需求背景
随着分布式的盛行，系统的复杂度也逐步增加，不同服务间的交互对性能的定位提出了更高的要求。任意一个节点的异常，都可能对业务系统造成损失。对于链路追踪，迫切需要一个优秀的监测工具。
需求如下
功能性需求
- 请求链路追踪，快速定位故障，缩短故障的排除时间 以及 判断故障影响范围
- 可视化链路各阶段的耗时，进行性能分析，排除业务瓶颈
- 梳理服务依赖关系以及优化依赖的合理性
- 系统指标监控，吞吐量（TPS）、响应时间及错误记录等。
非功能性需求：
探针的性能消耗：服务调用埋点本身会带来性能损耗，这就需要组件对业务系统的性能影响小
代码的侵入性：对业务系统尽可能少入侵或者无入侵其他，对于使用方透明，减少开发人员的负担。
Skywalking
- 简介
一款全链路追踪的工具
使用说明如下
仪表盘
仪表盘是Skywalking的首页，它提供多个指示板来可视化指标，例如：服务(APM)、数据库（Database）等等。
APM
APM面板总体分为四个维度：Global（全局）、Service（服务）、Instance（实例）、Endpoint（API），提供筛选功能，每块都包含一些指标。
- Global（全局）指标：
1、Services Load：
服务每分钟请求数
2、Slow Services：
慢响应服务，按响应时间排序topN，单位ms
3、Un-Health Services (Apdex)：
Apdex性能指标，即服务的不健康值，1为满分，Apdex是根据设定的阈值和响应时间综合考虑的衡量标准，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，衡量的是用户对服务的满意程度，因为传统的指标（如平均响应时间）可能很快就会容易形成偏差。
4、Slow Endpoints：
慢接口平均响应耗时排序，单位ms
5、Global Response Latency：
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，例如 p99 为 3500ms，意味着 99% 的请求应该比 3500ms 更快
6、Global Heatmap：
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）维度：**
Service Apdex 数字：
Apdex性能指标
Service Apdex 折线图：
一段时间的Apdex分数
Service Avg Response Time：
服务平均响应时间
Service Response Time Percentile：
百分比响应延时
**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：
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）维度：
- Endpoint（API）维度：
Database（数据库）：
拓扑图
拓扑图可以很直观地展示服务与服务之间的依赖关系，这对于我们进行服务梳理是非常有帮助的，并且支持自定义分组，如下图所示，就将 ai-search、social-search、social-scan 三个服务自定义一个分组，并通过拓扑图很直观地展示出三者间的依赖关系：
除此之外，拓扑图还能查看服务运行信息进行度量，包括开发框架类型、服务平均响应时间、吞吐量、百分比响应、Apdex分值、SLA值等
链路追踪：
- 查看数据库操作详情：
- 查看Redis缓存操作详情：
性能剖析：
Skywalking 在性能剖析方面非常强大，提供到基于堆栈的分析结果，能够让开发人员一看看出调用过程中各个步骤所消耗的时间，以便进行有针对性的进行优化。
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，比如比链路追踪多了线程栈的信息、慢方法提示等等内容。接下来我们就介绍下怎么进行性能剖析：
- 新建任务：
在 性能剖析模块 -> 新建任务 -> 选择服务、填写端点、监控时间，操作如下图：
温馨提示：每个服务，相同时间只能添加一个任务，且添加的任务不能更改也不能删除，只能等待过期后自动删除
- 执行请求：
多次访问 “/api/searchByWholeOcr” 接口，然后选择这个任务将会出现监控到的数据，如下图：
备注：需要连续执行多次请求，因为存在采用设置。如果执行次数少，可能不会出现采样数据，也就无法进行分析了
性能剖析：
上图可以看出，”/api/searchByWholeOcr“ 接口耗费了681ms，通过分析详细堆栈信息，我们可以看到耗时最多的操作就是SearchServiceImpl 类的 executeSearchRequest()方法，耗费了563ms，主要是调用 ES 做了全文搜索，如下图所示：
写在最后
Skywaling是一个很好的链路追踪的工具，尤其是在生产环境，对于定位接口耗时，链路过程有着重要的辅助作用。对于它的使用，至少得看得懂，才知道怎么定位问题。这里是"安前码后"，一个专注分享实用干货的号，觉得用心整理并且对看官们有帮助的，请给个三连。更多实用干货持续更新中…
本文由mdnice多平台发布