图解 Apache SkyWalking UI 的使用

Posted 2022-06-08 万猫学社

Apache SkyWalking的UI界面主要分为以下几个区域：

• 功能选择区：这里列出了主要的UI功能，包括仪表盘、拓扑图、追踪、性能刨析、告警等功能
• 重新加载区：控制重新加载机制，包括定期重新加载或手动重新加载。
• 时间选择器：控制时区和时间范围。这里有一个中文/英文切换按钮，默认，UI使用浏览器语言设置。

下面逐一介绍功能选择区的各个功能。

仪表盘

仪表盘又分为以下几个功能：

• APM：以全局（Global）、服务（Service）、服务实例（Instance）、端点（Endpoint）的维度展示各项指标。
• Database：展示数据库的各项指标。
• SelfObservability：展示OAP服务端的各项指标。
• Web Browser：以服务和页面的维度展示Web浏览器端的各项指标。

相关概念解释：

• 服务（Service）：表示对请求提供相同行为的一组工作负载，比如：一个的 Web API系统。
• 服务实例（Instance）：上述的一组工作负载中的每一个工作负载称为一个实例，比如：一个的 Web API 系统集群中的一个实例。
• 端点（Endpoint）：对于特定服务所接收的请求路径，如 HTTP 的 URI 路径和 gRPC 服务的类名 + 方法签名。

APM - 全局（Global）

全局（Global）展示的是所有服务的各项指标，包括：

• 吞吐量排名，单位为CPM（calls per minute，每分钟的调用次数）。
• 服务响应时间排名，单位为毫秒。
• 不健康服务排名，单位为Apdex（Application Performance Index，应用性能指数）。
• 端点响应时间排名，单位为毫秒。
• 响应时间百分位，包括 p99, p95, p90, p75, p50，单位为毫秒。
• 响应时间热力图，单位为毫秒。

相关概念解释：

• Apdex：Application Performance Index，应用性能指数， Apdex = (满意样本数 + 可容忍样本数 * 0.5) / 样本总数，满意样本为响应时间小等于Apdex阈值，可容忍样本为响应时间大于Apdex阈值并小等于4倍的Apdex阈值。目前Apdex阈值为0.5秒。

APM - 服务（Service）

服务（Service）是以服务的维度展示各项指标，包括：

• 服务Apdex（Application Performance Index，应用性能指数）。
• 服务平均响应时间，单位为毫秒。
• 服务成功率。
• 服务吞吐量，单位为CPM（calls per minute，每分钟的调用次数）。
• 服务Apdex曲线图。
• 服务百分位，包括 p99, p95, p90, p75, p50，单位为毫秒。
• 服务成功率曲线图。
• 服务吞吐量曲线图，单位为CPM（calls per minute，每分钟的调用次数）。
• 端点吞吐量排名，单位为CPM（calls per minute，每分钟的调用次数）。
• 端点响应时间排名，单位为毫秒。
• 端点成功率排名。

APM - 服务实例（Instance）

服务实例（Instance）是以实例的维度展示各项指标，包括：

• 实例吞吐量，单位为CPM（calls per minute，每分钟的调用次数）。
• 实例成功率。
• 实例平均响应时间，单位为毫秒。
• JVM的CPU使用百分比。
• JVM的内存使用情况。
• JVM的GC时间。
• JVM的GC次数。

APM - 端点（Endpoint）

端点（Endpoint）是以端点的维度展示各项指标，包括：

• 端点吞吐量排名，单位为CPM（calls per minute，每分钟的调用次数）。
• 端点平均响应时间排名，单位为毫秒。
• 端点成功率排名。
• 端点吞吐量曲线图，单位为CPM（calls per minute，每分钟的调用次数）。
• 端点平均响应时间曲线图，单位为毫秒。
• 端点百分位，包括 p99, p95, p90, p75, p50，单位为毫秒。
• 端点成功率曲线图。

Database

展示数据库（Database）相关的各项指标，包括：

• 数据库平均响应时间，单位为毫秒。
• 数据库访问成功率。
• 数据库吞吐量，单位为CPM（calls per minute，每分钟的调用次数）。
• 数据库访问百分位，包括 p99, p95, p90, p75, p50，单位为毫秒。
• 慢查询列表，单位为毫秒。
• 所有数据库吞吐量排名，单位为CPM（calls per minute，每分钟的调用次数）。
• 所有数据库成功率排名。

拓扑图

拓扑图可以显示服务之间的拓扑关系，如下图：

• 服务选择器，可以选择某个服务，显示其直接关系，包括上游和下游。
• 自定义组，可以创建自定义的任意一组服务，用于显示其一组服务的拓扑图。

点击某些服务的图标，可查看该服务的类型、Apdex、成功率、响应时间、吞吐量、百分位等信息，如下图：

点击服务之间的连线，可查看两个服务之间的响应时间、吞吐量、成功率、百分位等信息，如下图：

点击上图中的展示实例依赖按钮，可查看各个实例之间的响应时间、吞吐量、成功率、百分位等信息，如下图：

追踪

追踪页面可以查询到某个分布式链路的整体情况，如下图：

• 搜索条件设置，支持按服务、实例、端点名称、追踪ID、时间范围等条件进行查询。
• 片段（Segment）列表，点击某个片段（Segment），在右侧展示与片段（Segment）相关的整个追踪（Trace）。
• 服务列表，是这个追踪（Trace）涉及的所有服务，每个服务用不同的颜色展示。
• 跨度（Span）列表，是这个追踪（Trace）涉及的所有跨度（Span），还可以看到每个跨度（Span）耗时和层级关系。点击某个跨度（Span），可以看到它的等服务名称、端点名称信息。
• 追踪（Trace）视图设置，提供3种视图展示追踪（Trace）：列表、树结构、表格。

相关概念解释：

• 追踪（Trace）：一个追踪（Trace）表示一个事务或者流程在分布式系统中的执行过程，是一条完整的分布式调用链。
• 跨度（Span）：一个跨度（Span）表示系统中具有开始时间和执行时长的逻辑运行单元。跨度（Span）之间通过嵌套或者顺序排列建立逻辑因果关系，最终形成一个追踪（Trace）。
• 片段（Segment）：一个片段（Segment）表示同一端点内的一组跨度（Span）的集合。

常见的错误可能是由代码异常或网络故障引起的，通过追踪（Trace）视图提供的跨度（Span）细节，可以快速找到错误发生在哪个环节。

性能刨析

性能剖析是利用方法栈快照，并对方法执行情况进行分析和汇总，对代码执行速度进行估算。

性能剖析激活时，会对指定线程周期性的进行线程栈快照，并将所有的快照进行汇总分析，如果两个连续的快照含有同样的方法栈，则说明此栈中的方法大概率在这个时间间隔内都处于执行状态。从而，通过这种连续快照的时间间隔累加成为估算的方法执行时间。

创建任务

想要进行性能刨析，我们必须创建一个任务，如下图：

• 选择指定的服务。
• 输入端点名称，这里的端点名称通常是第一个片段（Segment）的操作名，在追踪页面的追踪（Trace）视图里可以找到。
• 选择监控时间，可以从现在开始，也可以从未来的任何时间开始。
• 选择监视持续时间，可以设置监视的时间窗口，以查找到合适的请求进行性能刨析。
• 监控间隔，提供了一个过滤器机制，如果给定端点响应的请求很快，它就不会性能刨析，可以确保性能刨析的数据是预期的数据。
• 最大采样数，表示探针收集的最大数据集，它有助于减少内存和网络负载。

即使性能刨析对目标系统的性能影响非常有限，但它仍然是一个额外的负载，以上设置可以使性能影响可控。另外，在任何时刻，每个服务只能执行一个性能刨析任务。

分析结果

等待性能刨析的任务完成后，对应的片段（Segment）就会在右侧展示出来。点击某个片段（Segment），可以更详细地看到各个片段（Segment）的耗时，如下图：

从上图可以看到最慢的片段（Segment）。点击分析按钮，可以看到基于方法栈的分析结果，包括对应的类名、方法名、代码行数、耗时等信息，最慢的方法栈被高亮显示，如下图：

性能剖析的优势

1. 精确的问题定位，直接找到代码方法和代码行；
2. 无需反复的增删埋点，大大减少了人力开发成本；
3. 不用承担过多埋点对目标系统和监控系统的压力和性能风险；
4. 按需使用，平时对系统无消耗，使用时的消耗稳定可控。

告警

在告警页面可以查看所有触发的告警，如下图：

过滤范围的设置包括：服务、服务实例、端点、服务关系、服务实例关系、端点关系等。