本篇文章给大家分享的是有关如何进行Skywalking探针模型设计分析，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。
SkyWalking 是一个开源 APM 系统，包括针对 Cloud Native 体系结构中的分布式系统的监视、跟踪、诊断功能。核心功能如下：
- 服务、服务实例、端点指标分析
- 根本原因分析，在运行时分析代码
- 服务拓扑图分析
- 服务，服务实例和端点依赖性分析
- 检测到慢速服务和端点
- 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 语句）
- 报警
SkyWalking 目前是 Apache 顶级项目，作为这么优秀的开源项目，它的架构设计理念肯定会有很多值得我们借鉴。
基于 SDK 的探针模型
基于 SDK 的探针模型，其实在我们常规的框架技术中都有使用，比如事务原理，就是最典型的场景，里面用到了动态代理，并通过 AOP 切面来完成事务逻辑的植入。那么在传统的分布式链路追踪系统中，基于 Spring Cloud 的 ZipKin 就是采用的基于 SDK 的探针模型。
ZipKin 的探针具体分布在 instrumentation 项目中，会根据不同的组件形成不同的子项目，以便业务通过 SDK 依赖探针的时候，可以比较灵活的应用各种不同的组件。
但是如果只是 ZipKin 的探针还不能完成侵入，需要封装切面，通过 SDK 零侵入到业务代码，那么是否有组件已经实现了这种解决方案呢？答案就是 Spring Cloud Sleuth。
Spring Cloud Sleuth 为分布式跟踪提供了基于 Spring Boot 的自动配置。封装了 Brave 的跟踪程序库，Brave 库又是 openzipkin 的探针组件库。Sleuth 配置业务需要的所有分布式追踪能力。包括跟踪数据（span）的传输通道、保留多少跟踪数据（采样率）、是否发送 baggage 以及具备开关功能的链路探针。
以上就是如何进行Skywalking探针模型设计分析，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注亿速云行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
