跳到主要内容

SkyWalking 常见运维问题

介绍​

SkyWalking作为分布式系统的APM工具，在运维过程中可能会遇到配置错误、存储异常、性能瓶颈等问题。本章将系统讲解这些常见问题的现象、排查思路和解决方案，帮助初学者快速定位并处理运维故障。

常见问题分类​

1. 服务启动失败​

现象​

  • OAP服务无法启动
  • WebUI无法连接后端
  • 日志报端口冲突或配置错误

解决方案​

bash
# 检查端口占用（默认11800/12800）
netstat -tulnp | grep 11800

# 验证配置文件（以application.yml为例）
cat config/application.yml | grep -A 5 "core"

典型配置问题示例：

yaml
# 错误配置（缩进错误）
storage:
  elasticsearch:
nameSpace: ${SW_NAMESPACE:""}
    clusterNodes: ${SW_STORAGE_ES_CLUSTER_NODES:localhost:9200}

# 正确配置
storage:
  elasticsearch:
    nameSpace: ${SW_NAMESPACE:""}
    clusterNodes: ${SW_STORAGE_ES_CLUSTER_NODES:localhost:9200}
注意

YAML文件对缩进敏感，建议使用2空格缩进（不要用Tab）

2. 数据存储异常​

存储类型对比​

典型错误处理​

bash
# Elasticsearch连接问题检查
curl -XGET 'http://localhost:9200/_cluster/health?pretty'

# 输出应包含：
{
  "cluster_name" : "elasticsearch",
  "status" : "green",
  ...
}
存储配置要点
  • Elasticsearch：检查clusterNodes和nameSpace
  • MySQL：确保使用utf8mb4字符集
  • H2：保证数据目录可写权限

3. 性能问题排查​

性能指标监控​

指标正常范围异常处理建议
CPU使用率<70%检查采样率配置
JVM堆内存<80% of Xmx调整JVM参数
收集延迟<5秒优化Agent配置

JVM调优示例​

bash
# 修改OAP启动参数（bin/oapService.sh）
export SW_OAP_JVM_OPTS="-Xms4G -Xmx4G -XX:+UseG1GC"

4. Agent连接问题​

通信架构​

常见错误​

log
ERROR 2023-01-01 12:00:00 SkyWalkingAgent : Failed to connect to backend...

处理步骤：

  1. 检查网络连通性 telnet oap-server 11800
  2. 验证Agent配置 agent.config：
properties
# 关键配置项
collector.backend_service=${SW_AGENT_COLLECTOR_BACKEND_SERVICES:127.0.0.1:11800}

真实案例​

案例：K8s环境下的DNS解析问题​

现象：
Agent日志持续报"UnknownHostException"

解决方案：

yaml
# Kubernetes Deployment配置示例
env:
- name: SW_AGENT_COLLECTOR_BACKEND_SERVICES
  value: "skywalking-oap.skywalking.svc.cluster.local:11800"
K8s环境建议
  • 使用Service名称代替IP
  • 配置readinessProbe检查OAP状态

总结​

通过本章学习，你应该能够：

✓ 诊断服务启动失败的根本原因
✓ 解决存储相关的配置问题
✓ 进行基本的性能调优
✓ 排查Agent与OAP的通信故障

扩展练习​

  1. 故意修改application.yml缩进，观察启动错误
  2. 模拟Elasticsearch宕机，记录OAP日志变化
  3. 使用jstat命令监控OAP的GC情况

附加资源​