跳到主要内容

SkyWalking 传统应用改造监控

概述​

SkyWalking作为现代化的APM（应用性能监控）工具，不仅能监控云原生应用，还能通过适当改造接入传统单体应用。本章将演示如何为未使用微服务架构的Java/Python应用添加SkyWalking支持，实现以下目标：

  1. 请求链路追踪
  2. JVM/运行时指标收集
  3. 慢请求自动识别
  4. 拓扑依赖关系可视化
传统应用定义

此处指未采用分布式架构、未设计可观测性的单体应用，通常具有以下特征：

  • 直接连接数据库
  • 未包含追踪ID传递逻辑
  • 使用传统部署方式（如WAR包、物理机部署）

改造方案对比​

我们有两种主要接入方式：

方案一：Java Agent自动接入​

环境准备​

  1. 下载SkyWalking Java Agent：
bash
wget https://archive.apache.org/dist/skywalking/java-agent/8.16.0/apache-skywalking-java-agent-8.16.0.tgz
tar -zxvf apache-skywalking-java-agent-8.16.0.tgz
  1. 启动参数配置（Tomcat示例）：
bash
export CATALINA_OPTS="$CATALINA_OPTS -javaagent:/path/to/skywalking-agent/skywalking-agent.jar"
export SW_AGENT_NAME=legacy_order_system
export SW_AGENT_COLLECTOR_BACKEND_SERVICES=127.0.0.1:11800

效果验证​

访问应用后，在SkyWalking UI中应能看到：

  • 服务名称：legacy_order_system
  • 自动捕获的HTTP端点（如/order/create）
  • JVM指标（堆内存、GC次数等）
注意事项
  1. 确保Agent版本与OAP Server版本兼容
  2. 旧框架（如Struts 1.x）可能需要额外插件
  3. 自定义线程池需要特殊处理

方案二：Python手动埋点​

对于Python等脚本语言，我们使用SDK手动埋点：

python
from skywalking import agent, config

config.init(
    agent_name='legacy_python_app',
    collector='127.0.0.1:11800',
)

agent.start()

# 关键业务函数监控
from skywalking.trace.context import get_context
from skywalking.trace.tags import Tag

def process_order(order_id):
    context = get_context()
    with context.new_entry_span(op='order_processing') as span:
        span.tag(Tag(key='order_id', val=order_id))
        
        # 原始业务逻辑
        print(f"Processing order {order_id}")
        
        # 数据库调用监控
        with context.new_exit_span(op='mysql_query', peer='mysql://127.0.0.1:3306'):
            execute_mysql_query(order_id)

监控数据解读​

改造后可在SkyWalking看到：

  1. 拓扑图：显示应用与MySQL的关系
  2. 追踪详情： 
    order_processing (200ms)
    └── mysql_query (150ms)
  3. 指标面板：显示函数调用次数与耗时百分位

实战案例：订单系统改造​

背景​

某传统订单系统出现以下问题：

  • 无法定位慢查询根源
  • 生产环境性能问题难以复现
  • 缺少端到端追踪能力

改造步骤​

  1. 基础设施层：

    bash
    # 所有节点添加Agent
    nohup java -javaagent:skywalking-agent.jar -jar order-system.jar &

  2. 代码层增强：

    java
    // 添加自定义追踪点
    @Trace(operationName = "inventory_check")
    public boolean checkInventory(String itemId) {
        ActiveSpan.tag("item_id", itemId);
        // ...原有逻辑
    }

  3. 日志关联（log4j2配置示例）：

    xml
    <PatternLayout pattern="%d [%X{tid}] %-5p %c{1}:%L - %m%n"/>

效果对比​

指标改造前改造后
故障定位时间4-6小时<30分钟
性能优化效率无法量化可精确到方法级
系统可观测性仅基础指标全链路追踪

总结与进阶​

关键收获​

  • Agent方式适合快速接入现有系统
  • SDK方式提供更灵活的监控能力
  • 传统应用也能获得云原生级别的可观测性

扩展练习​

  1. 尝试为你的本地Spring Boot应用添加Agent监控
  2. 使用@Trace注解标记关键业务方法
  3. 在SkyWalking中设置针对慢查询的告警规则

常见问题解答​

Q: 如何监控非HTTP协议的应用？

A: 可以通过实现AbstractSpan接口手动创建追踪上下文，或使用SkyWalking的Service Mesh方案。

Q: Agent对性能的影响？

A: 生产环境测试表明，Agent会增加约3-5%的CPU开销，内存消耗增加约50MB。