当微服务零碎越来越宏大，各个服务间的调用关系也变得越来越简单，须要一个工具来帮忙理清申请调用的服务链路。之前在《Spring Cloud Sleuth：分布式申请链路跟踪》一文中应用的是Sleuth+Zipkin的解决方案，最近发现利用性能监控（Application Performance Monitoring，APM）也能够很好地解决该问题。比照SkyWalking和Elastic APM之后，发现Elastic APM更胜一筹，明天咱们来一波Elastic APM的应用实际！

SpringBoot实战电商我的项目mall（40k+star）地址：https://github.com/macrozheng/mall

Elastic APM 简介

Elastic APM是基于Elastic Stack构建的利用性能监控（APM）零碎。它次要有如下用处：

  • 用来实时监控利用性能信息，包含HTTP申请调用时长、数据库查问信息、缓存调用信息和内部的HTTP申请调用信息。有助于咱们疾速找出并解决性能问题。
  • 主动收集利用中未解决的谬误和异样，显示异样的堆栈信息，有助于疾速定位异样和理解呈现频率。
  • 度量指标是调试生产零碎时的另一个重要信息起源。Elastic APM Agent 会主动收集主机级别的度量指标（比方Java JVM和Go Runtime的指标）。
  • 反对分布式申请链路追踪，使你可能在一个视图中剖析整个服务架构的性能问题。

相干组件

Elastic APM 包含四大组件: APM Agent, APM Server, Elasticsearch, Kibana。

  • APM Agent：以利用程序库的模式提供，负责收集利用运行时的性能监控数据和谬误数据，短时间缓存后发送APM Server。
  • APM Server：一个独立的组件，负责接管APM Agent中发送的性能监控数据。验证并解决完数据后，会转存储到Elasticsearch中，之后就能够在Kibana APM 利用中查看性能监控数据了。
  • Elasticsearch：用于存储利用性能监控数据并提供聚合性能。
  • Kibana APM app：可视化查看APM性能监控数据，有助于找到性能瓶颈。

数据模型

Elastic APM Agent 从其检测的应用程序中捕捉不同类型的信息。这些操作被称为事件，能够是Span, Transaction, Error, or Metric。

  • Span（跨度）：Span蕴含一次操作过程中代码执行门路的信息。它从操作的开始到完结进行度量，并且能够与其余Span具备父/子关系。
  • Transaction（事务）：Transaction是一种非凡的Span，具备与之关联的其余属性。它形容了Elastic APM Agent捕捉的最高级别事件，比方一次申请、一次批处理工作等。
  • Error（谬误）：Error事件至多蕴含谬误产生的原始异样或创立的日志的信息。
  • Metric（度量）：APM Agent 主动获取根本的主机级别指标，包含零碎和过程级别的CPU和内存指标。也能够获取特定于代理的指标，例如Java Agent中的JVM指标和Go Agent中的Go运行时指标。

应用实际

学习了下面的基本概念之后，是时候来波实际了，接下来咱们将应用Elastic APM来监控SpringBoot利用的性能信息。

装置Elasticsearch和Kibana

装置Elastic APM之前，咱们须要先装置好Elasticsearch和Kibana，具体参考《你竟然还去服务器上捞日志，搭个日志收集零碎难道不香么！》，留神应用7.6.2版本。

装置APM Server

  • 下载APM Server的安装包，下载地址：https://www.elastic.co/cn/dow...

  • 下载实现后解压到指定目录；

  • 批改配置文件apm-server.yml，批改下Elasticsearch的连贯地址即可；
output.elasticsearch:  hosts: ["localhost:9200"]
  • 应用如下命令启动APM Server即可，启动胜利APM Server将在8200端口运行；
apm-sever -e
  • 在Kibana中检测APM Server是否启动胜利，拜访地址：http://localhost:5601/app/kibana#/home/tutorial/apm

SpringBoot集成APM Agent

Java利用集成APM Agent的形式有三种，咱们应用最简略的形式，间接在利用中集成。
  • 在pom.xml中增加相干依赖；
<!--Elastic Agent相干依赖--><dependency>    <groupId>co.elastic.apm</groupId>    <artifactId>apm-agent-attach</artifactId>    <version>1.17.0</version></dependency>
  • 在利用启动类的main办法中增加Elastic APM的Attach API；
@SpringBootApplicationpublic class MallTinyApplication {    public static void main(String[] args) {        ElasticApmAttacher.attach();        SpringApplication.run(MallTinyApplication.class, args);    }}
  • 在resource目录下增加Elastic APM的配置文件elasticapm.properties；
# 配置服务名称service_name=mall-tiny-apm# 配置利用所在根底包application_packages=com.macro.mall.tiny# 配置APM Server的拜访地址server_urls=http://localhost:8200
  • 在Kibana中检测APM Agent是否启动胜利，拜访地址：http://localhost:5601/app/kibana#/home/tutorial/apm

查看性能监控信息

  • 关上监控面板当前，能够发现咱们的mall-tiny-apm服务曾经存在了；

  • 屡次调用利用接口，即可查看到利用性能信息；

  • 关上某个Transaction查看详情，咱们能够看到连SQL执行耗时信息都给咱们统计好了；

  • 不仅如此，关上执行查问的Span查看详情，连SQL语句都给咱们收集好了；

  • 在我的项目中增加一个有近程调用接口，看看能不能收集到申请调用链路；
/** * 品牌治理Controller * Created by macro on 2019/4/19. */@Api(tags = "PmsBrandController", description = "商品品牌治理")@Controller@RequestMapping("/brand")public class PmsBrandController {        @ApiOperation("近程调用获取所有品牌信息")    @RequestMapping(value = "/remoteListAll", method = RequestMethod.GET)    @ResponseBody    public CommonResult<List<PmsBrand>> remoteListAll() {        //模仿耗时操作        ThreadUtil.sleep(1, TimeUnit.SECONDS);        //近程调用获取数据        String response = HttpUtil.get("http://localhost:8088/brand/listAll");        JSONObject jsonObject = new JSONObject(response);        JSONArray data = jsonObject.getJSONArray("data");        List<PmsBrand> brandList = data.toList(PmsBrand.class);        return CommonResult.success(brandList);    }}
  • 发现齐全能够，Elastic APM齐全能够取代Sleuth+Zipkin来做微服务的申请链路跟踪了；

  • 应用咱们之前springcloud-learning中的微服务调用案例，也是能够进行申请链路跟踪的；

  • 接下来咱们人为制作一个异样，在办法中增加int i=1/0;即可，查看下收集到的异样信息；

  • 再来看下利用主机的度量信息，十分全面，CPU、内存、JVM信息都有了，当前性能调优的时候能够看看！

总结

Elastic APM 齐全能够取代Sleuth+Zipkin来做分布式申请链路追踪，并且提供了数据库及缓存调用时长的统计，很好很弱小！不止于此，它还能够用来实时监控利用性能信息及度量指标，连谬误日志也收集好了，是一款很好的利用性能监控工具！

我的项目源码地址

https://github.com/macrozheng...

参考资料

官网文档：https://www.elastic.co/guide/...

本文 GitHub https://github.com/macrozheng/mall-learning 曾经收录，欢送大家Star！