• 猿创征文｜链路追踪-Skywalking入门

    背景

    旁友，你的线上服务是不是偶尔来个超时，或者突然抖动一下，造成用户一堆反馈投诉。然后你费了九牛二虎之力，查了一圈圈代码和日志才总算定位到问题原因了。或者公司内部有链路追踪系统，虽然可以很轻松地通过监控判断问题出现的原因，但是对其中的逻辑完全摸不着头脑。只能上网搜索一番。

    旁友，skywalking分布式链路追踪框架了解一下。

    有的旁友会有疑惑，我的Spring Boot 就是一个单体应用么，不需要链路追踪？有问题直接翻日志就行了，但是即使是一个 Spring Boot 单体应用，也会和以下服务打交道：

    • 关系数据库，例如说 MySQL、PostgreSQL 等等。
    • 缓存数据库，例如说 Redis、Memcached 等等。
    • 外部三方服务，例如说微信公众号、微信支付、支付宝支付、短信平台等等

    可见，仅仅一个 Spring Boot 单体应用，就已经涉及到分布在不同进程中的服务了。此时，就非常有必要用上skywalking。例如说，线上某个 接口访问非常慢，用SkyWalking 可以定位是MySQL 查询比较慢呢，还是调用的第三方服务比较慢。

    而在分布式服务中，各个大厂内部系统成百上千的，链路关系更加复杂。比如你在外卖平台上的一个点击请求可能跨了内部几十个Java应用了，在这么长的链路里去排查问题，没有好使的工具怎么行呢。如图是当前分布式系统的现状，图片来源：鹰眼下的淘宝分布式调用跟踪系统介绍

    在这里插入图片描述

    根据上图，我们设想：

    1.系统中有可能每天都在增加新服务或删除旧服务，也可能进行升级，当系统出现错误，我们如何定位问题？

    2.当用户请求时，响应缓慢，怎么定位问题？

    3.服务可能由不同的编程语言开发，1、2 定位问题的方式，是否适合所有编程语言？

    Skywalking框架

    1.介绍

    SkyWalking 是什么？

    官方网址 http://skywalking.apache.org/

    skywalking是一个优秀的国产开源框架，2015年由个人吴晟（华为开发者）开源 ， 2017年加入Apache孵化器。短短两年就被Apache收入麾下，实力可见一斑。

    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。

    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。

    代码无侵入，通信方式采用GRPC，实现方式是java探针，支持告警，JVM监控，支持全局调用统计等等

    skywalking的架构参考了谷歌的Dapper框架的论文，Dapper并没有开源，只给了篇论文，感兴趣但又不喜英文文档的旁友可以看看论文的中文翻译Dapper，大规模分布式系统的跟踪系统

    整体架构如下：

    在这里插入图片描述

    • Tracing Metrics Logging ：负责从应用中，收集链路信息，发送给 SkyWalking OAP 服务器。目前支持 SkyWalking、Zikpin、Jaeger 等提供的 Tracing 数据信息。Java应用通常使用SkyWalking Agent 收集数据
    • SkyWalking OAP ：skywalking服务端（Transport layer，Receiver cluster，Aggregator cluster）负责接收 Agent 发送的 Tracing 数据信息，然后进行分析，存储到外部存储器( Storage )，最终提供查询功能。
    • Storage option ：Tracing 数据存储。目前支持 ES、H2 多种存储器。我们用ES存储即可 。
    • GUI ：负责提供可视化控台，查看链路等
    • Alarm：提供告警功能，这里不展示讲

    2.Docker方式搭建Skywalking环境

    为了快速搭建环境，避免各种系统、配置环境不同造成踩坑的情况。我们用docker直接创建ElasticSearch、Skywalking-OAP、Skywalking-UI以及ES的管理工具Kibana。这样一套运行环境直接就能用了。话不多说，直接开干

    整体架构如下：

    在这里插入图片描述

    用到的工具版本号如下表：

    工具版本号
    ElasticSearch7.14.2
    Kibana7.14.2
    skywalking-oap-server9.1.0
    skywalking-ui9.1.0

    其中skywalking的docker-compos.yml运行脚本可以从官方的Github上获取apache/skywalking/docker

    脚本需要修改，直接参考我的就行，不懂的参数都有具体说明：

    version: '3'
services:
  elasticsearch:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.14.2
    container_name: elasticsearch
    ports:
      - 9200:9200
      - 9300:9300
    environment:
      - "cluster.name=elasticsearch"
      - "bootstrap.memory_lock=true"
      - "ES_JAVA_OPTS=-Xms256m -Xmx512m"
      - "discovery.type=single-node"
 
  kibana:
    image: docker.elastic.co/kibana/kibana:7.14.2
    container_name: kibana
    depends_on:
      - elasticsearch
    ports:
      - 5601:5601
    environment:
      # IP地址为运行电脑的IP地址，Mac上通过 ifconfig en0 命令获取
      - "elasticsearch.hosts=http://192.168.1.5:9200" 

  skywalking-oap:
    image: apache/skywalking-oap-server:9.1.0
    container_name: skywalking-oap
    depends_on:
      - elasticsearch
    ports:
      - "11800:11800"
      - "12800:12800"
    healthcheck:
      test: [ "CMD-SHELL", "/skywalking/bin/swctl ch" ]
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 10s
    environment:
      TZ: Asia/Shanghai
      SW_STORAGE: elasticsearch
      SW_STORAGE_ES_CLUSTER_NODES: elasticsearch:9200
      SW_HEALTH_CHECKER: default
      SW_TELEMETRY: prometheus

  skywalking-ui:
    image: apache/skywalking-ui:9.1.0
    container_name: skywalking-ui
    depends_on:
      - skywalking-oap
    links:
      - skywalking-oap
    ports:
     # UI界面程序占用的端口
      - "8080:8080"
    environment:
      TZ: Asia/Shanghai
      # IP地址为运行电脑的IP地址，Mac上通过 ifconfig en0 命令获取
      SW_OAP_ADDRESS: http://192.168.1.8:12800


    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61

    2.1 Docker镜像加速

    按上述配好docker-compose.yml文件后，命令行到所在目录下执行docker-compose up可以拉起镜像，第一次运行时会下载镜像，docker默认的镜像仓库在国外，所以下载速度和蜗牛一样慢。为了加速下载，需要配置国内的docker镜像

    获取国内docker镜像库地址的方法：

    1. 阿里云官方镜像加速，获取加速器地址文档：阿里云官方镜像加速
    2. 网上搜索docker镜像加速，下面是测过有效的公共镜像库

    配置方法：

    Docker桌面版Preference -> Docker Engine 在Json配置里加上，加好之后重启Docker，然后再重新拉镜像，速度立马快得飞起🚀🚀🚀

      # 按需加上多个镜像库地址
  "registry-mirrors": [
		"https://hub-mirror.c.163.com",
    "https://mirror.baidubce.com"
  ]


    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    在这里插入图片描述

    2.2 Skywalking UI界面

    docker启动后，Skywalking第一次运行会自行在ES里创建索引，运行日志没有报错，说明启动成功了，浏览器打开http://127.0.0.1:8080/可以看到Skywalking 的界面

    在这里插入图片描述

    2.3 Skywalking agent使用

    数据的采集通过agent，Java应用启动时通过-javaagent参数配置Skywalking agent。在IDEA中运行时，在启动参数vm 中配置即可。

    Skywalking Agent下载

    官网上下载Java agent压缩包Skywalking Agent下载，当前最新的版本是v8.12.0，下载到自己电脑上找个位置解压。我的是放在/Users/longbig/opt/目录下

    shell脚本方式

    # 配置agent地址，agent服务名，skywalking-oap collector地址(注意IP地址，因为我是docker运行,需要使用本机的局域网IP)
export JAVA_AGENT=-javaagent:/Users/yuyunlong/opt/skywalking-agent/skywalking-agent.jar=agent.service_name=multi_function,collector.backend_service=192.168.1.8:11800

# jar启动
java -jar $JAVA_AGENT application.jar

    • 1
    • 2
    • 3
    • 4
    • 5

    IDEA运行方式

    在你需要运行的springboot应用的VM options里加上上面的参数，启动即可

    在这里插入图片描述

    启动完之后随便调用几个接口试试，然后再在Skywalking的界面查看效果

    2.3 追踪数据

    下面是我的服务的拓扑图，服务之间的依赖关系可以看的非常清楚，如果旁友的应用比较多的话，能铺满整个屏幕的

    在这里插入图片描述

    到此Skywalking的搭建就完成了

    3. Skywalking集成Logback实现Trace日志打印

    在之前的文章里，我们用了个简陋的方法实现了traceId的传递全链路追踪体验—TraceId的生成，现在我们用上Skywalking框架来打印traceId

    加上Maven依赖

            
        <dependency>
            <groupId>org.apache.skywalkinggroupId>
            <artifactId>apm-toolkit-logback-1.xartifactId>
            <version>8.10.0version>
        dependency>

        <dependency>
            <groupId>org.apache.skywalkinggroupId>
            <artifactId>apm-toolkit-traceartifactId>
            <version>8.10.0version>
        dependency>

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12

    logback-spring.xml文件修改内容：

    主要修改2个地方

    • CONSOLE_LOG_PATTERN 里加上%tid，配置traceId占位符
    • layout通过TraceIdPatternLogbackLayout 实现对%tid替换为Skywalking TraceId
        
    
    <conversionRule conversionWord="clr" converterClass="org.springframework.boot.logging.logback.ColorConverter" />
    <conversionRule conversionWord="wex" converterClass="org.springframework.boot.logging.logback.WhitespaceThrowableProxyConverter" />
    <conversionRule conversionWord="wEx" converterClass="org.springframework.boot.logging.logback.ExtendedWhitespaceThrowableProxyConverter" />
    
    <property name="CONSOLE_LOG_PATTERN" value="${CONSOLE_LOG_PATTERN:-%clr(%d{yyyy-MM-dd HH:mm:ss.SSS}){faint} %clr(${LOG_LEVEL_PATTERN:-%5p}) %clr(${PID:- }){magenta} %clr(---){faint} %clr([%15.15t]){faint} %clr(%-40.40logger{39}){cyan} %clr(:){faint} [%tid] %m%n${LOG_EXCEPTION_CONVERSION_WORD:-%wEx}}"/>


    <appender name="CONSOLE" class="ch.qos.logback.core.ConsoleAppender">
        
        <filter class="ch.qos.logback.classic.filter.ThresholdFilter">
            <level>infolevel>
        filter>
        <encoder class="ch.qos.logback.core.encoder.LayoutWrappingEncoder">
            <layout class="org.apache.skywalking.apm.toolkit.log.logback.v1.x.TraceIdPatternLogbackLayout">
                <Pattern>${CONSOLE_LOG_PATTERN}Pattern>
            layout>
            
            <charset>UTF-8charset>
        encoder>
    appender>

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22

    简单测试看看

    随便写了个探活接口，看看接口耗时和日志打印效果

    服务日志打印：

    在这里插入图片描述

    界面traceId搜索

    在这里插入图片描述

    小结

    本篇文章讲了为什么用分布式链路追踪以及Skywalking框架的使用，是对上一篇最简陋traceId使用的进阶版。学东西就是要日拱一卒，量变引起质变。我是卷福同学，一个在福报厂修福报中的小社畜哦~

  • 相关阅读:
    理解FPGA中的亚稳态
    springboot vue街球社区网站java
    QT使用MSVC编译器时中文报错问题
    部署一个自己的GPT客户端[以ChatGPT-Next-Web为例]
    3.2docker镜像与容器基本的基本操作
    每日一练 | 华为认证真题练习Day132
    Object转List
    LeetCode·每日一题·864.获取所有钥匙的最短路径·广度优先搜索
    HTML
    市场调查与分析[市场调查员][抽样技术方案][抽样方法][F检验]
  • 原文地址：https://blog.csdn.net/qq_36624086/article/details/126823135