Skywalking环境搭建

注：首先安装elasticsearch。

1 安装Skywalking

下载地址：skywalking下载

1.1 安装backend

（1）、首先切换到root用户，解压Skywalking压缩包。

#切换到root用户
su root
#切换到skywalking目录
cd /usr/local/skywalking
#解压压缩包
tar -zxvf apache-skywalking-apm-6.4.0.tar.gz

（2）、修改skywalking存储的数据源配置

cd apache-skywalking-apm-bin
vi config/application.yml

找到storage，进行es的配置。

 （3）、启动

#进入bin目录
cd bin
#启动
./startup.sh

（4）、浏览器访问

使用webapp目录下面webapp.yml中配置的端口进行访问。

 2 agent的使用

agent探针可以让我们不修改代码的情况下，对Java应用上使用到的组件进行动态监控，获取运行数据发送到OAP上进行统计和存储。agent探针在Java

使用中是使用Java agent技术实现。不需要更改任何代码，Java agent会通过虚拟机接口来在运行期更改代码。agent探针所有文件都在skywalking的agent

文件夹下。

由于没有修改agent探针中的应用名，所以默认显示的是Your_ApplicationName。我们修改下应用名称，让他显示的更加正确。编辑agent配置文件如下：

cd /usr/local/skywalking/apache-skywalking-apm-bin/agent/config
vi agent.config

在配置中找到这么一行

# The service name in UI
agent.service_name=${SW_AGENT_NAME:Your_ApplicationName}

这里的配置含义是可以读取到SW_AGENT_NAME配置属性，如果该配置没有指定，那么默认名称为Your_ApplicationName。

 3 在springboot中使用agent

（1）、引入maven依赖

    <dependency>
            <groupId>org.apache.skywalking</groupId>
            <artifactId>apm-toolkit-trace</artifactId>
            <version>8.5.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.skywalking</groupId>
            <artifactId>apm-toolkit-logback-1.x</artifactId>
            <version>8.5.0</version>
        </dependency>

（2）、配置logback-spring.xml

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

 （3）、启动

java -javaagent:/usr/local/skywalking/apache-skywalking-apm-bin/agent/skywalking-agent.jar -Dserver.port=80 -jar xxx.jar

4 APM展示栏

4.1 Global全局维度

 （1）、Service Load面板：服务每分钟请求数。

（2）、Slow Services：慢响应服务，单位ms。

（3）、Un-Health services：Aplex性能指标，1为满分。

（4）、Slow Endpoints：慢端点（接口）。

（4）、Global Response Latency：百分比相应延时，不同百分比的延时时间，单位ms。

（5）、Global Heatmap：服务响应事件热力分布图，根据时间段内不同响应时间的数量显示颜色深度。

（6）、底部栏：展示数据的时间区间，点击可以调整。

 4.2 Service服务维度

 （1）、Service Apdex（数字）：当前服务的评分。

（2）、Service Apdex（折线图）：不同时间的Apdex评分。

（3）、Successful Rate（数字）：请求成功率。

（4）、Successful Rate（折线图）：不同时间的请求成功率。

（5）、Servce Load（数字）：每分钟请求数。

（6）、Servce Load（折线图）：不同时间的每分钟请求数。

（7）、Service Avg Response Times：平均响应延时，单位ms。

（8）、Global Response Time Percentile：百分比响应延时。

（9）、Servce Instances Load：每个服务实例的每分钟请求数。

（10）、Slow Service Instance：每个服务实例的最大延时。

（11）、Service Instance Successful Rate：每个服务实例的请求成功率。

 4.3 Instance实例维度

 （1）、Service Instance Load：当前实例的每分钟请求数。

（2）、Service Instance Successful Rate：当前实例的请求成功率。

（3）、Service Instance Latency：当前实例的响应延时。

（4）、JVM CPU：jvm占用CPU的百分比。

（5）、JVM Memory：jvm内存占用大小，单位M。

（6）、JVM GC Time：jvm垃圾回收时间，包含YGC和OGC。

（7）、JVM GC Count：jvm来及回收次数，包含YGC和OGC。

（8）、CLR XX：类似jvm虚拟机（一般用不上）。

4.4 Endpoint端点（API）维度

 （1）、Endpoint Load in Current Service：每个端点的每分钟请求数。

（2）、Slow Endpoints in Current Service：每个端点的最慢请求时间，单位ms。

（3）、Successful Rate in Current Service：每个端点的请求成功率。

（4）、Endpoint Load：当前端点每个时间段的请求数据。

（5）、Endpoint Avg Response Time：当前端点每个时间段的请求行相应时间。

（6）、Endpoint Response Time Percentile：当前端点每个时间段的响应时间占比。

（7）、Endpoint Successful Rate：当前端点每个时间段的请求成功率。

4.5 DataSource展示栏

 当前数据库相关指标

（1）、Database Avg Response Time：当前数据库时间平均响应时间，单位ms

(2)、Database Access Successful Rate：当前数据库访问成功率。

（3）、Database Traffic：CPM，当前数据库每分钟请求数。

（4）、Database Access Latency Percentile：数据库不同比例的响应时间，单位ms

（5）、Slow Statements：前N个慢查询，单位ms。

（6）、All Database Loads：所有数据库中CPM排名。

（7）、Un-Health Databases：所有数据库健康排名，请求成功率排名。

5 拓扑图

 （1）、：服务告警信息。

（2）、：服务端点追踪信息。

（3）、：服务实例性能信息。

（4）、：api信息模板。

6 性能剖析

 （1）、新建任务：新建需要分析的端点。

（2）、左侧列表：任务及对应的采样请求。

（3）、右侧：端点链路及每个端点的堆栈信息。

 （1）、服务：需要分析的服务。

（2）、端点：链路监控中端点的名称，可以在链路追踪中查看端点名称。

（3）、监控时间：采集数据的开始时间。

（4）、起始监控时间：多少秒后进行采集。

（5）、监控间隔：多少秒采集一次。

（6）、最大采集数：最大采集多少样本。