详解 Apache SkyWalking OAP 的分布式计算

Posted 万猫学社

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了详解 Apache SkyWalking OAP 的分布式计算相关的知识,希望对你有一定的参考价值。

SkyWalking的OAP(Observability Analysis Platform,观测分析平台)是一个用于链路数据的分布式计算系统。

因为它巧妙的设计,使得在链路数据计算和聚合过程中,不需要考虑数据的一致性,也没有事务、分布式锁等概念。

在极端情况下,可能出现链路数据的丢失,但会最大限度保障OAP集群的可用性。咱们来看一下,它是如何设计的,为以后的系统设计和架构提供一些思路。

数据类型

在介绍分布式计算之前,咱们先了解一下需要计算的数据都有哪些类型:

  • Record数据,即明细数据,如Trace、访问日志等数据,由RecordStreamProcessor进行处理。
  • Metrisc数据,即指标数据,绝大部分的OAL指标都会生成这种数据,由MetricsStreamProcessor进行处理。
  • TopN数据,即周期性采样数据,如慢SQL的周期性采集,由TopNStreamProcessor进行处理。

分布式计算

像Trace、访问日志等这样的明细数据,数据量比较大,但是不需要归并处理,所以在OAP节点内部处理即可完成。明细数据采用缓存、异步批量处理和流式写入的方式写入到存储中。

绝大部分由OAL(Observability Analysis Language,观测分析语言)定义的指标数据是需要分布式聚合计算的,所以在OAP集群计算流中分成了两种步骤。

步骤一:接收和解析探针发送的数据,并进行当前OAP节点内的数据聚合,使用OAL或者其他聚合模式。如果是不需要分布式聚合的数据,直接写入到存储中;如果是需要分布式聚合的数据,根据一定的路由规则发送给指定的OAP节点。

步骤二:接收和解析经步骤一处理过的数据,然后进行二次聚合计算,并写入到存储中。

因为上面两个步骤极有可能不在同一个OAP节点上,所以OAP节点被分为Receiver(步骤一)和Aggregator(步骤二)两种角色。

为了减少部署难度,所有OAP节点在默认情况下都会使用Mixed角色(既可以进行步骤一的操作,也可以进行步骤二的操作)。在大规模部署的时候,可以根据网络流量进行角色分离的两级部署。

指标数据是计算资源消耗最大的分布式计算,也是整套分布式计算要支持的核心计算类型。在此计算过程中,使用哈希路由策略,根据计算的实体,如服务ID、端点ID等的哈希值来选择对应的OAP节点。

OAP节点之间的通信采用的是 gRPC stream 模式,传输过程中不包含业务字段名称,按照数据类型和字段定义顺序进行序列化,减少非数据字段的传输。

注:本文以SkyWalking的8.2.0版本为例进行介绍,如果版本不同会略有差异。

文章持续更新,微信搜索「万猫学社」第一时间阅读。
关注后回复「电子书」,免费获取12本Java必读技术书籍。

以上是关于详解 Apache SkyWalking OAP 的分布式计算的主要内容,如果未能解决你的问题,请参考以下文章

Docker 部署 SkyWalking OAP & UI

Docker快速搭建SkyWalking[ OAP & UI[登录] & Elasticsearch]

源码角度了解Skywalking之服务端OAP的启动流程

源码角度了解Skywalking之服务端OAP对Trace的处理

源码角度了解Skywalking之服务端OAP对服务注册与服务实例注册的处理

快速搞懂 Apache SkyWalking 的 OAL