5分钟搭建Skywalking监控系统
背景
公司项目采用微服务的架构，服务很多，人工监控是不可能的，项目的访问量很大，想通过日志查找某个方法中性能的问题也是非常困难的。但是系统的性能问题是不能忽视的。目前有几个比较好的开源APM（Application Performance Management）检测工具。
常见的监控工具对比
- SkyWalking：中国人吴晟（华为）开源的一款分布式追踪，分析，告警的工具，现在是Apache旗下开源项目，对云原生支持，目前增长势头强劲，社区活跃，中文文档没有语言障碍。
- Zipkin：Twitter公司开源的一个分布式追踪工具，被Spring Cloud Sleuth集成，使用广泛而稳定，需要在应用程序中埋点，对代码侵入性强
- Pinpoint：一个韩国团队开源的产品，探针收集的数据粒度非常细，但性能损耗大，因其出现的时间较长，完成度很高。
- Cat：美团大众点评开源的一款分布式链路追踪工具。需要在应用程序中埋点，对代码侵入性强。
项目不想侵入其他的代码，工具尽量损耗性能低，工具的社区活越，文档完善也是考虑的必要条件，经过以下表格部分参数对比，相对来说，SkyWalking更占优，因此团队采用SkyWalking作为APM工具。
| 工具名称 | 代码入侵方式 | 性能 | UI | 使用人数 | 粒度 | 告警 | 依赖分析 | traceID查询 |
|---|---|---|---|---|---|---|---|---|
| SkyWalking | 无侵入 | 高 | 丰富 | 多 | 方法级 | 有 | 有 | 有 |
| Pinpoint | 无侵入 | 低 | 丰富 | 多 | 方法级 | 有 | 有 | 有 |
| Zipkin | 侵入低 | 中 | 一般 | 多 | 接口级 | 无 | 有 | 有 |
| Cat | 侵入高 | 中 | 丰富 | 较多 | 代码级 | 有 | 无 | 无 |
SkyWalking架构
搭建
本次搭建用ES作为存储，最开始用H2作内存存储，最后再接入ES，避免环节过多产生不可预知的错误
环境介绍：
本教程采用虚拟机(CentOS7) + docker的方式搭建，这样的好处是用docker容器分离各个容器，快速方便的模拟生产环境。
- 创建网络
docker network create --subnet=172.18.0.0/16 mynet
- 创建容器，有三个角色，一个是SkyWalking AOP(监控数据收集)，另一个和是ES(数据存储)，还有一个是Java WEB(被监控)
# SkyWalking APM
docker run -dit --net mynet --ip 172.18.0.30 -p 8090:8090 --name sw --privileged centos /usr/sbin/init
# Java App
docker run -dit --net mynet --ip 172.18.0.31 -p 8080:8080 --name javaApp --privileged centos /usr/sbin/init
# ES
docker run -dit --net mynet --ip 172.18.0.32 --name es1 --privileged centos /usr/sbin/init
安装Java环境
由于ES和SkyWalking 都需要Java环境，所以安装Java提出来放到最前面
# 安装java
yum -y install java-1.8.0-openjdk java-1.8.0-openjdk-devel which
# 环境变量设置
cat > /etc/profile.d/java8.sh <<EOF
export JAVA_HOME=$(dirname $(dirname $(readlink $(readlink $(which javac)))))
export PATH=\$PATH:\$JAVA_HOME/bin
export CLASSPATH=.:\$JAVA_HOME/jre/lib:\$JAVA_HOME/lib:\$JAVA_HOME/lib/tools.jar
EOF
source /etc/profile.d/java8.sh
安装SkyWalking OAP
SkyWalking OAP 即架构图中的下部分SkyWalking Observability Analysis Platform，如下图所示
本次下载安装的是apache-skywalking-apm-es7-8.3.0.tar.gz，其他版本请参考：http://skywalking.apache.org/downloads/
注意安装之前一点要先安装Java环境，否则启动不成功但是启动脚本还是会显示启动成功。
yum install -y wget vim telnet
cd ~
# 下载
wget https://downloads.apache.org/skywalking/8.3.0/apache-skywalking-apm-es7-8.3.0.tar.gz
# 解压
tar xf apache-skywalking-apm-es7-8.3.0.tar.gz -C /usr/local
mv /usr/local/apache-skywalking-apm-bin-es7 /usr/local/skywalking-8.3.0
启动OAP
# 启动OAP
/usr/local/skywalking-8.3.0/bin/oapService.sh
# 查看日志
tail -f /usr/local/skywalking-8.3.0/logs/skywalking-oap-server.log
查看OAP监听端口
grep 'gRPCPort:' /usr/local/skywalking-8.3.0/config/application.yml
gRPCPort: ${SW_CORE_GRPC_PORT:11800}
gRPCPort: ${SW_RECEIVER_GRPC_PORT:0}
gRPCPort: ${SW_RECEIVER_JAEGER_PORT:14250}
可以看到SkyWalking OAP默认监听端口为11800，测试下端口是否通
telnet 127.0.0.1 11800
# 出现下面回显说明端口通
Trying 127.0.0.1...
Connected to 127.0.0.1.
Escape character is '^]'.
启动SkyWalking UI
vim /usr/local/skywalking-8.3.0/webapp/webapp.yml
SkyWalking UI默认端口为8080与很多中间件有冲突，改成其他的，本例为8090
server:
port: 8090
启动
# 启动UI
/usr/local/skywalking-8.3.0/bin/webappService.sh
访问一下http://192.168.108.100:8090，如果能访问，说明启动成功
开启SkyWalking Agent
所谓Agent是指SkyWalking从各个平台(Java Python等)收集监控数据的代理，此处我们以为Java应用(Spring boot)为例，收集Java应用产生的各种监控数据
准备一个Jar包
随便准备个Jar包能跑的就行，此处我的jar名字为admin-2.0.1.RELEASE.jar
配置SkyWalking Java端的Agent
Agent需要拷贝一份到收集的机器上，有多少台机器就要拷贝多少次，此处我们用的docker容器所以需要拷贝到宿主机再拷贝到跑javaWeb的机器
# 拷贝agent到宿主机
docker cp sw:/usr/local/skywalking-8.3.0/agent /tmp
# 再从宿主机拷贝到目标容器
docker cp /tmp/agent/ javaApp:/root/javaApp/agent
配置Agent
vim /root/javaApp/agent/config/agent.config
-
backend_service设置成OAP的ip和端口
-
sample_n_per_3_secs表示每3秒采样一样，配置说明：在访问量较少时，链路全量收集不会对系统带来太大负担，能够完整的观测到系统的运行状况。但是在访问量较大时，全量的链路收集，对链路收集的客户端（agent探针）、服务端（SkyWalking OAP）、存储器（例如说 Elastcsearch）都会带来较大的性能开销，甚至会影响应用的正常运行。在访问量级较大的情况下，往往会选择抽样采样，只收集部分链路信息。SkyWalking Agent 在 agent/config/agent.config 配置文件中，定义了 agent.sample_n_per_3_secs 配置项，设置每 3 秒可收集的链路数据的数量。
collector.backend_service=${SW_AGENT_COLLECTOR_BACKEND_SERVICES:172.18.0.30:11800}
agent.sample_n_per_3_secs=${SW_AGENT_SAMPLE:1}
运行jar包，指定-javaagent与skywalking.agent.service_name，后者就是SkyWalking UI上显示的名字
nohup java -javaagent:/root/javaApp/agent/skywalking-agent.jar -Dskywalking.agent.service_name=admin -jar admin-2.0.1.RELEASE.jar > admin.log 2>&1 &
效果查看
- 仪表盘
- 拓扑图
- 链路追踪
安装ES
h2只是一个内存存储系统，其目的是为了让你能够快速验证快速响应，它还没有强大到足以支撑线上系统运行。所以，线上一定得选用某个更可靠存储。
一般地，ES会是个不错的选择，一来它以搜索速度著称而这正好符合后台查询的需求，二来es是分布式存储，可以避免一定的大数据量问题。
首先进入容器
docker exec -it es1 bash
常用工具安装
yum install -y wget
在Download Elasticsearch选择合适的平台下载好包，我下载的是elasticsearch-7.10.1-linux-x86_64.tar.gz
# 下载
cd ~ && wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.10.1-linux-x86_64.tar.gz
# 解压
tar -zxvf elasticsearch-7.10.1-linux-x86_64.tar.gz
# 拷贝
cp -r elasticsearch-7.10.1 /usr/local/
# 运行
/usr/local/elasticsearch-7.10.1/bin/elasticsearch
运行后此时你会得到一个报错：java.lang.RuntimeException: can not run elasticsearch as root
原因很明显，不能用root运行，那么新建用户再运行
# 新建用户
adduser elasticsearch
# 赋权
chown -R elasticsearch /usr/local/elasticsearch-7.10.1
# 切换用户再执行
su elasticsearch
/usr/local/elasticsearch-7.10.1/bin/elasticsearch
# 后台执行
/usr/local/elasticsearch-7.10.1/bin/elasticsearch -d
测试，如果curl 127.0.0.1:9200有类似以下回显说明成功
{
"name" : "74e37036a2ee",
"cluster_name" : "elasticsearch",
"cluster_uuid" : "L8xK0ZqZSUKn3dZ05NJfcg",
"version" : {
"number" : "7.10.1",
"build_flavor" : "default",
"build_type" : "tar",
"build_hash" : "1c34507e66d7db1211f66f3513706fdf548736aa",
"build_date" : "2020-12-05T01:00:33.671820Z",
"build_snapshot" : false,
"lucene_version" : "8.7.0",
"minimum_wire_compatibility_version" : "6.8.0",
"minimum_index_compatibility_version" : "6.0.0-beta1"
},
"tagline" : "You Know, for Search"
}
修改配置文件及问题排查
此时发现只能用127.0.0.1访问，不能用 curl 172.18.0.32:9200访问，因为没设置network.host，下面设置一下，顺便加上允许跨域的设置http.cors.enabled、http.cors.allow-origin，sed -i '$a内容' file 是在文件末尾追加
sed -i '$ahttp.cors.enabled: true' /usr/local/elasticsearch-7.10.1/config/elasticsearch.yml
sed -i '$ahttp.cors.allow-origin: "*"' /usr/local/elasticsearch-7.10.1/config/elasticsearch.yml
sed -i '$anetwork.host: 172.18.0.32' /usr/local/elasticsearch-7.10.1/config/elasticsearch.yml
此时启动es，发现启动失败，报错如下：
[2021-01-13T13:46:30,780][INFO ][o.e.t.TransportService ] [a622d8352de5] publish_address {172.18.0.12:9300}, bound_addresses {172.18.0.12:9300}
[2021-01-13T13:46:31,039][INFO ][o.e.b.BootstrapChecks ] [a622d8352de5] bound or publishing to a non-loopback address, enforcing bootstrap checks
[2021-01-13T13:46:31,066][ERROR][o.e.b.Bootstrap ] [a622d8352de5] node validation exception
[2] bootstrap checks failed
[1]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]
[2]: the default discovery settings are unsuitable for production use; at least one of [discovery.seed_hosts, discovery.seed_providers, cluster.initial_master_nodes] must be configured
[2021-01-13T13:46:31,069][INFO ][o.e.n.Node ] [a622d8352de5] stopping ...
[2021-01-13T13:46:31,094][INFO ][o.e.n.Node ] [a622d8352de5] stopped
[2021-01-13T13:46:31,095][INFO ][o.e.n.Node ] [a622d8352de5] closing ...
[2021-01-13T13:46:31,116][INFO ][o.e.n.Node ] [a622d8352de5] closed
[2021-01-13T13:46:31,119][INFO ][o.e.x.m.p.NativeController] [a622d8352de5] Native controller process has stopped - no new native processes can be started
注意看这句话：bound or publishing to a non-loopback address, enforcing bootstrap checks，绑定的不是本地回环接口，强制进行启动检查，es认为绑定的不是127.0.0.1就是要用于生产环境，所以要启动一下适用于生产环境的强制性检查，检查出不适合的条件就不让启动！所需需要修改如下错误：
[1]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]
[2]: the default discovery settings are unsuitable for production use; at least one of [discovery.seed_hosts, discovery.seed_providers, cluster.initial_master_nodes] must be configured
- [1]
# 切换到root用户执行
sed -i '$avm.max_map_count=262144' /etc/sysctl.conf
sysctl -p
- [2]
# 追加这句配置
sed -i '$adiscovery.seed_hosts: ["172.18.0.32"]' /usr/local/elasticsearch-7.10.1/config/elasticsearch.yml
- [3]
# 配置集群名称，后面OAP要用
sed -i '$acluster.name: my-application' /usr/local/elasticsearch-7.10.1/config/elasticsearch.yml
此时再次启动就不会报错了，如果还是报错，请根据es的报错提示进行更改
试一下用本机IP能访问不：curl 172.18.0.32:9200
配置SkyWalking OAP接入ES
vim /usr/local/skywalking-8.3.0/config/application.yml
主要配置storage，selector可以选择，配置了要选定才生效，主要配置nameSpace和clusterNodes这两个选项
- nameSpace就是ES中配置的cluster.name，一定要一致
- clusterNodes即为ES集群的IP端口
storage:
selector: ${SW_STORAGE:elasticsearch7}
elasticsearch7:
nameSpace: ${SW_NAMESPACE:"my-application"}
clusterNodes: ${SW_STORAGE_ES_CLUSTER_NODES:172.18.0.32:9200}
indexShardsNumber: ${SW_STORAGE_ES_INDEX_SHARDS_NUMBER:1} # Shard number of new indexes
indexReplicasNumber: ${SW_STORAGE_ES_INDEX_REPLICAS_NUMBER:1} # Replicas number of new indexes
启动OAP
# 启动OAP
/usr/local/skywalking-8.3.0/bin/oapService.sh
# 查看日志
tail -f /usr/local/skywalking-8.3.0/logs/skywalking-oap-server.log
SkyWalking OAP接入ES 问题排查
启动后发现SkyWalking OAP报错如下：
2021-01-23 08:12:58,935 - org.apache.skywalking.oap.server.starter.OAPServerBootstrap - 57 [main] ERROR [] - method [HEAD], host [http://172.18.0.32:9200], URI [/_template/my-application_alarm_record?master_timeout=30s], status line [HTTP/1.1 503 Service Unavailable]
org.elasticsearch.ElasticsearchStatusException: method [HEAD], host [http://172.18.0.32:9200], URI [/_template/my-application_alarm_record?master_timeout=30s], status line [HTTP/1.1 503 Service Unavailable]
at org.elasticsearch.client.RestHighLevelClient.parseResponseException(RestHighLevelClient.java:1767) ~[elasticsearch-rest-high-level-client-7.5.0.jar:7.5.0]
去看了下ES后台，也报错了
org.elasticsearch.discovery.MasterNotDiscoveredException: null
at org.elasticsearch.action.support.master.TransportMasterNodeAction$AsyncSingleAction$2.onTimeout(TransportMasterNodeAction.java:230) [elasticsearch-7.10.1.jar:7.10.1]
at org.elasticsearch.cluster.ClusterStateObserver$ContextPreservingListener.onTimeout(ClusterStateObserver.java:335) [elasticsearch-7.10.1.jar:7.10.1]
而且ES一直在提醒如下内容
[2021-01-23T08:25:07,993][WARN ][o.e.c.c.ClusterFormationFailureHelper] [3546a7854be2] master not discovered yet, this node has not previously joined a bootstrapped (v7+) cluster, and this node must discover master-eligible nodes [master] to bootstrap a cluster: have discovered
这是ES主节点配置有问题，现在我们就一台ES，所以配置这台为主节点，加入如下配置
vi /usr/local/elasticsearch-7.10.1/config/elasticsearch.yml
node.name: node-1
cluster.initial_master_nodes: ["node-1"]
再次依次重新启动ES和OAP就没有问题了
参考
- https://blog.csdn.net/u013066244/article/details/105574495
- https://blog.csdn.net/JavaDestiny/article/details/90704974
- https://blog.csdn.net/wudinaniya/article/details/103956256
- https://www.cnblogs.com/diShuiZhiYi/p/13451254.html
- 监控系统比较 Skywalking Pinpoint Cat zipkin
- 全链路追踪工具SkyWalking使用入门
- Zipkin之外的选择：Skywalking vs Pinpoint