前言
繼上次skywalking出故障《https://my.oschina.net/keking/blog/3016839》不到一個月，線上skywalking又出毛病了。又是大盤空白，trace列表最近的數據都查詢不出來，但是時間稍久的數據就能查詢出來，如一天前的數據有，一個小時前的數據就沒有，這個只是表象，最終查明癥結是ES的服務寫入瓶頸，導致寫入寫入數據的線程阻塞導致的。下面是排錯過程以及解決方案說明。
問題定位
工具還是那個工具Arthas，不瞭解的可以翻閱我之前的博文，這裏不多說明Arthas。不過這次我們應用了一個新的進階指令thread，它可以查看當前線程信息，查看線程的堆棧。當skywalking大盤沒有數據時，使用如下指令：
thread -b
thread -b, 找出當前阻塞其他線程的線程
有時候我們發現應用卡住了， 通常是由於某個線程拿住了某個鎖， 並且其他線程都在等待這把鎖造成的。 爲了排查這類問題， arthas提供了thread -b， 一鍵找出那個罪魁禍首。最後得到如下的結果：
如上圖，相信大家已經看到問題所在了，重點在紅色字體箭頭指向的部分，不得不說Arthas做的太棒了。癥結就是ES的批量寫入失敗線程阻塞了。後從社區瞭解到是因爲ES寫入瓶頸，導致skywalking在批量寫入索引的時候線程阻塞了。導致阻塞的那段時間的數據都沒有寫到ES，然後查詢是沒有問題的，表象就是skywalking的大盤空白也查詢不到近期的數據了。
解決方案
臨時方案，skywalking參數調優
skywalking寫入ES的操作是使用了ES的批量寫入接口。我們可以調整這些批量的維度。儘量降低ES索引的寫入頻率，如：
elasticsearch:
clusterNodes: 192.168.20.221:9200
indexShardsNumber: 2
indexReplicasNumber: 0
# Batch process setting, refer to https://www.elastic.co/guide/en/elasticsearch/client/java-api/5.5/java-docs-bulk-processor.html
bulkActions: 4000 # Execute the bulk every 2000 requests
bulkSize: 40 # flush the bulk every 20mb
flushInterval: 30 # flush the bulk every 10 seconds whatever the number of requests
concurrentRequests: 2 # the number of concurrent requests
receiver-register:
default:
receiver-trace:
default:
bufferPath: ../trace-buffer/ # Path to trace buffer files, suggest to use absolute path
bufferOffsetMaxFileSize: 500 # Unit is MB
bufferDataMaxFileSize: 1000 # Unit is MB
bufferFileCleanWhenRestart: false
調整bulkActions默認2000次請求批量寫入一次改到4000次。批量刷新從20M一次到40M一次。這種配置調優確實生效了，重啓服務後兩三天了都沒有出現過ES寫入阻塞的問題。不過這種設置只是暫時的，你只能期望流量不突發，或者應用不增加。一旦遇到突發流量和應用的增加，ES寫入瓶頸還是會凸顯出來。而且參數設置過大帶來了一個新的問題，就是數據寫入延時會比較大，一次服務交互發生的trace隔好久才能在skywalking頁面上查詢到。所以最終解決方案是優化ES的寫入性能。
最終方案-優化ES的寫入性能
如果是自建Elasticsearch服務，可以參考這篇博文：https://www.easyice.cn/archives/207。這個博主在基礎大數據團隊負責搜索引擎 Elasticsearch 優化和開發,博文裏分享了很多可調優配置的參數。不過我們這邊綜合運維人力和支出方面的考慮，決定採用阿里雲提供的Elasticsearch，不過這帶來了一個新的問題，阿里雲的ES服務不論內外網都需要Http Basic認證，但是目前的skywalking並沒有提供這種支持。
結語
skywalking是一款非常不錯的開源apm產品，很多功能特性甚至可以和商業的apm產品一爭高下，比如trace查詢等功能。我們線上的skywalking沒有全面鋪開去接入應用，但是問題還是發生了不少，希望這些線上的踩坑排坑經驗能帶來更多的參考價值。關於Elasticsearch 帶Http Basic 認證skywalking不支持的問題，將在下文詳描述去解決