# skywalking链路追踪

# 介绍

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，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。
Skywalking是一个国产的开源框架，为Apache顶级项目
支持Java、.Net、NodeJs等探针，数据存储支持Mysql、Elasticsearch等
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。

下面分别介绍skywalking UI中各项内容，分别为仪表盘、拓扑图、追踪、性能剖析、日志、告警

# 仪表盘

仪表盘是我们进入skywalking的首页。他提供多个指示板来可视化指标，例如：服务(APM) 、数据库（Database）、istio等等。接下来，会着重介绍APM和Database面板。

# APM

APM面板总体分为四块：global（全局）、 service（服务）、 instance（实例）、 endpoint（端点），提供筛选功能。每块都包含一些指标。

# global（全局）指标

Services Load（CPM - calls per minute）：服务每分钟请求数
Slow Services（ms）：慢响应服务（响应时间排序top n）
Un-Health Services (Apdex)：Apdex分数

Apdex是根据设定的阈值和响应时间结合考虑的衡量标准。它是满意响应时间和不满意响应时间相对于总响应时间的比率。它衡量的是用户对你的服务的满意程度。
Slow Endpoints (ms)：endpoint的平均响应耗时排序，单位ms
Global Response Latency（percentile in ms）：响应时间百分比，不同百分比的延时时间，单位ms percentile标签含义（p99、p95、pxx等）：例如p99为3500ms, 这意味着 99% 的请求应该比3500ms更快
Global Heatmap（ms）:服务响应时间热力分布图，根据时间段内不同响应时间的数量显示颜色深度, 颜色越深，请求越多。

# Service（服务）指标

Service Apdex 数字：Apdex分数（请参考上一章golbal的解释）
Service Apdex 折线图：一段时间的Apdex分数
Service Avg Response Time（ms）：服务平均响应时间
Service Response Time Percentile（ms）：百分比响应延时（参考上一章golbal的解释）
Successful Rate（%）数字：请求成功率
Successful Rate（%）折线图：一段时间的请求成功率
Service Load（CPM - calls per minute）：每分钟调用数
Service Load（CPM - calls per minute）：一段时间的每分钟调用数
Service Instances Load（CPM - calls per minute）：每个实例每分钟请求数
Slow Service Instance（ms）：每个服务实例平均延时topN
Service Instance Successful Rate（%）：服务实例的请求成功率 topN

# Instance（实例）指标

Service Instance Load（CPM - calls per minute）：实例每分钟调用数
Service Instance Successful Rate（%）：实例调用成功比率
Service Instance Latency（ms）：实例响应延时
JVM CPU（java service）%：jvm占用cpu百分比
JVM Memory （java service）(MB)：jvm内存占用大小，包含四个指标instance_jvm_memory_heap（堆内存使用）、instance_jvm_memory_heap_max（最大堆内存）、instance_jvm_memory_noheap（直接内存当前使用）、instance_jvm_memory_noheap_max（最大直接内存）
JVM GC Time（ms）：jvm垃圾回收时间，包含young gc和old gc。
JVM GC Count：jvm垃圾回收次数，包含young gc count和old gc count
JVM Thread Count（java service）线程数另外还有四个.net的指标，不涉及，暂不描述

# Endpoint（端点）指标

Endpoint Load in Current Service（CPM / PPM）：每个端点（API）每分钟请求数
Slow Endpoints in Current Service（ms）：每个端点（API）的平均响应时间最慢top n，单位ms
Successful Rate in Current Service（%）：每个端点（API）的请求成功率
Endpoint Load：当前端点每个时间段的请求数据
Endpoint Avg Response Time：当前端点每个时间段的平均请求响应时间
Endpoint Response Time Percentile（ms）：当前端点每个时间段的响应时间占比
Endpoint Successful Rate（%）：当前端点每个时间段的请求成功率

# Database

Database Avg Response Time（ms）：当前数据库平均响应时间，单位ms
Database Access Successful Rate（%）：当前数据库访问成功率
Database Traffic（CPM: Calls Per Minute）：当前数据库每分钟请求数
Database Access Latency Percentile（ms）：数据库不同比例的响应时间，单位ms
Slow Statements（ms）：前N个慢查询，单位ms
All Database Loads（CPM: Calls Per Minute）：所有数据库中请求量排序
Un-Health Databases：所有数据库不健康排名，请求成功率排名，失败最多的请求在最上。

# 拓扑图

可以描述服务与服务直接的联系，例如下图，我们可以清晰的看到User服务依赖于consumer服务、messi服务两个服务

# 追踪

查看每个接口的调用链，每个链路耗时、状态。如果为失败，还会展示错误信息，如果是数据库，会展示查询语句。另外可以根据追踪id（trace id）和标记（tag）筛选。如下图：

点击查看详情：

# 性能剖析

性能剖析通过新建任务，对不同端点进行采样，提供更详细的报告。目前看起来，比追踪多了线程栈的信息、慢方法提示

# 1、新建任务

# 2、查看详细分析

# 日志

综合展示各个服务的日志信息，可通过时间、追踪ID、关键词等进行检索

# 日志配置

服务中先完成相关配置才可以将日志正常传输到skywalking中

# 引入maven依赖(pom.xml)

<!--skyWalking监控相关-->
<dependency>
    <groupId>org.apache.skywalking</groupId>
    <artifactId>apm-toolkit-trace</artifactId>
    <version>8.7.0</version>
</dependency>
 <!--skyWalking日志相关-->
<dependency>
    <groupId>org.apache.skywalking</groupId>
    <artifactId>apm-toolkit-logback-1.x</artifactId>
    <version>8.7.0</version>
</dependency>

# logback.xml添加相关配置

<!-- skywalking日志配置 -->
<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} [%X{tid}] [%thread] %-5level %logger{36} -%msg%n</Pattern>
        </layout>
    </encoder>
</appender>

<!-- Level: FATAL 0  ERROR 3  WARN 4  INFO 6  DEBUG 7 -->
<root level="INFO">
    <appender-ref ref="console"/>
    <appender-ref ref="info_log"/>
    <appender-ref ref="error_log"/>
    
    <!-- skywalking日志配置 -->
    <appender-ref ref="grpc-log"/>
</root>

# 日志展示

完成上面配置之后，即可在日志页面查看到相关日志，如下图

点击之后查看详细信息

点击追踪ID跳转到追踪页面

# 告警

根据预设的告警规则，匹配信息并进行提示

# 告警配置

Apache SkyWalking 告警是由一组规则驱动，这些规则定义在 config/alarm-settings.yml 文件中，其位置如图所示：

告警规则有两种类型：单独规则、复合规则

# 单独规则

rules:
  # 规则唯一名称，必须以'_rule'结尾.
  service_resp_time_rule:
    # 度量名称，也是OAL脚本中的度量名，目前Service, Service Instance, Endpoint的度量可以用于告警
    metrics-name: service_resp_time
    # [可选]默认，匹配此指标中的所有服务
    include-names:
      - service_a
      - service_b
    # 操作符
    op: >
    # 阈值，对于多种指标值的如percentile可以配置P50、P75、P90、P95、P99的阈值
    threshold: 1000
    # 评估度量标准的时间长度
    period: 10
    # 度量有多少次符合告警条件后，才会触发告警
    count: 2
    # 检查多少次，告警触发后保持沉默，默认周期相同
    silence-period: 10
    # 该规则触发时，发送的通知消息
    message: 服务【{name}】的平均响应时间在最近10分钟内有2分钟超过1秒

# 复合规则

复合规则仅适用于针对相同实体级别的告警规则例如都是服务级别的告警规则：service_percent_rule && service_resp_time_percentile_rule 不适用于编写不同实体级别的告警规则

## 单独规则
rules:
  service_resp_time_rule:
    metrics-name: service_resp_time
    op: ">"
    threshold: 1000
    period: 10
    count: 2
    silence-period: 10
    message: 服务【{name}】的平均响应时间在最近10分钟内有2分钟超过1秒
  service_sla_rule:
    metrics-name: service_sla
    op: "<"
    threshold: 8000
    period: 10
    count: 2
    silence-period: 10
    message: 服务【{name}】的成功率在最近10分钟内有2分钟低于80％

# 规则名称：在告警信息中显示的唯一名称，必须以_rule结尾
comp_rule:
  # 指定如何组成规则，支持&&, ||, ()操作符
  expression: service_resp_time_rule && service_sla_rule
  message: 服务【{name}】在最近10分钟内有2分钟平均响应时间超过1秒并且成功率低于80％

# 告警信息查看

访问告警界面可以看到对应的告警信息，如下图

点击查看详情

← Spring Cloud Gateway网关 Sentinel →