分布式链路追踪- SkyWalking使用手册

1. 模块介绍

• 仪表盘：监控全局、服务、实例、​

  ​endpoint​

  ​几个维度的运行状态。
• 拓扑图：以拓扑图的方式展现服务直接的关系，并以此为入口查看告警、调用链、服务状态等信息
• 追踪：以接口列表的方式展现，追踪接口内部调用过程，可以通过​

  ​traceid​

  ​查询，进行分布式集群的日志查看及问题排查。
• 性能剖析：单独端点进行采样分析，并可查看堆栈信息。
• 日志：包括了​

  ​browser​

  ​​与​

  ​service​

  ​日志集合。
• 告警：触发告警的告警列表，包括实例，请求超时等。

2. 仪表盘

• 第一栏：监控、数据库、容器、​

  ​vm​

  ​
• 第二栏：可以选择某个维度展示不同服务/实例/端点的数据
• 第三栏：展示的不同维度，全局、服务、实例、端点的面板。

2.1 APM

2.1.1 Global

• ​

  ​**Services load(CPM-callsperminute)**​

  ​：服务平均每分钟请求数。
• ​

  ​**Slow Services(ms)**​

  ​​：慢响应服务，单位​

  ​ms​

  ​。
• ​

  ​**Un-Health services(Apdex)**​

  ​：​

  ​Apdex​

  ​​性能指标，​

  ​1​

  ​为满分。
• ​

  ​**Slow Endpoints(ms)**​

  ​​：全局维度的慢响应端点(​

  ​API​

  ​​)。例如一个接口，是全局​

  ​TopN​

  ​的数据，通过这个可以观测平台性能情况。
• ​

  ​**Global Response Latency(percentileinms)**​

  ​​：全局响应延迟百分位数统计，单位​

  ​ms​

  ​。

表示采集样本中某些值的占比，​

​Skywalking​

​​有​

​**P50、P75、P90、P95、P99**​

​​一些列值。

图中的​

​**P99:950**​

​表示​

​**99%**​

​请求的响应时间在​

​**950ms**​

​​**以内。**而​

​99%​

​一般用于抛掉一些极端值，表示绝大多数请求。

• ​

  ​**GlobalHeatmap**​

  ​：服务响应时间热力分布图，根据时间段内不同响应时间的数量显示颜色深度

可译为热力图、热度图都可以，图中颜色越深，表示请求数越多，这和​

​GitHubContributions​

​​很像，​

​commit​

​越多，颜色越深。横坐标是响应时间，鼠标放上去，可以看到具体的数量。通过热力图，一方面可以直观感受平台的整体流量，另一方面也可以感受整体性能。

2.1.2 Service

• ​

  ​**Service Apdex**​

  ​**(数字)：**当前服务的评分
• ​

  ​**Service Apdex**​

  ​​**(折线图)：**一段时间内​

  ​Apdex​

  ​评分
• ​

  ​**Service Avg Response Times(ms)**​

  ​​：平均响应延时，单位​

  ​ms​

  ​
• ​

  ​**Service Response Time Percentile**​

  ​​：百分比响应延时，参考​

  ​GlobalResponseLatency(percentileinms)​

  ​
• ​

  ​**Successful Rate**​

  ​**(数字)：**请求成功率
• ​

  ​**Successful Rate**​

  ​**(折线图)：**一段时间的请求成功率
• ​

  ​**Servce Load(CPM/PPM)**​

  ​**(数字)：**每分钟请求数，
• ​

  ​**Servce Load(CPM/PPM)**​

  ​**(折线图)：**不同时间的每分钟请求数
• ​

  ​**Service Throughput(Bytes)**​

  ​**：**该指标只适用于TCP服务。当前服务的吞吐量。
• ​

  ​**Servce Instances Load(CPM/PPM)**​

  ​**：**每个服务实例的每分钟请求数
• ​

  ​**Show Service Instance**​

  ​**：**每个服务实例的最大延时
• ​

  ​**Service Instance Successful Rate**​

  ​**：**每个服务实例的请求成功率

2.1.3 Instance

• ​

  ​**Service Instance Load(CPM/PPM)**​

  ​**：**当前实例的每分钟请求数
• ​

  ​**Service Instance Throughput(Bytes)**​

  ​​**：**该指标只适用于​

  ​TCP​

  ​服务。当前服务实例的吞吐量。
• ​

  ​**Service Instance Successful Rate(%)**​

  ​**：**当前实例的请求成功率
• ​

  ​**Service Instance Latency(ms)**​

  ​**：**当前实例的响应延时
• ​

  ​**JVM CPU(Java Service)**​

  ​：​

  ​jvm​

  ​​占用​

  ​CPU​

  ​的百分比
• ​

  ​**JVM Memory(Java Service)**​

  ​：​

  ​JVM​

  ​​内存占用大小，单位​

  ​m​

  ​，包括堆内存，与堆外内存(直接内存)
• ​

  ​**JVM GC Time(ms)**​

  ​：​

  ​JVM​

  ​​垃圾回收时间，包含​

  ​YGC​

  ​​和​

  ​OGC​

  ​
• ​

  ​**JVM GC Count**​

  ​：​

  ​JVM​

  ​​垃圾回收次数，包含​

  ​YGC``和``OGC​

  ​
• ​

  ​**JVM Thread Count**​

  ​：​

  ​JavaService​

  ​
• 其他参数为​

  ​.net​

  ​的东西

2.1.4 Endpoint

• ​

  ​**Endpoint Load in Current Service(CPM/PPM)**​

  ​​：每个端点(​

  ​API​

  ​)每分钟请求数
• ​

  ​**Slow Endpoints in Current Service(ms)**​

  ​​：每个端点(​

  ​API​

  ​​)的最慢响应请求时间，单位​

  ​ms​

  ​
• ​

  ​**Successful Rate in Current Service(%)**​

  ​​：每个端点(​

  ​API​

  ​)的请求成功率

某个端点：

• ​

  ​**Endpoint Load**​

  ​：当前端点每个时间段的请求数据
• ​

  ​**Endpoint Avg Response Time**​

  ​：当前端点每个时间段的请求行响应时间
• ​

  ​**Endpoint Response Time Percentile(ms)**​

  ​：当前端点每个时间段的响应时间占比
• ​

  ​**Endpoint Successful Rate(%)**​

  ​：当前端点每个时间段的请求成功率

2.2 Database

• ​

  ​**Database Avg Response Time(ms)**​

  ​：当前数据库事件平均响应时间，单位ms
• ​

  ​**Database Access Successful Rate(%)**​

  ​：当前数据库访问成功率
• ​

  ​**Database Traffic(CPM：CallsPerMinute)**​

  ​：当前数据库每分钟请求数
• ​

  ​**Database Access Latency Percentile(ms)**​

  ​：数据库不同比例的响应时间，单位ms
• ​

  ​**Slow Statements(ms)**​

  ​：前N个慢查询，单位ms
• ​

  ​**All Database Loads(CPM：CallsPerMinute)**​

  ​：所有数据库中请求量排序
• ​

  ​**Un-Health Databases**​

  ​：所有数据库不健康排名，请求成功率排名，失败最多的请求在最上。

3. 拓扑图

• ​

  ​**AllGroups**​

  ​**：**选择服务组
• ​

  ​**AllServices**​

  ​**：**选择服务
• ​

  ​**CreateGroup**​

  ​**：**创建新的服务组
• **服务引用拓扑图：**展示服务之间的调用关系，以及服务器的健康状态。

3.1 实例信息面板

• 当前服务：可选择具体服务
• 当前端点：可选择具体端点
• 当前深度：可以选择展示的调用深度
• 平均响应时间
• 平均吞吐量
• 平均​

  ​SLA​

  ​
• 相应百分比

2-告警面板

3-追踪信息面板

4-服务实力性能状态面板

5-Endpoint(API)面板

4. 追踪

5. 性能剖析

6. 日志

未启用

7. 告警

• 服务的平均响应时间在最近10分钟内有3分钟超过1秒
• 服务的成功率在最近10分钟内有2分钟低于80％
• 实例的平均响应时间在最近10分钟内有2分钟超过1秒
• 数据库的平均响应时间在最近10分钟内有2分钟超过1秒
• 端点的平均响应时间在最近10分钟内有2分钟超过1秒
• 服务在最近10分钟内有2分钟超过1秒平均响应时间超过1秒并且成功率低于80％

8. 名词解释

• ​

  ​**CPM/PPM**​

  ​​**：**对于​

  ​HTTP1/2​

  ​​、​

  ​gRPC​

  ​​、​

  ​RPC​

  ​​服务，这意味着每分钟调用数(​

  ​CPM：CallsPerMinute​

  ​​)，对于TCP服务，这意味着每分钟包数(​

  ​PPM：PacketsPerMinute​

  ​)
• ​

  ​**Endpoint**​

  ​**：**表示具体的服务，例如一个接口或一个定时任务。
• **标签：**我们可以通过​

  ​core/default/searchableTracesTages​

  ​中配置标记。

9. 特殊说明