Spring Cloud系列—SkyWalking链路追踪

上篇文章：

Spring Cloud系列—Seata分布式事务解决方案TCC模式和Saga模式https://blog.csdn.net/sniper_fandc/article/details/149947829?fromshare=blogdetail&sharetype=blogdetail&sharerId=149947829&sharerefer=PC&sharesource=sniper_fandc&sharefrom=from_link

目录

1 链路追踪

1.1 概念

1.2 作用

2 常见组件对比

3 SkyWalking安装部署

3.1 下载APM和Agent

3.2 选择存储数据库

3.3 启动SkyWalking

4 Spring Cloud集成SkyWalking

4.1 集成SkyWalking

4.2 指标介绍

4.2.1 服务总览

4.2.2 具体服务

4.2.3 链路追踪Trace

4.2.4 数据库

5 SkyWalking自定义追踪

5.1 引入依赖

5.2 注解@Trace

5.3 注解@Tag和@Tags

6 SkyWalking性能剖析

7 SkyWalking日志上传

7.1 引入依赖

7.2 添加日志配置

---

1 链路追踪

1.1 概念

        链路追踪是分布式系统对请求路径的流程追踪，通过记录请求在多个服务间的通信路径、耗时、状态等信息，形成完整的调用链视图。每个请求主要是通过唯一标识(TraceID)，类似快递单号；串联跨服务的调用单元(Span)，类似快递中转站；并借助上下文传递(Context)实现链路连续性。

1.2 作用

        （1）保障系统可用性与稳定性：链路追踪可以及时采集CPU、内存和请求成功率等信息，在达到阈值时警告开发人员，及时发现服务问题，从而将故障服务还未扩散或被用户感知时就排查掉。

        （2）优化性能与资源利用率：请求的完整调用链可以观察哪个节点处理最慢，从而针对该节点进行性能优化。

        （3）提升故障排查效率：链路追踪工具为每个请求分配唯一的Trace ID，将跨服务的日志、错误信息等关联为统一视图，帮助快速定位故障节点。比如识别数据库慢查询或第三方接口调用异常）

        （4）理解服务依赖关系和拓扑：复杂的微服务系统各服务之间调用关系复杂，利用链路追踪可以生成服务拓扑图，帮助理清服务依赖关系，从而便于优化系统架构。

2 常见组件对比

	Zipkin	CAT	SkyWalking
接入复杂度	轻量级，集成Spring Cloud Sleuth	需要代码埋点	通过Java agent启动，代码无侵入
数据粒度	接口级	代码级	方法级（RPC、HTTP）
支持语言	Java、C#、Python、Nodejs、Golang、Ruby、Scala等	Java、C/C++、Python、Nodejs、Golang等	Java、Python、Nodejs、PHP、Golang、Ruby等
调用链可视化	有	有	有
聚合报表	少	非常丰富	较丰富
服务依赖图	简单	简单	好
告警支持	无	支持	支持
存储机制	内存、ES、MySQL等	mysql(报表)，本地文件/HDFS(调用链)	ES、MySQL、banyandb、PostgreSQL等(最新版本已移除H2存储)
社区支持	文档丰富，但是国外主流、功能迭代较慢	社区活跃低，文档一般，国内大厂用	社区活跃更新频繁
优点	轻量，部署简单，适合SpringCloud微服务快速集成	功能全面(日志采集、报警、业务、报表)，适合大厂综合监控	非侵入，Apache 背书，社区活跃
缺点	报表能力弱，功能单一	代码侵入高，社区不活跃	插件开发门槛高

3 SkyWalking安装部署

        SkyWalking是个人（吴晟）开源的应用性能监控（APM）系统，其涉及到几个常用的概念：

        APM(Application Performance Monitor)：应用性能监控，通过收集、分析和可视化应用运行时的数据，帮助运维及时分析系统性能和优化系统。CAT和SkyWalking就是APM，而Zipkin不是APM。

        OAP(Observability Analysis Platform)：观察分析平台，SkyWalking由Agent（探针）、UI（前端）、Backend（后端）组成，OAP就是后端的重要组成部分，通过接收、处理和存储来自Agent（探针）的数据，然后生成聚合指标。

        Agent：探针，轻量级数据采集组件，通过字节码植入技术（Bytecode Instrumentation，直接修改字节码，无需添加代码）无侵入式收集应用数据。

        UI：可视化界面，也就是前端，通过RESTful来远程从OAP获取数据并可视化渲染到页面上，支持图表等多种方式，提供Web控制台，展示服务拓扑、调用链路、实时指标、告警信息等。

        Metrics：指标，比如请求响应时间、成功率等。

        Endpoint：服务实例中用于接收和处理外部请求的具体入口点，是比service更细粒度的监控单元，用于描述服务内部的接口或方法级别的访问路径。可以简单理解为接口。

3.1 下载APM和Agent

        从SkyWalking后，APM和Agent下载就分开了，这里分别下载10.2.0的APM和9.4.0的Agent：

https://skywalking.apache.org/downloads/

        下载完后解压到本地：

        为了便于管理，可以在apm目录下创建agent目录，并把下载的agent复制到agent目录下：

3.2 选择存储数据库

        可选的数据库有如下类型：

        （1）H2：2025年以前的SkyWalking的默认存储，基于内存。但是H2内存模式在运行20分钟以上就会数据丢失且无告警，因此官方在2025年以后永久移除了该存储选项。

        （2）MySQL：对于中小规模的数据友好，部署和运维成本低，适合已有MySQL基础设施的团队或小规模数据环境。但是分库分表复杂度高，无法适应千亿级数据的分布式存储需求，但对时间序列数据的聚合查询效率远低于ES，复杂查询易成为瓶颈。

        （3）Elasticsearch：ES基于倒排索引和分片机制，擅长处理海量时序数据的查询与聚合分析，可通过集群分片应对PB级数据存储需求，并且社区支持广泛，但是ES的运维成本较高，需要独立部署ES集群，对资源消耗大，使得ES的性价比不是很高。

        （4）BanyanDB：主要应用就是APM领域，专为处理Metrics（指标）、Tracing（追踪）、Logging（日志）三类可观测性数据设计。BanyanDB专为云原生架构设计，能够处理更大的工作负载，无需担心数据丢失，而且设置非常简单，降低了新用户的使用门槛。作为SkyWalking的原生数据库，BanyanDB目前还处于高速研发的阶段，随着BanyanDB子项目的不断发展，SkyWalking官方宣布，BanyanDB 0.8已经完全生产可用，是生产环境的理想选择。

        这里选择MySQL作为存储。首先需要创建数据库，然后在SkyWalking的配置文件中修改存储配置：

CREATE DATABASE skywalking;

        并且，需要引入MySQL的连接依赖，该依赖可以通过以往项目中引入的MySQL依赖在Maven本地仓库找到，将jar包复制到apache-skywalking-apm-bin\oap-libs：

        修改配置文件，路径apache-skywalking-apm-bin\config下的application.yml文件，需要修改存储为mysql配置：

        然后注意修改JDBC连接的数据库名、user、password信息：

3.3 启动SkyWalking

        由于SkyWalking的默认端口号是8080，在JavaWeb开发时通常会和Tomcat的端口号冲突，因此启动前需要修改端口号。在apm安装路径的apache-skywalking-apm-bin\webapp下打开application.yml文件修改：

        在apache-skywalking-apm-bin\bin找到启动命令startup.bat双击启动即可：

        访问http://127.0.0.1:8999/marketplace：

4 Spring Cloud集成SkyWalking

4.1 集成SkyWalking

        在启动服务时，添加启动参数VM options：

-javaagent:D:\javaee_study\apache-skywalking-apm-10.2.0\apache-skywalking-apm-bin\agent\skywalking-agent.jar -Dskywalking.agent.service_name=order-service -Dskywalking.collector.backend_service=127.0.0.1:11800

        -javaagent:后面跟Java agent的安装路径，即移动到apm中的agent。

        -Dskywalking.agent.service_name:后面跟服务名称。

        -Dskywalking.collector.backend_service:后面跟skywalking启动的apm服务。

        启动服务后在UI界面可以观察到请求的路径和链路拓扑结构：

4.2 指标介绍

4.2.1 服务总览

        Service Apdex：当前服务的评分，量化用户对服务性能满意度的标准化指标，反映用户体验的质量。

        Service Success Rate：服务请求成功率。

        Service Avg Response Time (ms)：服务平均响应延时(ms)。

        Service Load (calls / min)：分钟请求数。

        Endpoint Success Rate：当前端点的成功率。

        Endpoint Avg Response Time (ms)：端点的平均响应时长。

        Endpoint Load (calls / min)：每个端点(URL)的请求次数。

        Service Avg Response Time (ms)：服务平均响应延时(ms)。

4.2.2 具体服务

        Service Apdex：当前服务评分。

        Service Response Time Percentile (ms)：服务响应时间百分比，通过分位数(如P99、P95、P90、P75、P50)反映不同比例请求的延迟情况。比如P99=300ms表示99%的请求延迟低于300ms。

        Service Load (calls / min)：分钟请求数。

        Success Rate (%)：分钟请求成功百分比。

        Message Queue Consuming Count：消息队列消耗计数。

        Message Queue Avg Consuming Latency (ms)：消息队列平均消耗延迟(ms)。

        Service Instances Load (calls / min)：服务节点每分钟请求次数。

        Slow Service Instance (ms)：服务节点的最大延时。

        Service Instance Success Rate (%)：每个服务实例的请求成功率。

        Endpoint Load in Current Service (calls / min)：每个端点(URL)的请求次数。

        Slow Endpoints in Current Service (ms)：当前端点(URL)的慢响应时间。

        Endpoint Success Rate in Current Service (%)：当前端点(URL)的成功响应请求占比。

4.2.3 链路追踪Trace

4.2.4 数据库

        Database Avg Response Time (ms)：数据库平均响应时间。

        Database Access Successful Rate (%)：数据库访问成功率。

        Database Traffic (calls / min)：数据库流量(每分钟的请求次数)。

        Database Access Latency Percentile (ms)：数据库访问延迟(百分位数)。

        Slow Statements (ms) ：慢SQL列表。对于慢SQL，可以使用jmeter模拟，比如接口采用/order/slowSql?time=${__Random(1,5)}进行请求，表示随机[1,5]范围内时间(ms)进行请求，select sleep(time)。

5 SkyWalking自定义追踪

        默认的追踪是接口级别的，因此如果想要对方法级别进行追踪，就需要自定义追踪。

5.1 引入依赖

        <dependency><groupId>org.apache.skywalking</groupId><artifactId>apm-toolkit-trace</artifactId><version>9.4.0</version></dependency>

5.2 注解@Trace

        @Trace注解添加在想要监控的方法上，该注解会为方法添加一个span，并且支持operationName来命名该span：

    @Override@GlobalTransactional@Trace(operationName = "createOrder")public Long create(OrderInfo orderInfo) {try {//插入订单orderMapper.insert(orderInfo);//扣余额accountApi.deduct(orderInfo.getUserId(), orderInfo.getMoney());//扣库存storageApi.deduct(orderInfo.getCommodityCode(), orderInfo.getCount());}catch (Exception e){log.error("下单失败, e: ", e);throw new RuntimeException("下单失败, e:", e);}return orderInfo.getId();}

5.3 注解@Tag和@Tags

        可以直接在方法上添加@Tag注解，能够捕获更细粒度信息，比如方法接收的参数和返回值，arg[n]表示形参列表的第几个参数，returnedObj表示方法返回值。@Tags表示多个@Tag：

    @Override@GlobalTransactional@Trace(operationName = "createOrder")@Tags({@Tag(key = "orderInfo",value = "arg[0]"),@Tag(key = "return",value = "returnedObj")})public Long create(OrderInfo orderInfo)

6 SkyWalking性能剖析

        当发现某个方法执行较慢时，如果想要定位到具体哪行代码较慢，就需要使用性能剖析。点击某个具体的服务，然后点击Trace Profilling，新建任务：

        当监控采样到请求后，就可以选中某个链路，点击分析，出现相关线程栈信息，根据栈信息就可以定位执行时间最长的代码：

7 SkyWalking日志上传

        SkyWalking支持日志上传，通过Trace ID实现日志和链路的关联：

7.1 引入依赖

        <dependency><groupId>org.apache.skywalking</groupId><artifactId>apm-toolkit-logback-1.x</artifactId><version>9.4.0</version></dependency>

7.2 添加日志配置

        SpringBoot底层默认支持logback日志组件，要上传日志就需要配置logback.xml文件（适用非SpringBoot应用）。SpringBoot推荐和优先加载logback-spring.xml文件，因此配置该文件内容如下：

<?xml version="1.0" encoding="UTF-8"?><configuration scan="true" scanPeriod="60 seconds" debug="false"><!-- 日志格式化, 配置 %tid 占位符 --><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><!-- 通过grpc把日志上报到SkyWalking--><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><root level="info"><appender-ref ref="STDOUT"/><appender-ref ref="grpc-log"/></root></configuration>

        appender标签是日志输出的核心组件，该标签中的class属性表示输出到哪，GRPCLogClientAppender表示输出到远程SkyWalking客户端，ConsoleAppender表示输出到控制台。重启服务，观察结果：

        还可以通过日志绑定的Trace ID（TID）追踪对应的链路信息，点击左侧蓝色标识也可快速追踪。

下篇文章：