SkyWalking 核心概念

SkyWalking 简介

SkyWalking 是一款开源的应用性能监控（APM）系统，为分布式系统提供链路追踪、性能分析、服务网格观测等功能。

核心特性

• 多语言支持：支持 Java、Go、Python、Node.js 等多种语言
• 多种探针：支持自动探针和手动埋点
• 多种存储：支持 Elasticsearch、MySQL、TiDB、InfluxDB 等
• 服务网格：支持 Istio 服务网格观测
• 告警机制：灵活的告警规则配置
• 拓扑分析：自动生成了服务依赖拓扑图

架构组成

┌─────────────────────────────────────────────────────┐
│                      Agent                          │
│  (Java Agent, Go SDK, Python SDK, etc.)             │
└──────────────────────┬──────────────────────────────┘
                       │
                       │ 上报追踪数据
                       ▼
┌─────────────────────────────────────────────────────┐
│                   OAP Server                        │
│  (数据接收、分析、聚合、告警)                         │
└──────────────────────┬──────────────────────────────┘
                       │
                       │ 存储数据
                       ▼
┌─────────────────────────────────────────────────────┐
│              Storage (ES, MySQL, etc.)              │
└──────────────────────┬──────────────────────────────┘
                       │
                       │ 查询数据
                       ▼
┌─────────────────────────────────────────────────────┐
│                    UI (Web)                         │
│  (可视化展示、拓扑图、链路追踪、指标分析)              │
└─────────────────────────────────────────────────────┘

核心概念

1. 服务（Service）

服务是 SkyWalking 中的基本概念，代表一个应用系统：

• 服务名：应用的唯一标识
• 服务实例：服务的具体运行实例
• 服务版本：应用的版本号

2. 服务实例（Service Instance）

服务实例是服务的具体运行单元：

• 实例 ID：实例的唯一标识
• 实例属性：IP、端口、主机名等
• 实例状态：在线/离线状态

3. 端点（Endpoint）

端点是服务提供的接口：

• 端点名称：接口路径或方法名
• 端点类型：HTTP、gRPC、Dubbo 等
• 端点响应时间：接口的平均响应时间

4. 追踪（Trace）

追踪是请求在分布式系统中的完整调用链路：

• Trace ID：追踪的唯一标识
• 段（Segment）：一次服务调用产生的追踪片段
• 跨度（Span）：追踪中的最小单元，代表一次 RPC 调用或本地方法调用

5. 跨度（Span）

跨度是追踪的基本单元：

• 操作名称：方法名或接口路径
• 开始时间/结束时间：调用时间范围
• 标签（Tags）：附加信息（如 URL、参数等）
• 日志（Logs）：调用过程中的日志
• 跨度类型：Entry（入口）、Exit（出口）、Local（本地）

快速开始

1. Docker 部署 SkyWalking

version: '3.3'
services:
  elasticsearch:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.17.0
    container_name: es
    environment:
      - discovery.type=single-node
      - ES_JAVA_OPTS=-Xms512m -Xmx512m
    ports:
      - "9200:9200"
    volumes:
      - es_data:/usr/share/elasticsearch/data

  skywalking-oap:
    image: apache/skywalking-oap-server:9.7.0
    container_name: oap
    depends_on:
      - elasticsearch
    environment:
      SW_STORAGE: elasticsearch
      SW_STORAGE_ES_CLUSTER_NODES: elasticsearch:9200
    ports:
      - "11800:11800"
      - "12800:12800"

  skywalking-ui:
    image: apache/skywalking-ui:9.7.0
    container_name: ui
    depends_on:
      - skywalking-oap
    environment:
      SW_OAP_ADDRESS: skywalking-oap:12800
    ports:
      - "8080:8080"

volumes:
  es_data:

2. Java Agent 接入

下载 SkyWalking Agent：

wget https://archive.apache.org/dist/skywalking/9.7.0/apache-skywalking-apm-9.7.0.tar.gz
tar -xzf apache-skywalking-apm-9.7.0.tar.gz

配置 agent.config：

# agent 配置
agent.service_name=user-service
agent.namespace=dev
agent.instance_name=instance-1

# OAP 服务器地址
collector.backend_service=127.0.0.1:11800

# 采样率（100 表示 100%）
sample_n_per_3_secs=100

# 日志配置
logging.dir=logs
logging.level=DEBUG

3. 启动应用

java -javaagent:/path/to/skywalking/agent/skywalking-agent.jar \
     -Dskywalking.agent.service_name=user-service \
     -Dskywalking.collector.backend_service=127.0.0.1:11800 \
     -jar app.jar

4. Spring Boot 集成

<dependency>
    <groupId>org.apache.skywalking</groupId>
    <artifactId>apm-toolkit-trace</artifactId>
    <version>9.7.0</version>
</dependency>

链路追踪

自动追踪

SkyWalking Agent 会自动追踪以下框架：

• Web 框架：Spring MVC、Spring WebFlux、JAX-RS
• RPC 框架：Dubbo、gRPC、Thrift
• 数据库：MySQL、PostgreSQL、Oracle、Redis
• 消息队列：Kafka、RabbitMQ、RocketMQ
• HTTP 客户端：OkHttp、HttpClient、RestTemplate

手动埋点

1. 使用注解

@Service
public class UserService {
    
    @Trace
    public User findById(Long id) {
        return userRepository.findById(id).orElse(null);
    }
    
    @Trace(operationName = "customOperation")
    public User create(User user) {
        return userRepository.save(user);
    }
    
    @Trace(tags = {
        @Tag(key = "userId", value = "arg[0]"),
        @Tag(key = "result", value = "returnedObj")
    })
    public User update(Long id, User user) {
        return userRepository.save(user);
    }
}

2. 使用 API

@Service
public class OrderService {
    
    @Autowired
    private Tracer tracer;
    
    public Order createOrder(Order order) {
        // 创建 Span
        Span span = Tracer.createSpan("createOrder");
        try {
            span.tag("orderId", order.getId().toString());
            span.log("开始创建订单");
            
            // 业务逻辑
            Order result = orderRepository.save(order);
            
            span.log("订单创建成功");
            return result;
        } catch (Exception e) {
            span.errorOccurred();
            span.log("订单创建失败：" + e.getMessage());
            throw e;
        } finally {
            Tracer.stopSpan(span);
        }
    }
}

3. 异步追踪

@Service
public class AsyncService {
    
    @Trace
    public CompletableFuture<String> asyncTask() {
        Span span = Tracer.createSpan("asyncTask");
        try {
            return CompletableFuture.supplyAsync(() -> {
                try (Scope ignored = Tracer.activateSpan(span)) {
                    span.log("执行异步任务");
                    return "result";
                }
            });
        } finally {
            Tracer.stopSpan(span);
        }
    }
}

性能指标监控

1. 服务指标

SkyWalking 自动收集以下服务指标：

• QPS：每秒请求数
• 响应时间：平均响应时间、P50、P90、P95、P99
• 成功率：请求成功比例
• 慢调用：超过阈值的调用次数

2. JVM 指标

• 堆内存：Eden、Survivor、Old Gen
• 非堆内存：Metaspace、Code Cache
• GC 情况：GC 次数、GC 时间
• 线程数：活跃线程数、阻塞线程数

3. 数据库指标

• 连接池：活跃连接数、空闲连接数
• SQL 执行：执行次数、平均耗时
• 慢 SQL：超过阈值的 SQL 语句

告警配置

告警规则

# alarm-settings.yml
rules:
  # 服务响应时间告警
  service_resp_time_rule:
    metrics-name: service_resp_time
    op: ">"
    threshold: 1000
    period: 10
    count: 3
    silence-period: 5
    message: 服务 {name} 响应时间超过 1000ms
    
  # 服务成功率告警
  service_sla_rule:
    metrics-name: service_sla
    op: "<"
    threshold: 80
    period: 10
    count: 2
    silence-period: 5
    message: 服务 {name} 成功率低于 80%
    
  # 服务 P90 响应时间告警
  service_p90_rule:
    metrics-name: service_p90
    op: ">"
    threshold: 2000
    period: 10
    count: 3
    silence-period: 5
    message: 服务 {name} P90 响应时间超过 2000ms
    
  # 数据库慢查询告警
  database_resp_time_rule:
    metrics-name: database_resp_time
    op: ">"
    threshold: 500
    period: 10
    count: 5
    silence-period: 5
    message: 数据库响应时间超过 500ms

告警通知

# webhook 通知
webhooks:
  - http://alert-manager:9093/alert

# 钉钉通知
dingtalk:
  webhooks:
    - url: https://oapi.dingtalk.com/robot/send?access_token=xxx
      secret: xxx
      
# 企业微信通知
wechat:
  webhooks:
    - url: https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx

拓扑分析

服务拓扑图

SkyWalking 自动生成服务依赖拓扑图：

• 节点：代表服务实例
• 边：代表服务间调用关系
• 颜色：反映响应时间和成功率
• 大小：反映 QPS 大小

依赖分析

通过拓扑图可以分析：

• 服务依赖关系：了解服务间的调用链路
• 性能瓶颈：定位响应慢的服务
• 异常传播：追踪错误来源
• 容量规划：根据 QPS 规划资源

日志关联

日志采集

<dependency>
    <groupId>org.apache.skywalking</groupId>
    <artifactId>apm-toolkit-logback-1.x</artifactId>
    <version>9.7.0</version>
</dependency>

配置 logback.xml：

<configuration>
    <appender name="CONSOLE" class="ch.qos.logback.core.ConsoleAppender">
        <encoder class="ch.qos.logback.core.encoder.LayoutWrappingEncoder">
            <layout class="org.apache.skywalking.apm.toolkit.log.logback.v1.x.TraceIdPatternLogbackLayout">
                <Pattern>%d{yyyy-MM-dd HH:mm:ss.SSS} [%tid] [%thread] %-5level %logger{36} - %msg%n</Pattern>
            </layout>
        </encoder>
    </appender>
    
    <root level="INFO">
        <appender-ref ref="CONSOLE"/>
    </root>
</configuration>

日志与追踪关联

通过 Trace ID 将日志与追踪关联：

@Service
public class LogService {
    
    private static final Logger logger = LoggerFactory.getLogger(LogService.class);
    
    @Trace
    public void process(String data) {
        logger.info("开始处理数据：{}", data);
        
        // 业务逻辑
        
        logger.info("数据处理完成");
    }
}

日志输出：

2026-04-10 10:00:00.000 [TID: N/A] [main] INFO  c.e.service.LogService - 开始处理数据：test
2026-04-10 10:00:00.100 [TID: 123456.0.1] [main] INFO  c.e.service.LogService - 数据处理完成

生产实践

1. Agent 配置优化

# 服务名
agent.service_name=${SW_AGENT_NAME:user-service}

# 命名空间（环境隔离）
agent.namespace=${SW_AGENT_NAMESPACE:prod}

# 实例名
agent.instance_name=${SW_AGENT_INSTANCE:instance-1}

# OAP 地址
collector.backend_service=${SW_AGENT_COLLECTOR_BACKEND:127.0.0.1:11800}

# 采样率
sample_n_per_3_secs=${SW_SAMPLE_N_PER_3_SECS:100}

# 忽略路径
agent.ignore_suffix=${SW_AGENT_IGNORE:.css,.js,.html,.png,.jpg}

# 插件配置
plugin.mysql.trace_sql_parameters=${SW_MYSQL_TRACE_SQL_PARAMETERS:true}
plugin.httpclient.skipHttpClientCollect=${SW_HTTPCLIENT_SKIP_COLLECT:false}

2. 性能优化

• 调整采样率：根据流量调整采样率
• 关闭不必要插件：禁用不使用的框架插件
• 异步日志：使用异步日志减少性能影响
• 批量上报：配置批量上报减少网络开销

3. 存储优化

# Elasticsearch 配置
storage:
  elasticsearch:
    namespace: ${SW_NAMESPACE:""}
    clusterNodes: ${SW_STORAGE_ES_CLUSTER_NODES:localhost:9200}
    indexShardsNumber: ${SW_STORAGE_ES_INDEX_SHARDS_NUMBER:2}
    indexReplicasNumber: ${SW_STORAGE_ES_INDEX_REPLICAS_NUMBER:0}
    # 索引保留天数
    day: ${SW_STORAGE_ES_DAY:7}

4. 多环境部署

# dev 环境
agent.namespace: dev
collector.backend_service: dev-oap:11800

# test 环境
agent.namespace: test
collector.backend_service: test-oap:11800

# prod 环境
agent.namespace: prod
collector.backend_service: prod-oap:11800

常见问题

1. Agent 不生效

问题：接入 Agent 后没有追踪数据

排查步骤：

• 检查 Agent 路径是否正确
• 检查 OAP 服务是否正常运行
• 检查网络连通性
• 查看 Agent 日志

2. 数据不完整

问题：部分调用链路缺失

解决方案：

• 检查采样率配置
• 检查异步调用是否正确使用 Context
• 检查插件是否启用

3. 性能影响

问题：接入 Agent 后性能下降

解决方案：

• 降低采样率
• 关闭不必要的插件
• 优化 Agent 配置

总结

SkyWalking 提供了强大的分布式链路追踪和性能监控能力，通过自动探针和手动埋点可以全面监控应用的运行状态。

合理配置 SkyWalking 可以帮助快速定位性能瓶颈和故障根源，提高系统的可观测性。

在生产环境中，建议做好环境隔离，优化 Agent 配置，并建立完善的告警机制。