-
什么是APM系统
APM–Application Performance Managment（Monitor）。
系统可以帮助理解系统行为、用于分析性能问题的工具，以便发生故障的时候，能够快速定位和解决问题，这就是APM系统， -
常见的单机产品，推荐xrebel。
XRebel官方简明教程： http://zeroturnaround.com/software/xrebel/quick-start/
官方下载地址：https://zeroturnaround.com/software/xrebel/download/#!/have-license -
分布式跟踪分布式的产品比较多
1、Pinpoint
github地址：GitHub - naver/pinpoint: Pinpoint is an open source APM (Application Performance Management) tool for large-scale distributed systems written in Java.
对java领域的性能分析有兴趣的朋友都应该看看这个开源项目，这个是一个韩国团队开源出来的，通过JavaAgent的机制来做字节码代码植入，实现加入traceid和抓取性能数据的目的。
NewRelic、Oneapm之类的工具在java平台上的性能分析也是类似的机制。
2、SkyWalking
github地址：wu-sheng/sky-walking
这是国内一位叫吴晟的兄弟开源的，也是一个对JAVA分布式应用程序集群的业务运行情况进行追踪、告警和分析的系统，在github上也有400多颗星了。
功能相对pinpoint还是稍弱一些，插件还没那么丰富，不过也很难得了。
3、Zipkin
官网：OpenZipkin · A distributed tracing system
github地址：GitHub - openzipkin/zipkin: Zipkin is a distributed tracing system
这个是twitter开源出来的，也是参考Dapper的体系来做的。
Zipkin的java应用端是通过一个叫Brave的组件来实现对应用内部的性能分析数据采集。
Brave的github地址：https://github.com/openzipkin/brave
这个组件通过实现一系列的java拦截器，来做到对http/servlet请求、数据库访问的调用过程跟踪。
然后通过在spring之类的配置文件里加入这些拦截器，完成对java应用的性能数据采集。
4、CAT
github地址：GitHub - dianping/cat: Central Application Tracking
这个是大众点评开源出来的，实现的功能也还是蛮丰富的，国内也有一些公司在用了。
不过他实现跟踪的手段，是要在代码里硬编码写一些“埋点”，也就是侵入式的。
这样做有利有弊，好处是可以在自己需要的地方加埋点，比较有针对性；坏处是必须改动现有系统，很多开发团队不愿意。
5、Xhprof/Xhgui
这两个工具的组合，是针对PHP应用提供APM能力的工具，也是非侵入式的。
Xhprof github地址：GitHub - preinheimer/xhprof: XHGUI is a GUI for the XHProf PHP extension, using a database backend, and pretty graphs to make it easy to use and interpret.
Xhgui github地址：GitHub - perftools/xhgui: A graphical interface for XHProf data built on MongoDB -
Apache Skywalking
skywalaking总体架构分为三部分
skywalking-collector：链路数据归集器，数据可以落地ElasticSearch，单机也可以落地H2，不推荐，H2仅作为临时演示用
skywalking-web：web可视化平台，用来展示落地的数据
skywalking-agent：探针，用来收集和发送数据到归集器
安装部署
官方网站
http://skywalking.apache.org/
分别下载skywalking-collector.zip，skywalking-web.zip，skywalking-agent.zip
下载
http://skywalking.apache.org/downloads/
Global全局维度
Services load：服务每分钟请求数
Slow Services：慢响应服务，单位ms
Un-Health services(Apdex):Apdex性能指标，1为满分。
○ Apdex 一个由众多网络分析技术公司和测量工业组成的联盟组织，它们联合起来开发了“应用性能指数”即“Apdex”(Application Performance Index)，用一句话来概括，Apdex是用户对应用性能满意度的量化值
○ http://www.apdex.org/
Slow Endpoints: 慢响应端点，单位ms
Global Response Latency：百分比响应延时，不同百分比的延时时间，单位ms
Global Heatmap：服务响应时间热力分布图，根据时间段内不同响应时间的数量显示颜色深度
Service服务维度
Service Apdex（数字）:当前服务的评分
Service Avg Response Times：平均响应延时，单位ms
Successful Rate（数字）：请求成功率
Servce Load（数字）：每分钟请求数
Service Apdex（折线图）：不同时间的Apdex评分
Service Response Time Percentile：百分比响应延时
Successful Rate（折线图）：不同时间的请求成功率
Servce Load（折线图）：不同时间的每分钟请求数
Servce Instances Load：每个服务实例的每分钟请求数
Slow Service Instance：每个服务实例的最大延时
Service Instance Successful Rate：每个服务实例的请求成功率
Instance
Service Instance Load：当前实例的每分钟请求数
Service Instance Successful Rate：当前实例的请求成功率
Service Instance Latency：当前实例的响应延时
JVM CPU:jvm占用CPU的百分比
JVM Memory：JVM内存占用大小，单位m
JVM GC Time：JVM垃圾回收时间，包含YGC和OGC
JVM GC Count：JVM垃圾回收次数，包含YGC和OGC
Endpoint
Endpoint Load in Current Service：每个端点的每分钟请求数
Slow Endpoints in Current Service：每个端点的最慢请求时间，单位ms
Successful Rate in Current Service：每个端点的请求成功率
Endpoint Load：当前端点每个时间段的请求数据
Endpoint Avg Response Time：当前端点每个时间段的请求行响应时间
Endpoint Response Time Percentile：当前端点每个时间段的响应时间占比
Endpoint Successful Rate：当前端点每个时间段的请求成功率
|