开源APM监控Pinpoint的快速部署和使用

2024-01-13 20:48

本文主要是介绍开源APM监控Pinpoint的快速部署和使用,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

       Pinpoint是用于大规模分布式系统的APM工具。它是在Dapper(一个由Google构建的分布式系统跟踪基础架构)之后构建的,为开发人员提供有关复杂分布式系统行为的更多信息。

开源地址:https://github.com/naver/pinpoint

       Pinpoint作为一款非常优秀的开源APM监控平台,和其他开源系统一样,最繁琐的应该是部署,但是如果你能通过Docker的方式进行部署,我们就可以感受到一键部署的便捷:

Docker镜像地址:https://hub.docker.com/u/pinpointdocker

Docker-compose地址:https://github.com/naver/pinpoint-docker

一、部署前准备

在Centos7系统上安装Docker和docker-compose

yum update -y
yum install docker epel-release python-pip -y
pip install --upgrade pip
pip install docker-compose

对于docker-compose也可以安装指定版本(比如最新版的,因为不同版本支持不同格式的docker-compose文件)

yum update -y nss curl libcurl
sudo curl -L https://github.com/docker/compose/releases/download/1.23.2/docker-compose-Linux-x86_64 -o /usr/local/bin/docker-compose
chmod +x /usr/local/bin/docker-compose

为了加速docker镜像pull速度,可以修改daemon.json

# cat /etc/docker/daemon.json
{"registry-mirrors": ["http://579fe187.m.daocloud.io","https://pee6w651.mirror.aliyuncs.com"]}

启动docker

systemctl enable docker
systemctl start docker

二、安装Pinpoint

按照官网的docker部署方式:https://github.com/naver/pinpoint-docker (部署前把宿主机防火墙都关了)

git clone https://github.com/naver/pinpoint-docker.git
cd Pinpoint-Docker
docker-compose pull && docker-compose up -d

直接这样部署可能会有问题,比如我们只在一台宿主机上部署,我们可以用git命令下载,或是用curl命令先下载zip再解压:

sudo curl -L https://github.com/naver/pinpoint-docker/archive/master.zip -o /opt/pinpoint-docker.zip
cd /opt
upzip pinpoint-docker.zip -d .
cd /opt/pinpoint-docker-master

编辑docker-compose.yml,将多个节点的zookeeper改成一个节点(注释掉不需要的):

#zookeeperszoo1:image: zookeeper:3.4restart: always#hostname: zoo1hostname: 172.17.2.84environment:ZOO_MY_ID: 1#ZOO_SERVERS: server.1=0.0.0.0:2888:3888 server.2=zoo2:2888:3888 server.3=zoo3:2888:3888ZOO_SERVERS: server.1=0.0.0.0:2888:3888networks:- pinpoint#zoo2:#  image: zookeeper:3.4#  restart: always#  hostname: zoo2#  environment:#    ZOO_MY_ID: 2#    ZOO_SERVERS: server.1=zoo1:2888:3888 server.2=0.0.0.0:2888:3888 server.3=zoo3:2888:3888#  networks:#    - pinpoint#zoo3:#  image: zookeeper:3.4#  restart: always#  hostname: zoo3#  environment:#    ZOO_MY_ID: 3#    ZOO_SERVERS: server.1=zoo1:2888:3888 server.2=zoo2:2888:3888 server.3=0.0.0.0:2888:3888#  networks:#    - pinpoint

如还有问题,请修改相对路径为绝对路径

...volumes:- /home/pinpoint/hbase- /home/pinpoint/zookeeper
...

 基本我在根目录下,运行docker-compose up -d 就能完成docker集群的部署(在后台进行),如果是想看清部署的整个过程,直接用命令:

docker-compose up

启动完后容器:

用Rancher查看能比较直观:

 安装完后,就可以连接http://172.17.2.84:8079查看,除了一个quickapp应用,什么也没有:

三、部署监控代理

为了监控我们的应用(tomcat、Java、weblogic等),就需要部署监控代理,这个非常简单,首先是去官网下载同版本的agent包:https://github.com/naver/pinpoint/releases/download/1.8.0/pinpoint-agent-1.8.0.tar.gz

将agent包解压到应用(以tomcat为例)目录下:

tar zxvf pinpoint-agent-1.8.0.tar.gz -C pinpoint-agent

修改配置文件pinpoint.config,将collector的ip配置为监控收集服务pinpoint-collector的IP:

然后修改tomcat的启动文件catalina.sh,添加javaagent配置参数(这一点和其他商用APM监控工具一样):

JAVA_OPTS="$JAVA_OPTS -javaagent:/usr/apache-tomcat-7.0.54/pinpoint-agent/pinpoint-bootstrap-1.8.0.jar"
JAVA_OPTS="$JAVA_OPTS -Dpinpoint.agentId=APM-104"
JAVA_OPTS="$JAVA_OPTS -Dpinpoint.applicationName=tomcat7-test"

除了javaagent参数,还有agentId参数(应用的唯一标识,不允许和其他应用重名),和applicationName(应用名)。

配完后,就可以重启tomcat了,那么在界面上就能看到新追加的应用了:

 对于微服务的jar包也能进行监控:

java -javaagent:/mypath/pinpoint-agent/pinpoint-bootstrap-1.8.0.jar -Dpinpoint.agentId=APM-104 -Dpinpoint.applicationName=tomcat7-test -jar myapp.jar

四、使用手册

1. 查看调用关系

1.1 访问地址
http://yoururl
1.2 选择应用

默认两层展示

调整层级深度:

示例为前端调用4层追溯,后端调用4层追溯(4层为最深层级)

结果展示:

在图片内按鼠标滚轮调整图片大小。

连线上数字为调用次数

选择更多时间范围(默认最新5分钟)

2. 查看调用链

鼠标按住右键(其实不分左右键),选中图中区域,松开鼠标键,则展示选中时间段调用层级

展示结果:

默认按耗时排序

选中某一调用,展示详细调用链及耗时

选中timelinetab可查看耗时情况:

3. 查看错误信息

3.1 选择错误应用

机器应用抛出错误,机器应用会标红

3.2 查看详细信息
选中应用,去除成功多选按钮选中对勾,按住鼠标右键,选中红点范围,松开鼠标右键,即可查看详细错误信息:

结果为:

选中某次错误请求,可在详细列表内找到详细错误信息

4. 查看应用情况

选中某一应用
单击inspector

选中某一机器id,时间段,可展示jvm详细信息

其中内容包含:Jvm内存使用情况,Jvm永久带使用占用空间,Cpu使用情况,每秒处理的消息数(S标识操作系统,U标识此应用),Jvm线程情况,单请求平均响应时间等。

这篇关于开源APM监控Pinpoint的快速部署和使用的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/602741

相关文章

闲置电脑也能活出第二春?鲁大师AiNAS让你动动手指就能轻松部署

对于大多数人而言,在这个“数据爆炸”的时代或多或少都遇到过存储告急的情况,这使得“存储焦虑”不再是个别现象,而将会是随着软件的不断臃肿而越来越普遍的情况。从不少手机厂商都开始将存储上限提升至1TB可以见得,我们似乎正处在互联网信息飞速增长的阶段,对于存储的需求也将会不断扩大。对于苹果用户而言,这一问题愈发严峻,毕竟512GB和1TB版本的iPhone可不是人人都消费得起的,因此成熟的外置存储方案开

流媒体平台/视频监控/安防视频汇聚EasyCVR播放暂停后视频画面黑屏是什么原因?

视频智能分析/视频监控/安防监控综合管理系统EasyCVR视频汇聚融合平台,是TSINGSEE青犀视频垂直深耕音视频流媒体技术、AI智能技术领域的杰出成果。该平台以其强大的视频处理、汇聚与融合能力,在构建全栈视频监控系统中展现出了独特的优势。视频监控管理系统EasyCVR平台内置了强大的视频解码、转码、压缩等技术,能够处理多种视频流格式,并以多种格式(RTMP、RTSP、HTTP-FLV、WebS

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

电脑桌面文件删除了怎么找回来?别急,快速恢复攻略在此

在日常使用电脑的过程中,我们经常会遇到这样的情况:一不小心,桌面上的某个重要文件被删除了。这时,大多数人可能会感到惊慌失措,不知所措。 其实,不必过于担心,因为有很多方法可以帮助我们找回被删除的桌面文件。下面,就让我们一起来了解一下这些恢复桌面文件的方法吧。 一、使用撤销操作 如果我们刚刚删除了桌面上的文件,并且还没有进行其他操作,那么可以尝试使用撤销操作来恢复文件。在键盘上同时按下“C

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推