分布式链路追踪- SkyWalking使用手册

1. 模块介绍

• 仪表盘： 监控全局、服务、实例、endpoint几个维度的运行状态。
• 拓扑图： 以拓扑图的方式展现服务直接的关系，并以此为入口查看告警、调用链、服务状态等信息
• 追踪： 以接口列表的方式展现，追踪接口内部调用过程，可以通过traceid查询，进行分布式集群的日志查看及问题排查。
• 性能剖析： 单独端点进行采样分析，并可查看堆栈信息。
• 日志： 包括了browser与service日志集合。
• 告警： 触发告警的告警列表，包括实例，请求超时等。

2. 仪表盘

• 第一栏：监控、数据库、容器、vm
• 第二栏：可以选择某个维度展示不同服务/实例/端点的数据
• 第三栏：展示的不同维度，全局、服务、实例、端点的面板。
  

2.1 APM

2.1.1 Global

• **Services load(CPM-callsperminute)**：服务平均每分钟请求数。
• **Slow Services(ms)**：慢响应服务，单位ms。
• **Un-Health services(Apdex)**：Apdex性能指标，1为满分。
• **Slow Endpoints(ms)**：全局维度的慢响应端点(API)。例如一个接口，是全局TopN的数据，通过这个可以观测平台性能情况。
• **Global Response Latency(percentileinms)**：全局响应延迟百分位数统计，单位ms。

表示采集样本中某些值的占比，Skywalking有**P50、P75、P90、P95、P99**一些列值。
图中的**P99:950**表示**99%**请求的响应时间在**950ms****以内。**而99%一般用于抛掉一些极端值，表示绝大多数请求。

• **GlobalHeatmap**：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

可译为热力图、热度图都可以，图中颜色越深，表示请求数越多，这和GitHubContributions很像，commit越多，颜色越深。横坐标是响应时间，鼠标放上去，可以看到具体的数量。通过热力图，一方面可以直观感受平台的整体流量，另一方面也可以感受整体性能。

2.1.2 Service

• **Service Apdex****(数字)：**当前服务的评分
• **Service Apdex****(折线图)：**一段时间内Apdex评分
• **Service Avg Response Times(ms)**：平均响应延时，单位ms
• **Service Response Time Percentile**：百分比响应延时，参考GlobalResponseLatency(percentileinms)
• **Successful Rate****(数字)：**请求成功率
• **Successful Rate****(折线图)：**一段时间的请求成功率
• **Servce Load(CPM/PPM)****(数字)：**每分钟请求数，
• **Servce Load(CPM/PPM)****(折线图)：**不同时间的每分钟请求数
• **Service Throughput(Bytes)****：**该指标只适用于TCP服务。当前服务的吞吐量。
• **Servce Instances Load(CPM/PPM)****：**每个服务实例的每分钟请求数
• **Show Service Instance****：**每个服务实例的最大延时
• **Service Instance Successful Rate****：**每个服务实例的请求成功率
  

2.1.3 Instance

• **Service Instance Load(CPM/PPM)****：**当前实例的每分钟请求数
• **Service Instance Throughput(Bytes)****：**该指标只适用于TCP服务。当前服务实例的吞吐量。
• **Service Instance Successful Rate(%)****：**当前实例的请求成功率
• **Service Instance Latency(ms)****：**当前实例的响应延时
• **JVM CPU(Java Service)**：jvm占用CPU的百分比
• **JVM Memory(Java Service)**：JVM内存占用大小，单位m，包括堆内存，与堆外内存(直接内存)
• **JVM GC Time(ms)**：JVM垃圾回收时间，包含YGC和OGC
• **JVM GC Count**：JVM垃圾回收次数，包含YGC``和``OGC
• **JVM Thread Count**：JavaService
• 其他参数为.net的东西
  

2.1.4 Endpoint

• **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)的最慢响应请求时间，单位ms
• **Successful Rate in Current Service(%)**：每个端点(API)的请求成功率

某个端点：

• **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请求行响应时间
• **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
  

2.2 Database

• **Database Avg Response Time(ms)**：当前数据库事件平均响应时间，单位ms
• **Database Access Successful Rate(%)**：当前数据库访问成功率
• **Database Traffic(CPM：CallsPerMinute)**：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：CallsPerMinute)**：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。
  

3. 拓扑图

• **AllGroups****：**选择服务组
• **AllServices****：**选择服务
• **CreateGroup****：**创建新的服务组
• **服务引用拓扑图：**展示服务之间的调用关系，以及服务器的健康状态。
  

3.1 实例信息面板

• 当前服务：可选择具体服务
• 当前端点：可选择具体端点
• 当前深度：可以选择展示的调用深度
• 平均响应时间
• 平均吞吐量
• 平均SLA
• 相应百分比

2-告警面板
3-追踪信息面板
4-服务实力性能状态面板
5-Endpoint(API)面板

4. 追踪

5. 性能剖析

6. 日志

未启用

7. 告警

• 服务的平均响应时间在最近10分钟内有3分钟超过1秒
• 服务的成功率在最近10分钟内有2分钟低于80％
• 实例的平均响应时间在最近10分钟内有2分钟超过1秒
• 数据库的平均响应时间在最近10分钟内有2分钟超过1秒
• 端点的平均响应时间在最近10分钟内有2分钟超过1秒
• 服务在最近10分钟内有2分钟超过1秒平均响应时间超过1秒并且成功率低于80％
  

8. 名词解释

• **CPM/PPM****：**对于HTTP1/2、gRPC、RPC服务，这意味着每分钟调用数(CPM：CallsPerMinute)，对于TCP服务，这意味着每分钟包数(PPM：PacketsPerMinute)
• **Endpoint****：**表示具体的服务，例如一个接口或一个定时任务。
• **标签：**我们可以通过core/default/searchableTracesTages中配置标记。
  

9. 特殊说明

如果监控平台正常启动，监控项目也接入，但是就是没有数据，请看看是否是时区问题。