服务监控Skywalking的存储配置与调优

原文：https://blog.csdn.net/smooth00/article/details/96479544

   作为一款APM和全链路监控平台，Skywalking算是挺出色的。Skywalking是APM监控平台的后起之秀，大有超越其他开源APM监控平台的趋势。它通过探针自动收集所需的指标，并进行分布式追踪。通过这些调用链路以及指标，Skywalking APM会感知应用间关系和服务间关系，并进行相应的指标统计。

        目前Skywalking支持h2、mysql、ElasticSearch作为数据存储，我就说一下，这三个种库的优缺点和使用要求：

        1、首先是默认的h2

        h2是Skywalking自带的，对应的jar包路径是Skywalking/oap-libs/h2-1.4.196.jar，h2是一种内存数据库，在Skywalking配置文件的默认配置如下：

h2:
driver: ${SW_STORAGE_H2_DRIVER:org.h2.jdbcx.JdbcDataSource}
url: ${SW_STORAGE_H2_URL:jdbc:h2:mem:skywalking-oap-db}
user: ${SW_STORAGE_H2_USER:sa}
metadataQueryMaxSize: ${SW_STORAGE_H2_QUERY_MAX_SIZE:5000}
作为内存数据库，当然是保存在内存中，只要服务重启或是Skywalking应用故障了，基本上所监控到的数据也就丢失了，所以h2的内存模式其实不适合于应用服务长时间监控的场景。但是h2也可以变为文件数据库，配置如下：

h2:
driver: ${SW_STORAGE_H2_DRIVER:org.h2.jdbcx.JdbcDataSource}
url: ${SW_STORAGE_H2_URL:jdbc:h2:tcp://127.0.0.1/~/skywalking-oap-db;AUTO_SERVER=TRUE}
user: ${SW_STORAGE_H2_USER:sa}
metadataQueryMaxSize: ${SW_STORAGE_H2_QUERY_MAX_SIZE:5000}
和内存模式的配置区别就是URL换成了文件的路径，默认路径是在用户目录下（如administrator或root或home/user等用户目录）自动创建数据库文件skywalking-oap-db。

要使用文件数据库，有个前提是要先启动h2的TCP服务，因为默认skywalking调用的是内存数据库，如果没有启动h2 TCP，由于监听不到端口，oapService就会判断为连接故障而关闭。启动h2 TCP服务，可以在bin目录新建启动脚本，linux脚本如下：

#!/usr/bin/env sh
PRG="$0"
PRGDIR=`dirname "$PRG"`
[ -z "$OAP_HOME" ] && OAP_HOME=`cd "$PRGDIR/.." >/dev/null; pwd`

OAP_LOG_DIR="${OAP_HOME}/logs"
JAVA_OPTS=" -Xms64M -Xmx256M"

if [ ! -d "${OAP_HOME}/logs" ]; then
mkdir -p "${OAP_LOG_DIR}"
fi

_RUNJAVA=${JAVA_HOME}/bin/java
[ -z "$JAVA_HOME" ] && _RUNJAVA=java

CLASSPATH="$OAP_HOME/config:$CLASSPATH"
for i in "$OAP_HOME"/oap-libs/h2*.jar
do
CLASSPATH="$i:$CLASSPATH"
done

OAP_OPTIONS=" -Doap.logDir=${OAP_LOG_DIR}"

# 如果需要远程连接h2数据库，需将-tcp改为-tcpAllowOthers
eval exec ""$_RUNJAVA" ${JAVA_OPTS} ${OAP_OPTIONS} -classpath $CLASSPATH org.h2.tools.Server -tcp
2>${OAP_LOG_DIR}/h2Tcp.log 1> /dev/null &"

if [ $? -eq 0 ]; then
sleep 1
echo "SkyWalking h2Tcp started successfully!"
else
echo "SkyWalking h2Tcp started failure!"
exit 1
fi
对应的windows脚本如下：

@REM 如果需要远程查看h2数据库(tcp端口9092，页面访问端口8082)，需将-tcp改为-tcpAllowOthers

@echo off

setlocal
set OAP_PROCESS_TITLE=Skywalking-H2TcpServer
set OAP_HOME=%~dp0%..
set OAP_OPTS="-Xms64M -Xmx256M -Doap.logDir=%OAP_HOME%logs"

set CLASSPATH=%OAP_HOME%config;.;
set CLASSPATH=%OAP_HOME%oap-libs*;%CLASSPATH%

if defined JAVA_HOME (
set _EXECJAVA="%JAVA_HOME%injava"
)

if not defined JAVA_HOME (
echo "JAVA_HOME not set."
set _EXECJAVA=java
)

start "%OAP_PROCESS_TITLE%" %_EXECJAVA% "%OAP_OPTS%" -cp "%CLASSPATH%" org.h2.tools.Server -tcp
endlocal
先启动h2文件数据库，确保9092端口能被监听，再启动Skywalking的其他服务。

h2文件数据库虽然非常轻量级，毕竟skywalking自带了，但是稳定性却很差，一但文件损坏（大并发量和大吞吐量的监控数据，就会把它干坏），oapService服务就启动不了了，需要清除文件或是恢复及覆盖文件才能启动（对于一般应用者来说，这也是要命的事）。

       2、Mysql数据库

       启用mysql存储，有两个地方需要配置，一个是application.yml

mysql:
metadataQueryMaxSize: ${SW_STORAGE_H2_QUERY_MAX_SIZE:5000}
       另一个是datasource-settings.properties

jdbcUrl=jdbc:mysql://localhost:3306/swtest
dataSource.user=root
dataSource.password=root@1234
       mysql数据库相对要稳定，毕竟是被大量使用的数据库，而且可以做相应的优化，配置缓存，加大数据吞吐量。但是基于mysql的查询速度我觉得不快，特别是skywalking中【追踪】查看，3万条以上的记录查询基本上觉得卡。但作为长时间的应用性能监控来说，mysql合适。而对于Linux下的部署来说，mysql偏重量级了（编译后的二进制mysql安装包就有好几百M）。

       3、ElasticSearch

        官网好像是推荐使用ElasticSearch，为什么推荐？我猜的，应该是快呀。ES(ElasticSearch)是一款分布式全文检索框架，底层基于Lucene实现，是给搜索引擎专用的，不快都不行。试了一下10万条的追踪记录，基本上很快就能查询展示。

        ElasticSearch不是自带的，需要安装，考虑到轻量级，我选用的是elasticsearch-6.2.4，原因是包小免安装，解压完也才30多M，而且目前最新版本的Skywalking 6.2.0是能够支持该版本的ElasticSearch。

        Skywalking启用ES，只需要配置文件设置如下：

storage:
elasticsearch:
nameSpace: ${SW_NAMESPACE:""}
clusterNodes: ${SW_STORAGE_ES_CLUSTER_NODES:localhost:9200}
user: ${SW_ES_USER:""}
password: ${SW_ES_PASSWORD:""}
indexShardsNumber: ${SW_STORAGE_ES_INDEX_SHARDS_NUMBER:2}
indexReplicasNumber: ${SW_STORAGE_ES_INDEX_REPLICAS_NUMBER:0}
# Those data TTL settings will override the same settings in core module.
recordDataTTL: ${SW_STORAGE_ES_RECORD_DATA_TTL:7} # Unit is day
otherMetricsDataTTL: ${SW_STORAGE_ES_OTHER_METRIC_DATA_TTL:45} # Unit is day
monthMetricsDataTTL: ${SW_STORAGE_ES_MONTH_METRIC_DATA_TTL:18} # Unit is month
bulkActions: ${SW_STORAGE_ES_BULK_ACTIONS:2000} # Execute the bulk every 2000 requests
bulkSize: ${SW_STORAGE_ES_BULK_SIZE:20} # flush the bulk every 20mb
flushInterval: ${SW_STORAGE_ES_FLUSH_INTERVAL:10} # flush the bulk every 10 seconds whatever the number of requests
concurrentRequests: ${SW_STORAGE_ES_CONCURRENT_REQUESTS:2} # the number of concurrent requests
metadataQueryMaxSize: ${SW_STORAGE_ES_QUERY_MAX_SIZE:5000}
segmentQueryMaxSize: ${SW_STORAGE_ES_QUERY_SEGMENT_SIZE:200}
        另外如果，想让ES能同时被本地和远程访问到，可以改一下ES的配置文件，IP改为如下：

network.host: 0.0.0.0
      我专门写了linux下的ES启动脚本（脚本放在skywalking的bin目录下，ES放在Skywalking的根目录下），由于ES不能以root用户启动，所以脚本里加了用户的自动创建：

#!/bin/bash
check_user()
{
#判断用户是否存在passwd中
i=`cat /etc/passwd | cut -f1 -d':' | grep -w "$1" -c`
if [ $i -le 0 ]; then
echo "User $1 is not in the passwd"
return 0
else
#显示用户存在
echo "User $1 is in then use"
return 1
fi
}

uname=elsearch
check_user $uname
if [ $? -eq 0 ]
then
#添加此用户
sudo useradd $uname
passwd $uname --stdin "123456"
echo "user $uname add!!!"
fi
Cur_Dir=$(cd "$(dirname "$0")"; pwd)
chown $uname:$uname -R $Cur_Dir/../elasticsearch
chmod -R 766 $Cur_Dir/../elasticsearch
chmod -R 777 $Cur_Dir/../elasticsearch/bin
su - $uname -c "nohup $Cur_Dir/../elasticsearch/bin/elasticsearch > $Cur_Dir/../elasticsearch/logs/output.log 2>&1 &"
echo "elasticsearch start success!"
          考虑到ES也是需要先启动，确保端口监听正常了，才能启动oapService，所以我改造了skywalking自带的启动脚本，加了端口监听判断：  

#!/usr/bin/env sh
check_port()
{
grep_port=`netstat -tlpn | grep "$1"`
echo "grep port is $grep_port"
if [ -n "$grep_port" ]
then
echo "port $port is in use"
return 1
else
echo "port is not established,please wait a moment......"
return 0
fi
}

PRG="$0"
PRGDIR=`dirname "$PRG"`
OAP_EXE=oapService.sh
WEBAPP_EXE=webappService.sh
elsearch_EXE=elasticsearchStart.sh

"$PRGDIR"/"$elsearch_EXE"

port=9200
echo "check $port"
for i in $(seq 1 20)
do
check_port $port
if [ $? -eq 0 ]
then
sleep 2s
else
break
fi
done

"$PRGDIR"/"$OAP_EXE"

"$PRGDIR"/"$WEBAPP_EXE"
Windows下的脚本就简单多了：

@echo off

setlocal
set OAP_PROCESS_TITLE=Skywalking-Elasticsearch
set OAP_HOME=%~dp0%..

start "%OAP_PROCESS_TITLE%" %OAP_HOME%elasticsearchinelasticsearch.bat
endlocal
而且windows下启动ES很快，没有端口启动的延时时间，所以整个skywalking启动脚本的改造量不大：

@echo off

setlocal
call "%~dp0"elasticsearchUp.bat
call "%~dp0"oapService.bat start
call "%~dp0"webappService.bat start
endlocal
以上的准备，就是为Skywalking应用ES存储做好了准备，但是Elasticsearch本身也是存在写入瓶颈的，也就是说ES也会崩溃，一但崩溃，就可能oapService关闭，或是导致skywalking页面大盘空白。

       我们可以做些调优，skywalking写入ES的操作是使用了ES的批量写入接口。我们可以调整这些批量的维度。尽量降低ES索引的写入频率，如：

bulkActions: ${SW_STORAGE_ES_BULK_ACTIONS:4000} # Execute the bulk every 2000 requests
bulkSize: ${SW_STORAGE_ES_BULK_SIZE:40} # flush the bulk every 20mb
flushInterval: ${SW_STORAGE_ES_FLUSH_INTERVAL:30} # flush the bulk every 10 seconds whatever the number of requests
concurrentRequests: ${SW_STORAGE_ES_CONCURRENT_REQUESTS:4} # the number of concurrent requests
metadataQueryMaxSize: ${SW_STORAGE_ES_QUERY_MAX_SIZE:8000}
       调整bulkActions默认2000次请求批量写入一次改到4000次；bulkSize批量刷新从20M一次到40M一次；flushInterval每10秒刷新一次堆改为每30秒刷新；concurrentRequests查询的最大数量由5000改为8000。这种配置调优确实生效了，重启服务后两三天了都没有出现过ES写入阻塞的问题。不过这种设置只是暂时的，你只能期望流量不突发，或者应用不增加。一旦遇到突发流量和应用的增加，ES写入瓶颈还是会凸显出来。而且参数设置过大带来了一个新的问题，就是数据写入延时会比较大，一次服务交互发生的trace隔好久才能在skywalking页面上查询到。所以最终解决方案是优化ES的写入性能，具体优化可以参考别人的文章：https://www.easyice.cn/archives/207

       另外作为开源化的平台，扩展性也是其中的优势，本身ES就是分布式全文检索框架，可以部署成高可用的集群，另外Skyawalking也是分布式链路跟踪系统，分布式既然是它应用的特性，那么怎么去构建集群化的监控平台，就完全靠你自己的想象和发挥了。

       最后放一张我的Skywalking监控平台的监控效果图（压测过程中的应用监控），我可是斗胆把人家的Logo都换了，但我可不会用在商用领域，只是部门内部使用，方便其他人一眼认出这是个APM监控平台：

另外附上Skywalking各模块完整的配置说明（为看不明白英文注释的人准备）：

 （1）Skywalking collector 配置
        OAP(Collector)链路数据归集器，主要用于数据落地，大部分都会选择 Elasticsearch 6，OAP配置文件为 /opt/apache-skywalking-apm-6.2.0/config/application.yml，配置单点的 OAP(Collector)配置如下：

cluster:
# 单节点模式
standalone:
# zk用于管理collector集群协作.
# zookeeper:
# 多个zk连接地址用逗号分隔.
# hostPort: localhost:2181
# sessionTimeout: 100000
# 分布式 kv 存储设施，类似于zk，但没有zk重型（除了etcd，consul、Nacos等都是类似功能）
# etcd:
# serviceName: ${SW_SERVICE_NAME:"SkyWalking_OAP_Cluster"}
# 多个节点用逗号分隔, 如: 10.0.0.1:2379,10.0.0.2:2379,10.0.0.3:2379
# hostPort: ${SW_CLUSTER_ETCD_HOST_PORT:localhost:2379}
core:
default:
      # 混合角色：接收代理数据，1级聚合、2级聚合
# 接收者：接收代理数据，1级聚合点
# 聚合器：2级聚合点
      role: ${SW_CORE_ROLE:Mixed} # Mixed/Receiver/Aggregator

       # rest 服务地址和端口
      restHost: ${SW_CORE_REST_HOST:localhost}
      restPort: ${SW_CORE_REST_PORT:12800}
      restContextPath: ${SW_CORE_REST_CONTEXT_PATH:/}

      # gRPC 服务地址和端口
      gRPCHost: ${SW_CORE_GRPC_HOST:localhost}
      gRPCPort: ${SW_CORE_GRPC_PORT:11800}

      downsampling:
      - Hour
      - Day
      - Month

      # 设置度量数据的超时。超时过期后，度量数据将自动删除.
      # 单位分钟
      recordDataTTL: ${SW_CORE_RECORD_DATA_TTL:90}

      # 单位分钟
      minuteMetricsDataTTL: ${SW_CORE_MINUTE_METRIC_DATA_TTL:90}

      # 单位小时
      hourMetricsDataTTL: ${SW_CORE_HOUR_METRIC_DATA_TTL:36}

      # 单位天
      dayMetricsDataTTL: ${SW_CORE_DAY_METRIC_DATA_TTL:45}

      # 单位月
      monthMetricsDataTTL: ${SW_CORE_MONTH_METRIC_DATA_TTL:18}

storage:

elasticsearch:

      # elasticsearch 的集群名称
      nameSpace: ${SW_NAMESPACE:"local-ES"}

# elasticsearch 集群节点的地址及端口
clusterNodes: ${SW_STORAGE_ES_CLUSTER_NODES:192.168.2.10:9200}

# elasticsearch 的用户名和密码
user: ${SW_ES_USER:""}
password: ${SW_ES_PASSWORD:""}

# 设置 elasticsearch 索引分片数量
indexShardsNumber: ${SW_STORAGE_ES_INDEX_SHARDS_NUMBER:2}

# 设置 elasticsearch 索引副本数
indexReplicasNumber: ${SW_STORAGE_ES_INDEX_REPLICAS_NUMBER:0}

# 批量处理配置
# 每2000个请求执行一次批量
bulkActions: ${SW_STORAGE_ES_BULK_ACTIONS:2000}

# 每 20mb 刷新一次内存块
bulkSize: ${SW_STORAGE_ES_BULK_SIZE:20}

# 无论请求的数量如何，每10秒刷新一次堆
flushInterval: ${SW_STORAGE_ES_FLUSH_INTERVAL:10}

# 并发请求的数量
concurrentRequests: ${SW_STORAGE_ES_CONCURRENT_REQUESTS:2}

# elasticsearch 查询的最大数量
metadataQueryMaxSize: ${SW_STORAGE_ES_QUERY_MAX_SIZE:5000}

# elasticsearch 查询段最大数量
segmentQueryMaxSize: ${SW_STORAGE_ES_QUERY_SEGMENT_SIZE:200}
 （2）Skywalking webApp 配置
       Skywalking 的 WebApp 主要是用来展示落地的数据，因此只需要配置 Web 的端口及获取数据的 OAP(Collector)的IP和端口，webApp 配置文件地址为  /opt/apache-skywalking-apm-6.2.0/webapp/webapp.yml 配置如下：

server:
port: 9000
collector:
path: /graphql
ribbon:
ReadTimeout: 10000
# 指向所有后端collector 的 restHost:restPort 配置，多个使用, 分隔
listOfServers: localhost:12800

security:
user:
# username
admin:
# password
password: admin
（3）Skywalking Agent 配置
       Skywalking 的 Agent 主要用于收集和发送数据到 OAP(Collector)，因此需要进行配置 Skywalking OAP(Collector)的地址，Agent 的配置文件地址为  /opt/apache-skywalking-apm-6.2.0/agent/config/agent.config，配置如下：

# 设置Agent命名空间，它用来隔离追踪和监控数据，当两个应用使用不同的名称空间时，跨进程传播链会中断。
agent.namespace=${SW_AGENT_NAMESPACE:default-namespace}

# 设置服务名称，会在 Skywalking UI 上显示的名称
agent.service_name=${SW_AGENT_NAME:Your_ApplicationName}

# 每 3秒采集的样本跟踪比例，如果是负数则表示 100%采集
agent.sample_n_per_3_secs=${SW_AGENT_SAMPLE:-1}

# 启用 Debug ，如果为 true 则将把所有检测到的类文件保存在"/debug"文件夹中
# agent.is_open_debugging_class = ${SW_AGENT_OPEN_DEBUG:true}

# 后端的 collector 端口及地址
collector.backend_service=${SW_AGENT_COLLECTOR_BACKEND_SERVICES:192.168.2.215:11800}

# 日志级别
logging.level=${SW_LOGGING_LEVEL:DEBUG}