簡介
Zipkin是Twitter開源的調用鏈分析工具，目前基於springcloud sleuth得到了廣泛的使用，特點是輕量，使用部署簡單。
Pinpoint是韓國人開源的基於字節碼注入的調用鏈分析，以及應用監控分析工具。特點是支持多種插件，UI功能強大，接入端無代碼侵入。
SkyWalking是本土開源的基於字節碼注入的調用鏈分析，以及應用監控分析工具。特點是支持多種插件，UI功能較強，接入端無代碼侵入。目前已加入Apache孵化器。
CAT是大衆點評開源的基於編碼和配置的調用鏈分析，應用監控分析，日誌採集，監控報警等一系列的監控平臺工具。
4種APM工具對比
| 類別 | Zipkin | Pinpoint | SkyWalking | CAT |
|---|---|---|---|---|
| 實現方式 | 攔截請求，發送（HTTP，mq）數據至zipkin服務 | java探針，字節碼增強 | java探針，字節碼增強 | 代碼埋點（攔截器，註解，過濾器等） |
| 接入方式 | 基於linkerd或者sleuth方式，引入配置即可 | javaagent字節碼 | javaagent字節碼 | 代碼侵入 |
| agent到collector的協議 | http,MQ | thrift | gRPC | http/tcp |
| OpenTracing | √ | × | √ | × |
| 顆粒度 | 接口級 | 方法級 | 方法級 | 代碼級 |
| 全局調用統計 | × | √ | √ | √ |
| traceid查詢 | √ | × | √ | × |
| 報警 | × | √ | √ | √ |
| JVM監控 | × | × | √ | √ |
| UI健壯度 | ** | ***** | **** | ***** |
| 數據存儲 | ES，mysql,Cassandra,內存 | Hbase | ES，H2 | mysql,hdfs |
| github活躍度 | 12.8k | 10.3k | 13.4k | 13.3k |
PinPoint和skyWalking支持的插件對比
| 類別 | Pinpoint | SkyWalking |
|---|---|---|
| web容器 | Tomcat6/7/8,Resin,Jetty,JBoss,Websphere | Tomcat7/8/9,Resin,Jetty |
| JDBC | Oracle,mysql | Oracle,mysql,Sharding-JDBC |
| 消息中間件 | ActiveMQ, RabbitMQ | RocketMQ 4.x,Kafka |
| 日誌 | log4j, Logback | log4j,log4j2, Logback |
| HTTP庫 | Apache HTTP Client, GoogleHttpClient, OkHttpClient | Apache HTTP Client, OkHttpClient,Feign |
| Spring體系 | spring,springboot | spring,springboot,eureka,hystrix |
| RPC框架 | Dubbo,Thrift | Dubbo,Motan,gRPC,ServiceComb |
| NOSQL | Memcached, Redis, CASSANDRA | Memcached, Redis |
性能分析
摘自：https://juejin.im/post/5a7a9e0af265da4e914b46f1
模擬了三種併發用戶：500，750，1000。使用jmeter測試，每個線程發送30個請求，設置思考時間爲10ms。使用的採樣率爲1，即100%，這邊與生產可能有差別。pinpoint默認的採樣率爲20，即50%，通過設置agent的配置文件改爲100%。zipkin默認也是1。組合起來，一共有12種。下面看下彙總表：
從上表可以看出，在三種鏈路監控組件中，skywalking的探針對吞吐量的影響最小，zipkin的吞吐量居中。pinpoint的探針對吞吐量的影響較爲明顯，在500併發用戶時，測試服務的吞吐量從1385降低到774，影響很大。然後再看下CPU和memory的影響，在內部服務器進行的壓測，對CPU和memory的影響都差不多在10%之內。
推薦方案
每種APM工具都有各自的優勢，個人推薦使用SkyWalking，主要從以下幾個方面考慮
- 代碼無侵入，通過添加Java探針可直接使用
- 追蹤細緻到方法級別，可以跟蹤方法級別的耗時
- UI交互友好，國人開發，適用於國人的UI風格
- agent到collect通訊方式gRPC，相對HTTP有更好的性能