据——》分析数据——》监控报警 。

 

Skywalking整体架构

【1】图示：

　　

 

 

 

【2】整个架构分成四部分：

　　1.上部分Agent ：负责从应用中，收集链路信息，发送给 SkyWalking OAP 服务器；

　　2.下部分 SkyWalking OAP ：负责接收Agent发送的Tracing数据信息，然后进行分析(Analysis Core)，存储到外部存储器(Storage)，最终提供查询(Query)功能；

　　3.右部分Storage：Tracing数据存储，目前支持ES、MySQL、Sharding Sphere、TiDB、H2多种存储器，目前采用较多的是ES，主要考虑是SkyWalking开发团队自己的生产环境采用ES为主；

　　4.左部分SkyWalking UI：负责提供控制台，查看链路等等；

 

SkyWalking中三个概念【搭建的话可以看 skywalking的搭建笔记】

【1】服务(Service) ：表示对请求提供相同行为的一系列或一组工作负载，在使用Agent时，可以定义服务的名字；

【2】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， 一个服务实例实际就是操作系统上的一个真实进程；

【3】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；

 

SkyWalking的简单使用

【1】通过jar包方式接入

　　1）编辑startup.sh脚本启动

#!/bin/sh
# SkyWalking Agent配置
export SW_AGENT_NAME=springboot-skywalking-demo #Agent名字,一般使用`spring.application.name`
export SW_AGENT_COLLECTOR_BACKEND_SERVICES=127.0.0.1:11800 #配置 Collector 地址。
export SW_AGENT_SPAN_LIMIT=2000 #配置链路的最大Span数量，默认为 300。
export JAVA_AGENT=-javaagent:/root/skywalking-agent/skywalking-agent.jar
java $JAVA_AGENT -jar springboot-skywalking-demo-0.0.1-SNAPSHOT.jar #jar启动

 

　　2）java命令启动

java -javaagent:/root/skywalking-agent/skywalking-agent.jar 
-DSW_AGENT_COLLECTOR_BACKEND_SERVICES=127.0.0.1:11800 
-DSW_AGENT_NAME=springboot-skywalking-demo -jar springboot-skywalking-demo-0.0.1-SNAPSHOT.jar

　　3）在IDEA中使用Skywalking

在运行的程序配置jvm参数
-javaagent:E:\SpringCloudAlibaba\apache-skywalking-apm-bin-es7\agent\skywalking-agent.jar 
-DSW_AGENT_NAME=springboot-skywalking-demo 
-DSW_AGENT_COLLECTOR_BACKEND_SERVICES=127.0.0.1:11800

 

【2】自定义SkyWalking链路追踪【希望对项目中的业务方法，实现链路追踪，方便我们排查问题】

　　1）引入依赖

<!-- SkyWalking 工具类 -->
<dependency>
    <groupId>org.apache.skywalking</groupId>
    <artifactId>apm-toolkit-trace</artifactId>
    <version>8.11.0</version>
</dependency>

　　2）在业务方法中可以TraceContext获取到traceId

@RequestMapping("/list")
public List<User> list(){

    //TraceContext可以绑定key-value
    TraceContext.putCorrelation("name", "fox");
    Optional<String> op = TraceContext.getCorrelation("name");
    log.info("name = {} ", op.get());
    //获取追踪的traceId
    String traceId = TraceContext.traceId();
    log.info("traceId = {} ", traceId);

    return userService.list();
}

　　3）注解@Trace将方法加入追踪链路

　　4）注解@Tags或@Tag为追踪链路增加其他额外的信息，比如记录参数和返回信息。实现方式：在方法上增加@Tag或者@Tags，示例：

@Trace
@Tag(key = "list", value = "returnedObj")
public List<User> list(){
    return userMapper.list();
}

@Trace
@Tags({@Tag(key = "param", value = "arg[0]"),
        @Tag(key = "user", value = "returnedObj")})
public User getById(Integer id){
    return userMapper.getById(id);
}

 

 

SkyWalking的数据持久化

【1】基于mysql持久化

　　1）修改config目录下的application.yml

storage:
  #选择使用mysql   默认使用h2，不会持久化，重启skyWalking之前的数据会丢失
  selector: ${SW_STORAGE:mysql}
  #使用mysql作为持久化存储的仓库
  mysql:
    properties:
      #数据库连接地址  创建swtest数据库
      jdbcUrl: ${SW_JDBC_URL:"jdbc:mysql://1ocalhost:3306/swtest"}
      #用户名
      dataSource.user: ${SW_DATA_SOURCE_USER:root}
      #密码
      dataSource.password: ${SW_DATA_SOURCE_PASSWORD:root}

　　2）添加mysql数据驱动包到oap-libs目录下【注意：需要添加mysql数据驱动包，因为在lib目录下是没有mysql数据驱动包的，所以修改完配置启动是会报错，启动失败的。】

　　3）启动Skywalking【查看swtest数据库，可以看到生成了很多表，那么就代表成功了】

 

【2】基于elasticsearch持久化

　　1）修改config目录下的application.yml

storage:
  selector: ${SW_STORAGE:elasticsearch}  //指定ES作为存储
  elasticsearch:
    nameSpace: ${SW_NAMESPACE:"myProject-"}  //指定命名空间，用于生成索引前缀
    clusterNodes: ${SW_STORAGE_ES_CLUSTER_NODES:localhost:9200} //配置集群节点，当然可以采用负载均衡【然后把负载均衡的服务器ip与端口写入】，但也可以把节点都写进去
    user: ${SW_ES_USER:"myes"}    //es的用户名
    password: ${SW_ES_PASSWORD:"123456"}    //es的密码

　　2）启动Skywalking服务

　　　　启动时会向elasticsearch中创建大量的index索引用于持久化数据，启动应用程序，查看追踪数据是否已经持久化到elasticsearch的索引中，然后重启skywalking，验证追踪数据会不会丢失

 

Skywalking告警通知

【1】skywalking告警的核心由一组规则驱动，这些规则定义在config/alarm-settings.yml文件中，告警规则的定义分为三部分:

1.告警规则：它们定义了应该如何触发度量警报，应该考虑什么条件；
2.网络钩子(Webhook}：当警告触发时，哪些服务终端需要被通知；
3.gRPC钩子：远程gRPC方法的主机和端口，告警触发后调用；

 

【2】skywalking发行版中提供了默认的alarm-setting.yml文件，包括一些规则，每个规则有英文注释。

　　1）可以根据注释得知每个规则的作用：

# Sample alarm rules.
rules:
  # Rule unique name, must be ended with `_rule`.
  service_resp_time_rule:
    metrics-name: service_resp_time
    op: ">"
    threshold: 1000
    period: 10
    count: 3
    silence-period: 5
    #在最近10分钟的3分钟内服务平均响应时间超过1000ms
    message: Response time of service {name} is more than 1000ms in 3 minutes of last 10 minutes.
  service_sla_rule:
    # Metrics value need to be long, double or int
    metrics-name: service_sla
    op: "<"
    threshold: 8000
    # The length of time to evaluate the metrics
    period: 10
    # How many times after the metrics match the condition, will trigger alarm
    count: 2
    # How many times of checks, the alarm keeps silence after alarm triggered, default as same as period.
    silence-period: 3
    #最近10分钟内，服务成功率在2分钟内低于80%
    message: Successful rate of service {name} is lower than 80% in 2 minutes of last 10 minutes
  service_resp_time_percentile_rule:
    # Metrics value need to be long, double or int
    metrics-name: service_percentile
    op: ">"
    threshold: 1000,1000,1000,1000,1000
    period: 10
    count: 3
    silence-period: 5
    message: Percentile response time of service {name} alarm in 3 minutes of last 10 minutes, due to more than one condition of p50 > 1000, p75 > 1000, p90 > 1000, p95 > 1000, p99 > 1000
  service_instance_resp_time_rule:
    metrics-name: service_instance_resp_time
    op: ">"
    threshold: 1000
    period: 10
    count: 2
    silence-period: 5
    #服务实例的响应时间在过去10分钟的2分钟内超过1000ms
    message: Response time of service instance {name} is more than 1000ms in 2 minutes of last 10 minutes
  database_access_resp_time_rule:
    metrics-name: database_access_resp_time
    threshold: 1000
    op: ">"
    period: 10
    count: 2
    #数据库访问{name}的响应时间在过去10分钟的2分钟内超过1000ms
    message: Response time of database access {name} is more than 1000ms in 2 minutes of last 10 minutes
  endpoint_relation_resp_time_rule:
    metrics-name: endpoint_relation_resp_time
    threshold: 1000
    op: ">"
    period: 10
    count: 2
    #端点关系{name}的响应时间在过去10分钟的2分钟内超过1000ms
    message: Response time of endpoint relation {name} is more than 1000ms in 2 minutes of last 10 minutes
#  Active endpoint related metrics alarm will cost more memory than service and service instance metrics alarm.
#  Because the number of endpoint is much more than service and instance.
#
#  endpoint_avg_rule:
#    metrics-name: endpoint_avg
#    op: ">"
#    threshold: 1000
#    period: 10
#    count: 2
#    silence-period: 5
#    message: Response time of endpoint {name} is more than 1000ms in 2 minutes of last 10 minutes
#需要自己手动打开
webhooks:
  - http://127.0.0.1/notify/  
#  - http://127.0.0.1/go-wechat/

 

　　2）参数说明：

metrics-name：度量名称，也是OAL脚本中的度量名。默认配置中可以用于告警的度量有：服务，实例，端点，服务关系，实例关系，端点关系。它只支持long,double和int类型。
op：操作符。
threshold：阈值。
period：多久告警规则需要被检查一下。这是一个时间窗口，与后端部署环境时间相匹配。
count：在一个周期窗口中，如果按op计算超过阈值的次数达到count，则发送告警
silence-period：在时间N中触发报警后，在N -> N + silence-period这段时间内不告警。
message：该规则触发时，发送的通知消息。

 

【3】实现回调接口

@RequestMapping("/notify")
public String notify(@RequestBody Object obj){
    //TODO 告警信息，给技术负责人发短信，钉钉消息，邮件，微信通知等
    System.err.println(obj.toString());
    return "notify successfully";
}

 

【4】接入第三方告警，如对接钉钉（官方还提供了其他第三方的对接，文档地址：https://github.com/apache/skywalking/blob/master/docs/en/setup/backend/backend-alarm.md）

dingtalkHooks:
  textTemplate: |-
    {
      "msgtype": "text",
      "text": {
        "content": "Apache SkyWalking Alarm: \n %s."
      }
    }
  webhooks:
    - url: https://oapi.dingtalk.com/robot/send?access_token=dummy_token
      secret: dummysecret

 

【5】Webhook回调通知

　　SkyWalking告警Webhook回调要求接收方是一个Web容器（比如tomcat服务），告警的消息会通过HTTP请求进行发送, 请求方法为POST, Content-Type为application/json, JSON格式基于List<org.apache.skywalking.oap.server.core.alarm.AlarmMessage>的集合对象数据, 集合中的每个AlarmMessage包含以下信息：

scopeId. 所有可用的Scope，参考：org.apache.skywalking.oap.server.core.source.DefaultScopeDefine；
name. 目标 Scope 的实体名称；
id0. Scope 实体的 ID；
id1. 未使用；
ruleName. 在 alarm-settings.yml 中配置的规则名；
alarmMessage. 报警消息内容；
startTime. 告警时间, 位于当前时间与 UTC 1970/1/1 之间；