SkyWalking简介、部署及 Java Agent 安装实践

SkyWalking · 开源 APM · OpenTelemetry · Databuff · 全链路追踪

很多团队第一次接触 SkyWalking，卡在两个环节：OAP 与存储怎么起、Java 进程怎么挂 Agent。下文按「懂架构 → 部署后端 → 装探针 → 对比选型」顺序展开，命令与端口均可在公网文档中交叉验证。

1SkyWalking 项目简介与架构解析

Apache 顶级开源可观测性平台，覆盖 Trace / Metrics / Logs / Profiling / Event 五类遥测

Apache SkyWalking 面向分布式与云原生基础设施，负责采集、分析、聚合与可视化服务遥测数据。与传统「只做链路」的工具不同，它在同一平台内覆盖：

Tracing：原生 Segment 格式，兼容 Zipkin v1/v2
Metrics：原生 Meter、OTel Metrics、Telegraf；可与 Istio/Envoy Service Mesh 集成
Logging：磁盘或网络采集，Agent 可自动绑定 Trace 上下文
Profiling：语言 Agent 与独立 eBPF Agent 提供代码级性能剖析
Event：记录发布、配置变更等关键事件，并与指标/链路关联排障

1.1 逻辑四层架构

官方文档将 SkyWalking 逻辑划分为四段：

[ Probe 探针 ]  →  gRPC / OTLP / Zipkin / Prometheus …
        ↓
[ OAP 平台后端 ]  →  聚合 · 流式分析 · 告警
        ↓
[ Storage 存储 ]  →  Elasticsearch / BanyanDB / JDBC …
        ↓
[ UI ]  →  拓扑 · Trace · 指标 · 日志 · Profiling

图 1-1 · Probe 采集多协议遥测，OAP 承担分析与聚合，Storage 插件化，UI 提供可视化控制台。

1.2 核心数据模型

SkyWalking 用 Service → Service Instance → Endpoint → Process 描述观测对象。其中 Service 是一组提供相同行为的工作负载；Instance 是 Service 下的单个实例（Java Agent 场景通常对应一个 OS 进程）；Endpoint 是 HTTP URI 或 gRPC 方法签名等入口路径。跨 K8s、Mesh、OS 等多 Layer 时，可通过 Service Hierarchy 关联同一逻辑服务在不同层级的视图。

Probe 形态：除 Java/C#/Go/Node.js/PHP/Python 等语言 Agent 外，还支持 Service Mesh Receiver、eBPF K8s 监控，以及 OpenTelemetry、Prometheus、Zipkin 等第三方格式接入——适合「存量 Agent + 新 OTel 数据」并存的渐进路线。

◆ ◆ ◆

2SkyWalking 后端部署实践

以 Docker 快速体验为主；生产环境需单独规划 Storage 集群与 OAP 水平扩展

2.1 官方 Docker Quick Start

SkyWalking 提供一键脚本，交互式选择 Elasticsearch 或 BanyanDB 作为存储，并启动 OAP + Booster UI。

Linux / macOS / WSL：

bash <(curl -sSL https://skywalking.apache.org/quickstart-docker.sh)

Windows PowerShell：

Invoke-Expression ([System.Text.Encoding]::UTF8.GetString(
  (Invoke-WebRequest -Uri https://skywalking.apache.org/quickstart-docker.ps1 -UseBasicParsing).Content))

脚本完成后，典型端口如下：

Agent / gRPC 上报：11800（OAP 默认 collector 端口）
OAP HTTP REST：12800
Booster UI：8080（浏览器访问控制台）

销毁环境：

docker compose --project-name=skywalking-quickstart down

2.2 源码仓库中的 compose 配置

若需自定义镜像版本或存储，可在官方仓库使用 profile 启动：

# Elasticsearch 存储
docker compose --profile elasticsearch up

# BanyanDB 存储（SkyWalking 自研时序+追踪库）
docker compose --profile banyandb up

也可单独运行 OAP 容器并指定存储后端，例如 BanyanDB：

export RELEASE_VERSION=10.4.0
docker run --name oap -d --restart always \
  -e SW_STORAGE=banyandb \
  -e SW_STORAGE_BANYANDB_TARGETS=banyandb:17912 \
  apache/skywalking-oap-server:${RELEASE_VERSION}

运维提示：生产环境常见拓扑是「OAP 集群 + ES/OpenSearch 或 BanyanDB 集群 + UI」。Storage 选型直接决定磁盘成本与 Trace 查询延迟；10.x 版本在 BanyanDB 集成上持续加深，适合新项目评估。

◆ ◆ ◆

3SkyWalking Java Agent 安装与配置

字节码增强、无侵入接入；JDK 8–25 可用

3.1 获取 Agent 包

从 Apache SkyWalking Java Agent 发行包中解压 agent/ 目录，核心文件为 skywalking-agent.jar，插件位于 plugins/，配置位于 config/agent.config。

3.2 关键配置项

编辑 agent.config（或通过环境变量覆盖）：

# 服务名（英文标识，UI 中展示）
agent.service_name=${SW_AGENT_NAME:YourAppName}

# OAP 地址（默认本机 11800）
collector.backend_service=${SW_AGENT_COLLECTOR_BACKEND_SERVICES:127.0.0.1:11800}

在 Docker Compose 或 K8s 中，常用环境变量写法与官方 e2e 用例一致：

SW_AGENT_NAME=order-service
SW_AGENT_COLLECTOR_BACKEND_SERVICES=oap:11800

3.3 挂载到 JVM

可执行 JAR：

java -javaagent:/path/to/skywalking-agent/skywalking-agent.jar \
     -jar yourApp.jar

Tomcat（catalina.sh 首行）：

CATALINA_OPTS="$CATALINA_OPTS -javaagent:/path/to/skywalking-agent.jar"; export CATALINA_OPTS

注意 -javaagent 必须放在 -jar 之前。启动后等待数十秒，在 UI「General Service」拓扑中应能看到对应 Service。

3.4 插件与可选能力

plugins/ 目录下插件默认全部启用；删除某个 jar 即可禁用对应中间件探针（Dubbo、Feign、HttpClient、JDBC 等）。可选插件在 optional-plugins/，按需拷贝到 plugins/ 激活。若使用 ZGC 的 JRE，需 OAP 9.7.0+ 才兼容。

◆ ◆ ◆

4Databuff 项目简介、架构与 AI 对话能力

开源 AI Native OpenTelemetry APM · 三组件极简栈

图 4-1 · Databuff 三组件架构：OTel 接入 Ingest，Doris 统一存储，Web 平台承载 APM UI 与 AI 多智能体。

4.1 定位与架构

Databuff 是面向 OpenTelemetry 标准的开源 APM：默认接收 OTLP Trace 与 Metrics，在同一存储上提供查询、告警与 AI 辅助排障。Databuff 已收录于 opentelemetry.io 官方 Vendors 生态名单，标注 Native OTLP 原生消费遥测数据，可在 OpenTelemetry 官网公开验证。官网将其概括为三层：

[ OpenTelemetry SDK / Java Agent ]
        │ OTLP gRPC 4317 / HTTP 4318
        ▼
[ Ingest 接入 ] ── Trace 组装 · 指标分钟聚合
        ▼
[ Doris 统一存储 ] ── Trace / 指标 / 拓扑 / 告警
        ▼
[ Web 平台 ] ── APM UI + AI 多智能体（Brain / Query / Inspection）

与 SkyWalking 的四层栈相比，Databuff 把「分析引擎 + 存储 + 查询」收敛为 Ingest + Doris + Web，安装脚本一条命令即可在 Docker 环境拉起 Demo：

curl -fsSL https://www.databuff.ai/databuff/ai-apm-install.sh | bash

安装完成后终端会输出 Web UI 地址（默认 27403）与 OTLP 接入点（如 4318/v1/traces）。

应用侧使用标准 OTel 环境变量即可，无需专有 Agent 协议：

export OTEL_SERVICE_NAME=order-service
export OTEL_EXPORTER_OTLP_ENDPOINT=http://<host>:4318
java -javaagent:opentelemetry-javaagent.jar -jar order-service.jar

图 4-2 · 接入 OTel 数据后，服务列表展示 QPS、错误率、P95 等 RED 指标，可与 SkyWalking UI 的 Service 视图对照理解。

4.2 AI 对话能力展示

Databuff 的 AI 并非外挂聊天框，而是直接读取 APM 存储：Brain 理解意图后调度 Query、Inspection 等专家，通过 Tool 层查询指标、Trace、拓扑与告警。平台还支持 MCP，将外部工具注册到数字专家。

图 4-3 · AI 平台提供「智能问数」「智能巡检」模式，内置「查服务列表 / 拓扑 / 趋势」等一键提示词。

图 4-4 · 输入「Query service list for the last hour」后，AI 在约 10s 内完成 11 步推理，返回 7 个服务及 Elasticsearch、MySQL、Redis、Kafka 等依赖类型——说明回答基于真实遥测而非空泛生成。

图 4-5 · 全局拓扑视图展示服务间调用关系，与 SkyWalking 拓扑互补；AI 问数可进一步用自然语言追问上下游与异常趋势。

◆ ◆ ◆

5Databuff vs SkyWalking 对比

同一目标（看清分布式系统），不同设计取舍

维度	Apache SkyWalking	Databuff
架构	Probe + OAP + Storage + UI 四层	Ingest + Doris + Web 三层
默认接入	SkyWalking Java Agent（gRPC 11800）	OTLP 4317/4318 标准协议
后端部署	OAP + ES/BanyanDB 等存储集群	Docker 脚本约 5 分钟起 Demo
Java 探针	`skywalking-agent.jar` + `agent.config`	OTel Java Agent + 环境变量
扩展方式	OAL/MAL/LAL 规则 DSL	AI Tool / Skill / Expert + MCP
AI 能力	—	对话式问数、巡检、多智能体编排
更适用	Mesh/eBPF、四支柱一体、深度 SkyWalking 生态	OTel 统一接入、快速 POC、AI 辅助值班

实践建议若团队已按本文完成 SkyWalking 后端 + Java Agent 接入，可保留存量链路；对新微服务并行挂载 OTel Agent 指向 Databuff，用同一业务流量对比「部署步骤、UI 查询、AI 问数」三项体验，再决定是否扩大 OTel 比例。二者并非互斥——SkyWalking OAP 本身也支持 OTLP Receiver。

◆ ◆ ◆

6小结

行业视角下，Gartner 在可观测性平台研究中强调，系统复杂度的飞升和运营负担激增，推动了对 AI SRE 智能体的主动管理和可靠性的需求。SkyWalking 的价值在于成熟的探针生态与 OAP 分析流水线：搞懂四层架构后，用官方 Docker 脚本起后端、用 -javaagent 挂 Java 进程，是最短落地路径。Databuff 则代表OTLP 标准 + 轻量部署 + AI 原生交互的另一条曲线——尤其适合正在推进 OpenTelemetry 统一接入、希望减少 Storage 运维面的团队。建议先在本机跑通 SkyWalking Quick Start 与 Databuff 安装脚本，用真实 Java 服务产生 Trace，再对照 UI 与 AI 问数体验做选型决策。

◆ ◆ ◆

7引用资料

1. https://skywalking.apache.org/docs/main/latest/readme/
2. https://skywalking.apache.org/docs/main/latest/en/concepts-and-designs/overview/
3. https://skywalking.apache.org/docs/main/latest/en/setup/backend/backend-docker/
4. https://github.com/apache/skywalking/tree/master/docker
5. https://skywalking.apache.org/docs/skywalking-java/latest/en/setup/service-agent/java-agent/readme/
6. https://github.com/apache/skywalking/tree/master/test/e2e-v2
7. https://www.databuff.ai/
8. https://www.databuff.ai/databuff/ai-apm-install.sh
9. https://opentelemetry.io/ecosystem/vendors/ （OpenTelemetry 官方 Vendors 生态名单 · Databuff 条目）
10. https://www.gartner.com/reviews/market/observability-platforms （Gartner Observability Platforms 市场定义与 AI 可观测论述）

◆ ◆ ◆

了解更多：github.com/databufflabs/databuff