javaapm⼯具
APM⼯具对⽐
市⾯上有很多分布式链路监控的⼯具，客观对⽐。
调研
市⾯上的APM（Application Performance Management）理论模型⼤多都是借鉴，Google Dapper论⽂。
我最近也在选取使⽤哪⼀个⼯具，这⾥的对⽐是在Spring Cloud 中的使⽤。
对⽐三种⼯具：
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
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cat：⼤众点评开源的⼀款分布式链路追踪⼯具。
整体架构
zipkin
zipkin分为zipkin服务端和客户端，每⼀个被监控的服务都是客户端。
组件：
追踪器：位于客户端，并记录有关发⽣的操作的时间和元数据，对⽤户透明
Reporter：将数据发送到Zipkin的检测应⽤程序
Transport ：传输数据：HTTP, Kafka and Scribe.
Collector：位于服务端中，收集传输来的数据
Storage ：存储数据，默认存储在内存中
search ：查询api，JSON应⽤编程接⼝，被UI调⽤
UI ：Web UI提供了⼀种基于服务，时间Annotation查看跟踪的⽅法。UI中没有内置⾝份验证
skywalking
组件：
skywalking分为四个部分：探针，平台后端，存储，UI
Probes，探针，探针因使⽤的语⾔不同⽽不通，收集数据并且格式化为skywalking所需的格式。
Platform backend 平台后端，对应于zipkin server，可以集部署，聚合，分析，将数据展⽰在UI中
Storage：存储，可扩展的存储，可以使es，H2，MySQL集
UI 丰富的可视化功能，提供⾝份验证
cat
cat-client 业务模块，埋点，发送消息给consumer
cat-consumer，分析从client接收的数据
cat-home 将数据展⽰在控制端
存储
基本原理
zipkin
┌─────────────┐┌───────────────────────┐┌─────────────┐┌──────────────────┐
│ User Code  ││ Trace Instrumentation ││ Http Client ││ Zipkin Collector │
└─────────────┘└───────────────────────┘└─────────────┘└──────────────────┘
││││
┌─────────┐
│──┤GET /foo ├─▶│────┐││
└─────────┘│ record tags
││◀───┘││
────┐
│││ add trace headers ││
◀───┘
││────┐││
│ record timestamp
││◀───┘││
┌─────────────────┐
││──┤GET /foo        ├─▶││
│X-B3-TraceId: aa │────┐
│││X-B3-SpanId: 6b  ││││
└─────────────────┘│ invoke
││││ request  │
│
│││││
┌────────┐◀───┘
││◀─────┤200 OK  ├───────││
────┐└────────┘
│││ record duration  ││
┌────────┐◀───┘
│◀──┤200 OK  ├──│││
└────────┘┌────────────────────────────────┐
││──┤ asynchronously report span    ├────▶│
││
│{                              │
│  "traceId": "aa",              │
│  "id": "6b",                  │
│  "name": "get",                │
│  "timestamp": 1483945573944000,│
│  "duration": 386000,          │
│  "annotations": [              │java调用python模型
│--snip--                        │
└────────────────────────────────┘
当发起⼀个调⽤，Trace Instrumentation会拦截请求，添加tag，添加traceID和spanID进http头，当服务返回时，它会异步地向Collector发送数据。Collector受到数据后存储，分析，同时UI会展⽰数据在界⾯上。
skywalking
探针将数据通过gRPC或者HTTP传输给后端平台（server），后端平台将数据存储在Storage中，并且分析数据将结果展⽰在UI中
cat
客户端：收集数据通过ThreadLocal，将数据存在ThreadLocal中，当结束时发送数据给服务端。
举例：
序列化与通信：⾃定义的序列化协议，Netty数据传输
服务端：
监控模型：
Transaction：适合记录跨越系统边界的程序访问⾏为,⽐如远程调⽤，数据库调⽤，也适合执⾏时间较长的业务逻辑监控，Transaction ⽤来记录⼀段代码的执⾏时间和次数
Event：⽤来记录⼀件事发⽣的次数，开销较⼩
Heartbeat：表⽰程序内定期产⽣的统计信息, 如CPU利⽤率, 内存利⽤率, 连接池状态, 系统负载等
Metric：⽤于记录业务指标、指标可能包含对⼀个指标记录次数、记录平均值、记录总和，业务指标最低统计粒度为1分钟
类别实现⽅式
zipkin拦截请求
skywalking java探针，字节码增强
cat代码埋点
接⼊⽅式
类别接⼊⽅式agent到collector的协议
zipkin sleuth，引⼊依赖和配置http，mq
skywalking javaanent gRPC，http
cat代码侵⼊http/tcp
数据收集
类别数据
zipkin链路，耗时
skywalking链路，耗时，cpu，mem，JVM
cat链路，耗时，cpu，mem，JVM
UI
类别丰富度
zipkin⼀般
skywalking丰富
cat丰富
数据存储⽅案
类别存储⽅案
zipkin内存，mysql，es，Cassandra
skywalking es，mysql，h2,TiDB
cat mysql，hdfs
⽀持语⾔
类别语⾔
zipkin C#,Go,Java,JS,Ruby,Scala,PHP；社区⽀持c++，Python
skywalking Java，c#，PHP，Node.js
cat Java, C/C++, Node.js, Python, Go
使⽤者
类别使⽤者
zipkin多
skywalking多
cat较多
版本迭代速度
类别速度
zipkin快
skywalking快
cat慢
其它
类别作者粒度traceID查询告警依赖分析OpenTracing标准
zipkin twitter接⼝级yes no yes部分⽀持
skywalking吴晟，华为⽅法级yes yes yes完全⽀持
cat吴其敏，尤勇，⼤众点评代码级no yes no不⽀持
注：OpenTracing通过提供平台⽆关、⼚商⽆关的API，使得开发⼈员能够⽅便的添加（或更换）追踪系统的实现。总结
zipkin
优点：轻量级，springcloud集成，使⽤⼈数多，成熟
不⾜：功能简单，只有链路监控
skywalking
优点：采集数据丰富，UI友好，扩展性⾼，使⽤者多，⽀持中间件以及框架多，社区活跃
不⾜：成熟度不够⾼
cat
优点采集数据⾮常丰富，UI友好，粒度最细
代码侵⼊，需改动业务代码，git不够活跃，更新缓慢，存储⽀持不够⼴泛这些⼯具各有长短，根据实际场景不同选择之。
参考⽂档

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。