1. Skywalking概述
Skywalking与2016年11月2日由国人吴晟在Github上传v1.0版本，用于提供分布式链路追踪功能，从5.x开始，成为一个功能较为完善的APM（Application Performance Management）系统，2019年4月17日从Apache孵化器毕业，正式成为Apache顶级项目。提供分布式追踪、服务网格遥测分析、度量聚合和可视化一体化解决方案。官方对自己介绍是专为微服务，云原生和基于容器（Docker，Kubernetes，Mesos）架构而设计。（了解源码可+求求: 1791743380）
2. Skywalking主要功能
服务，服务实例，端点指标分析
根本原因分析
服务拓扑图分析
服务，服务实例和端点依赖性分析
慢服务检测
性能优化
分布式跟踪和上下文传播
数据库访问指标、检测慢速数据库访问语句（包括SQL）
告警
3. Skywalking主要特性
多种监控手段，语言探针和service mesh
多语言自动探针，Java，.NET Core和Node.JS
多种后端存储支持
轻量高效
模块化，UI、存储、集群管理多种机制可选
支持告警
优秀的可视化方案
4. Skywalking架构简介
先看一下官方提供的架构图，如图：
Skywalking总体由四个部分agent、collector、webapp-ui、storage组成。图10-11从上到下是应用层接入，可以使用无入侵性的agent探针接入，通过HTTP或者gRPC讲数据发送至Skywalking分析平台collector，collector对接受到的数据进行聚合分析，最后存储至storage中，这里支持多种存储方式，比较常用的有H2和ElasticSearch，最后可以由webapp-ui对所有的数据进行展示。
5. Spring Cloud与Skywalking实战
5.1 Skywalking部署构建
在介绍实战之前，我们先简单介绍一下Skywalking部署构建方案。
这里存储方式笔者选择使用ElasticSearch，具体版本是6.5.0，ElasticSearch的构建方式选择使用Docker，直接使用Linux搭建有点复杂，不适合初学者，使用Docker构建简单方便。
笔者构建的一些前置条件：
java：1.8
CentOS：7.6
如果当前CentOS上没有Docker环境，可以使用下面的语句快速构建：
yum install docker
当构建成功后，可以使用下面的语句查看当前Docker的版本：
docker -v
笔者这里的输出是：
Docker version 1.13.1, build 7f2769b/1.13.1
安装好Docker以后，最好配置一下国内的镜像站，否则在网络不好的情况下可能出现Docker下载失败等情况，可以使用下面的语句来修改镜像地址：
vi /etc/docker/daemon.json
笔者这里使用的是阿里云的镜像加速，如下：
{"registry-mirrors": ["https://xxxxxx.mirror.aliyuncs.com"]}
各位读者可以自己去阿里云上开通自己的镜像加速，具体不多做介绍。
使用Docker构建ElasticSearch6.5.0，首先，需要下载ElasticSearch6.5.0的镜像，输入以下命令：
docker pull elasticsearch:6.5.0
等待程序下载完成，完成后就可以启动镜像了，命令如下：
docker run -d --restart=always --name es -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" elasticsearch:6.5.0
ElasticSearch的默认启动内存是1g，如果当前服务器的内存不足1g，可以使用参数-e ES_JAVA_OPTS="-Xms256m -Xmx256m"限制ElasticSearch的启动内存大小，完整的语句如下：
docker run -d --restart=always -e ES_JAVA_OPTS="-Xms256m -Xmx256m" --name es -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" elasticsearch:6.5.0
启动成功以后可以使用如下语句看一下是否启动成功：
docker ps
结果如图：
ElasticSearch6.5.0单节点版已经构建完成，为了方便后续操作，需要修改一个ElasticSearch的命名，输入命令docker exec -it es /bin/bash进入容器文件目录，输入vi config/elasticsearch.yml进入ElasticSearch配置文件，修改cluster.name的值，笔者这里修改为CollectorDBCluster，修改完成后，保存当前修改，输入exit退出容器文件目录，输入docker restart es重启当前容器，在浏览器输入http://192.168.44.128:9200/，看到如下信息可以证明ElasticSearch6.5.0单节点版已经在正常的运行了。
{"name":"V-N2_ZQ","cluster_name":"CollectorDBCluster","cluster_uuid":"r9bFZ90WRyqSpMz80u61Yg","version": {"number":"6.5.0","build_flavor":"default","build_type":"tar","build_hash":"816e6f6","build_date":"2018-11-09T18:58:36.352602Z","build_snapshot":false,"lucene_version":"7.5.0","minimum_wire_compatibility_version":"5.6.0","minimum_index_compatibility_version":"5.0.0"},"tagline":"You Know, for Search"}
Skywalking构建，进入Skywalking官网，进入下载页面（http://skywalking.apache.org/downloads/ ），如图：
因为我们是要在CentOS上运行，所以这里选择Linux二进制版，就是已经编译好的版本，无需我们自己编译，下载至我们的CentOS后，解压可以看到目录结构，如图：
agent：探针相关，后面会做更加详细的介绍。
bin：这里放的是oapService和webappService的启动脚本，当然也有执行两个脚本的合并脚本startup.sh。
config：这里主要存放的是collector的配置信息，我们需要修改这里的application.yml中的有关ElasticSearch的配置，如下图：
修改storage.elasticsearch.nameSpace为我们前面构建ElasticSearch设置的cluster.name，笔者这里的值为CollectorDBCluster，同时修改storage.elasticsearch.clusterNodes为我们当前构建的ElasticSearch的地址。
logs：存放collector和webapp-ui生成的日志。
webapp：这里存放的是Skywalking展示UI的jar和配置文件。
Skywalking中默认使用的端口有8080、11800、12800，请保证这些端口未被占用，如需修改，可以修改config目录中的application.yml和webapp目录中的webapp.yml。
接下来启动collector和webapp-ui，进入bin目录中，执行命令./startup.sh，如：
打开浏览器访问http://192.168.44.128:8080/，可以看到webapp-ui的仪表盘，如图：
Skywalking部署到这里就结束了，下面我们开始介绍Spring Cloud如何与Skywalking整合使用。
5.2 Spring Cloud整合Skywalking实战
先简单介绍一下案例内容，我们将创建4个工程，分别为Zuul-Service、Eureka-Service、Consumer-Service和Provider-Service，请求通过Zuul-Service访问至Consumer-Service再访问至Provider-Service完成一次链路调用。
整体架构图如图：
具体实现代码列出，各位读者可以参考GitHub仓库（https://github.com/meteor1993/SpringCloudLearning/tree/master/chapter15），下面我们介绍Spring Cloud是如何与Skywalking整合的。
这里我们需要使用到Skywalking的探针agent，我们在工程chapter15的跟目录中新建一个文件夹，命名为skywalking，讲刚才解压的Skywalking中的agent整个文件夹copy到skywalking，这里我们启动时只需要配置javaagen命令加载agent探针即可，在idea中使用需要修改启动配置，点击右上角的Edit Configurations...，在打开的窗口中选择Environment->VM Options，配置如下脚本：
-javaagent:D:\Development\SpringCloudLearning\chapter15\skywalking\agent\skywalking-agent.jar
-Dskywalking.agent.service_name=zuul-service
-Dskywalking.collector.backend_service=192.168.44.128:11800
如图：
还可以使用java -jar的方式来加载agent探针，我们将整个maven项目打包，运行mvn install的命令，使用java -jar的方式来启动，启动命令中增加启动参数，如下：
-javaagent:D:\Development\SpringCloudLearning\chapter15\skywalking\agent\skywalking-agent.jar -Dskywalking.agent.service_name=consumer-service -Dskywalking.collector.backend_service=192.168.44.128:11800 -jar zuul-0.0.1-SNAPSHOT.jar
顺次启动四个工程后，使用浏览器访问：http://localhost:8080/client/hello?name=spring，多刷新几次后，我们再使用浏览器访问http://192.168.44.128:8080/，如：
all_heatmap：所有服务响应时间的热点图
all_p99：所有服务响应时间的 p99 值
点击上边栏的拓扑图，可以看到当前我们工程的一个依赖拓扑关系，如：
点击上边栏的追踪，可以看到左边是当前所有的访问请求，随便点击一个，可以在右边看到一个详细的链路追踪过程，如：
点击链路，可以看到一些标记信息，包含端点、跨度类型、成功还是失败，以及一些Exception信息，如图：
点击仪表盘页面的Service，可以看到一些服务相关的信息，如平均响应时间、平均吞吐量、平均时延统计，如图：
service_instance_sla：服务实例的成功率
service_instance_resp_time：服务实例的平均响应时间
service_instance_cpm：服务实例每分钟调用次数
点击仪表盘页面的Endpoint，可以看到一些端点相关的信息，如图：
endpoint_cpm：端点每分钟调用次数
endpoint_avg：端点平均响应时间
endpoint_sla：端点成功率
endpoint_p99：端点响应时间的 p99 值
点击仪表盘页面的Instance，可以看到一些JVM相关的信息，如图：
至此，Spring Cloud与Skywalking的介绍就结束了，感兴趣的朋友可以前往Github的官方网站进行查询。
6. 小结
这里总结一下整个案例的启动顺序：
启动ElasticSearch
启动collector
启动web-ui（或者使用整合脚本启动）
启动Agent（Eureka、provider、consumer、zuul）
应用调用
访问web-ui查看统计信息
以上启动顺序供各位读者参考，请各位读者最好按照以上顺序启动，因为不同的组件之前其实是有相互依赖关系的，如果随意更改启动顺序可能会造成某些未知问题。
