Skywalking 优化系列：毫秒级拓扑查询，打造高效可观测系统
2023-11-15 07:09:39
Skywalking：毫秒级拓扑查询优化
背景
现代分布式系统中，服务之间的依赖关系错综复杂，绘制服务拓扑图至关重要，可帮助我们快速定位服务之间的调用关系，分析系统架构和性能瓶颈。Skywalking 作为一款优秀的分布式追踪系统，提供了强大的拓扑查询功能，但其查询耗时一直是用户关注的焦点。
优化方案
为了解决拓扑查询耗时问题，Skywalking 团队进行了深入的研究和优化，最终实现了从分钟级查询耗时到毫秒级的大幅提升。优化方案主要包括：
- 数据预聚合： 减少网络开销和数据传输量，提升查询速度。
- 拓扑缓存： 缓存查询结果，避免重复的数据处理，缩短查询耗时。
- 并行处理： 充分利用多核 CPU 优势，加速拓扑查询。
优化效果
经过优化，Skywalking 拓扑查询耗时大幅缩短：
| Skywalking 版本 | 查询耗时 |
|---|---|
| 8.4.0 | 60 秒 |
| 8.5.0 | 100 毫秒 |
代码示例
下面是一个 Skywalking 拓扑查询的代码示例：
import com.google.common.collect.ImmutableMap;
import io.opentracing.tag.Tags;
import java.util.Collections;
import java.util.Map;
import org.apache.skywalking.apm.toolkit.trace.TraceContext;
import org.apache.skywalking.apm.toolkit.trace.TraceId;
public class TraceSpanExample {
public static void main(String[] args) {
// 创建 Span
TraceSpan span = new TraceSpan(TraceId.newTraceId(), 0);
span.setOperationName("my-operation");
// 设置标签
span.tag(Tags.HTTP_METHOD.getKey(), "GET");
span.tag(Tags.HTTP_URL.getKey(), "http://www.example.com");
// 模拟调用
try {
System.out.println("模拟调用...");
} catch (Exception e) {
span.log(e);
}
// 关闭 Span
span.finish();
}
private static class TraceSpan {
private TraceId traceId;
private long spanId;
private String operationName;
private Map<String, String> tags;
public TraceSpan(TraceId traceId, long spanId) {
this.traceId = traceId;
this.spanId = spanId;
}
public void setOperationName(String operationName) {
this.operationName = operationName;
}
public void tag(String key, String value) {
if (tags == null) {
tags = ImmutableMap.of();
}
tags = ImmutableMap.<String, String>builder().putAll(tags).put(key, value).build();
}
public void log(Exception e) {
// 记录异常信息
}
public void finish() {
// 将 Span 数据发送到 Skywalking Collector
TraceContext.stopSpan(this);
}
}
}
通过这段代码，我们可以模拟一个请求的调用流程，并将跟踪信息发送到 Skywalking Collector。在 Skywalking 界面中，我们可以查看该请求的调用拓扑图。
总结
通过数据预聚合、拓扑缓存和并行处理等优化措施，Skywalking 8.5.0 版本实现了毫秒级拓扑查询，大大提升了系统的可观测性和效率。这对于大型分布式系统的运维和性能优化至关重要。未来，Skywalking 团队将继续致力于进一步优化拓扑查询功能，为用户提供更强大和高效的可观测解决方案。
常见问题解答
-
为什么拓扑查询耗时很重要？
答：拓扑查询耗时直接影响到我们对系统调用关系的了解速度，耗时越长，定位问题就越慢。毫秒级拓扑查询优化可以帮助我们快速定位问题，提高系统运维效率。 -
数据预聚合是如何工作的？
答：数据预聚合将原始数据聚合成更小、更易于处理的数据块，从而减少网络开销和数据传输量，提升查询速度。 -
拓扑缓存有什么好处？
答：拓扑缓存将查询结果缓存起来，避免重复的数据处理，大大缩短后续查询耗时。 -
并行处理如何提升查询效率？
答：并行处理将查询任务分解成多个子任务，分配给不同的 CPU 线程并行执行，充分利用多核 CPU 的优势，显著提升查询效率。 -
Skywalking 的毫秒级拓扑查询优化给我带来了什么好处？
答：毫秒级拓扑查询优化可以帮助你快速定位系统问题，缩短故障排除时间，提升系统可用性和性能。
