跳到主要内容

SkyWalking 基本工作流程

介绍​

SkyWalking 是一款开源的 应用性能监控（APM） 工具，专为分布式系统设计。它通过追踪、分析和可视化服务间的调用关系，帮助开发者快速定位性能瓶颈。本章将详细介绍 SkyWalking 的基本工作流程，包括数据如何被收集、传输、处理并最终展示。

核心组件​

SkyWalking 的工作流程涉及以下核心组件：

  1. 探针（Agent）：嵌入到应用中，负责收集数据（如调用链、指标）。
  2. OAP（Observability Analysis Platform）：接收并处理探针数据。
  3. 存储（Storage）：保存处理后的数据（如 Elasticsearch、H2）。
  4. UI：可视化分析结果。

工作流程详解​

1. 数据收集​

探针通过以下方式自动收集数据：

  • 自动埋点：拦截 HTTP 请求、数据库调用等。
  • 手动 API：通过 @Trace 注解或 SDK 手动标记代码段。

示例（Java 手动埋点）：

java
import org.apache.skywalking.apm.toolkit.trace.Trace;
@Trace
public void processOrder() {
    // 业务逻辑
}

2. 数据传输​

探针将数据通过 gRPC 或 HTTP 发送到 OAP 服务器。默认协议是 gRPC，适合高性能场景。

3. 数据处理​

OAP 对数据进行：

  • 流式分析：实时计算指标（如平均响应时间）。
  • 聚合：按服务、实例等维度汇总数据。
备注

OAP 支持集群模式，可通过 cluster.yaml 配置横向扩展。

4. 存储与查询​

处理后的数据存入存储引擎，UI 通过 GraphQL 查询数据。

支持的存储：

  • Elasticsearch（生产推荐）
  • H2（测试用）
  • MySQL/TiDB

实际案例​

场景：电商订单服务监控​

  1. 问题：用户投诉下单延迟。
  2. 解决：
    • SkyWalking 显示订单服务调用支付服务的耗时增加。
    • 定位到支付服务的数据库查询缓慢。
    • 优化 SQL 后，耗时降低 60%。

总结​

SkyWalking 的工作流程分为 收集→传输→处理→可视化 四步，通过分布式追踪和指标分析，显著提升系统可观测性。关键优势包括：

  • 低侵入性（自动埋点）。
  • 支持多种语言（Java、Go、Python等）。
  • 灵活的存储后端。

扩展资源​

  1. 官方文档
  2. 练习：部署 SkyWalking 并监控一个 Spring Boot 应用的 /hello 接口。
  3. 进阶：尝试集成告警功能，当响应时间 >1s 时触发通知。