采集 Elasticsearch 火焰图

最新推荐文章于 2025-06-19 20:21:36 发布
原创 最新推荐文章于 2025-06-19 20:21:36 发布 · 1.3k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#elasticsearch #火焰图 #性能分析 #Arthas #async-profiler

本文介绍了在Elasticsearch性能分析过程中，如何使用Arthas和async-profiler采集火焰图。由于Arthas在特定环境下遇到权限和GLIBC版本问题，最终选择了async-profiler，并成功在1.7版本上生成了火焰图。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

背景

有个 ES 集群，业务写数入集群时经常导致集群 CPU 告警和集群端口响应超时（20s无响应），故希望通过采集火焰图分析原因。

工具选择

Arthas

Introduction

Arthas 是Alibaba开源的Java诊断工具，深受开发者喜爱。

当你遇到以下类似问题而束手无策时，Arthas可以帮助你解决：

  1. 这个类从哪个 jar 包加载的？为什么会报各种类相关的 Exception？
  2. 我改的代码为什么没有执行到？难道是我没 commit？分支搞错了？
  3. 遇到问题无法在线上 debug，难道只能通过加日志再重新发布吗？
  4. 线上遇到某个用户的数据处理有问题，但线上同样无法 debug，线下无法重现！
  5. 是否有一个全局视角来查看系统的运行状况？
  6. 有什么办法可以监控到JVM的实时运行状态？
  7. 怎么快速定位应用的热点，生成火焰图？

Arthas支持JDK 6+，支持Linux/Mac/Winodws，采用命令行交互模式，同时提供丰富的 Tab 自动补全功能，进一步方便进行问题的定位和诊断。

以上描述摘自官方描述~~~

Arthas 自 3.1.5 版本起集成了开箱即用的 Profiler / 火焰图功能，因此首选了通过 Arthas 工具来采集。

最低0.47元/天 解锁文章

200万优质内容无限畅学
Elasticsearch集群管理的相关工具介绍
chunzhi128的博客
05-29 1535
Elasticsearch集群管理工具链涵盖官方、生态和社区三大维度，提供全面的运维支持。官方工具包括内置API、托管服务(ESS)和命令行(ESCLI)，可实现基础配置与监控。Kibana和X-Pack提供可视化管理和深度监控能力，Logstash/Beats负责数据处理。社区工具如Curator实现索引自动化管理，Elasticsearch Head提供拓扑可视化。云平台工具支持托管服务和容器化部署。选型建议结合场景需求：实时监控推荐Kibana+X-Pack，索引管理用Curator+ILM，云环境优
聊聊Flame Graph（火焰图）的那些事
走在前往架构师的路上
03-17 5055
文章目录前言 前言 当我们很多时候在分析定位一个比较隐秘的问题时，我们马上能脱口而出好几种方法，查日志找异常，再细致一点的，jmap，jstack分析stack trace。但是一般如果到了分析stack trance的阶段时，说明这个很可能已经是performance的问题了。但其实很多时候，jstack这种默认的命令工具对于开发者来说还不够直观与好理解。 ...
传感网应用开发：火焰节点数据采集.pptx
06-05
火焰节点数据采集 编写程序 编写程序 编写fire_sensor.c文件，注意参数配置 增加头文件 宏定义 定义点对点通讯地址设置、消息格式 编写程序 定义数组大小等数据 ，建立接收数据的 缓冲区 编写fire_sensor.c文件，注意参数配置 编写程序 关键函数：定时器初始化函数 CC2530定时器/计数器模块 火焰传感器每2s采集一次数据：先对定时器128分频，定时器进一次中断大约经历0.001s，设置循环函数，当进1953次时，时间大约经过2s，完成数据实时更新。 编写程序 关键函数：定时器初始化函数 CC2530定时器/计数器模块
redhat 9 一键抓取火焰图的方法 —— 筑梦之路
筑梦之路
11-13 257
【代码】redhat 9 一键抓取火焰图的方法 —— 筑梦之路。
真实系统修复：记一次线上CPU 100%告急的紧急排查与修复实战（Arthas火焰图）
最新发布
流楚丶格念的博客
06-19 604
对于每一位奋战在一线的技术人来说，最不愿听到的莫过于那刺耳的线上告警声，尤其是在一个看似平平无奇的版本发布之后。我们的故事，就从这样一个深夜开始——新版本上线，部分服务节点的CPU使用率飙升至近100%，系统响应迟缓，用户体验急剧下降。一场与时间的赛跑，一场对技术栈深度理解的考验，就此拉开序幕。本文将完整复盘这次惊心动魄的线上性能问题排查与优化过程，希望能为同样奋战在性能战场上的伙伴们提供一些思路和借鉴。
这款工具，1分钟定位性能瓶颈，我老板都说好！
朱小厮的博客
04-27 447
点击上方“朱小厮的博客”，选择“设为星标”后台回复"书"，获取后台回复“k8s”，可领取k8s资料前言工具的进化一直是人类生产力进步的标志，合理使用工具能大大提高我们的工作...
【火焰图生成与分析】
Sugar_wolf的博客
11-01 3279
【火焰图生成与分析】
5.13 综合案例2.0-火焰检测系统（2.2版本接口有更新）
haas506开发板
05-12 1733
综合案例2.0-火焰检测系统简介火焰传感器准备硬件连接图代码流程功能实现1、物联网平台开发2、设备端开发3、调试调试结果4、物联网应用开发4.1新建‘普通项目’创建‘Web应用’页面设计关联产品关联数据源发布上线 简介 火力发电系统会持续对炉膛中煤的燃烧情况进行监控，防止出现煤熄灭的情况，本案例针对火力发电中防止煤熄灭的场景进行实时监控，如果煤熄灭就报警。 当然也可以反向操作，作为对失火场景的监控。 火焰传感器 1、原理 火焰传感器通过检测火焰中产生的红外线来监测是否着火。远红外火焰传感器能够探测到波长在7
获得性能大幅提升的go程序优化实践，火焰图使用
a64180190的博客
08-01 4153
先把结论列在前面： 1.Golang的性能可以做到非常好，但是一些native包的性能很可能会拖后腿，比如regexp和encoding/json。如果在性能要求较高的场合使用，要根据实际情况做相应优化。 2.on-cpu/off-cpu火焰图的使用是程序性能分析的利器，往往一针见血。虽然生成一张火焰图比较繁琐（尤其是off-cpu图），但绝对值得拥有！ 之前一直使用Logsta
腾云忆想技术文章|记一次Elasticsearch集群异常崩溃的离奇事件
tengyunyixiang的博客
03-09 1039
导 读 腾讯云Elasticsearch Service（ES）是基于开源搜索引擎 Elasticsearch 打造的高可用、可伸缩的云端全托管的 Elasticsearch 服务，包含 Kibana 及常用插件，并集成了安全、SQL、机器学习、告警、监控等高级特性（X-Pack）。使用腾讯云 ES，您可以快速部署、轻松管理、按需扩展您的集群，简化复杂运维操作，快速构建日志分析、异常监控、网站搜索、企业搜索、BI 分析等各类业务。 作者简介 岳涛 腾云忆想大数据产品架构师，多年分布...
使用echarts绘制火焰图
你可知外面的世界多大
07-08 3661
介绍 火焰图常用于性能分析中，显示某个函数堆栈的耗时情况，一般火焰图区块越大，表示耗时越高，越有可能是性能热点，如何读懂火焰图？ 绘制原理 echarts官方是没有火焰图类型的图表的，但是可以通过 echarts的custom类型来绘制火焰图; 火焰图本质上就是一些长方体区块的堆叠,因此我们只需要计算好每个方块的左下角坐标，以及每个方块的宽高，就可以把火焰图绘制出来 主要用到了 custom系列的 renderItem函数，用于自定义图形绘制,对series中的每一个数据项都会应用一次 api.valu
解决 Agent JAR loaded but agent failed to initialize
寂夜了无痕的博客
12-13 6085
解决 Agent JAR loaded but agent failed to initialize
阿里巴巴Arthas使用
chenwen0326的专栏
07-12 652
下载Jar: wget https://alibaba.github.io/arthas/arthas-boot.jar 启动Arthas: [root@localhost local]# java -jar arthas-boot.jar [INFO] arthas-boot version: 3.3.6 [INFO] Can not find java process. Try to pass <pid> in command line. Please select an availabl
ElasticSearch内容分享（八）：ES大厂实践 - 哈啰、腾讯、美团
之乎者也·的博客
12-10 2094
最近十年，Elasticsearch 已经成为了最受欢迎的开源检索引擎，其作为离线数仓、近线检索、B端检索的经典基建，已沉淀了大量的实践案例及优化总结。然而在高并发、高可用、大数据量的 C 端场景，目前可参考的资料并不多。因此，我们希望通过分享在外卖搜索场景下的优化实践，能为大家提供 Elasticsearch 优化思路上的一些借鉴。美团在外卖搜索业务场景中大规模地使用了 Elasticsearch 作为底层检索引擎。其在过去几年很好地支持了外卖每天十亿以上的检索流量。
arthas源码学习
阿呆的专栏
03-14 1376
启动arthas-bootstrap 启动，如果没有参数启动则自动列举当前系统的java进程列表，等待用户选择 选择要attach的进程，并进行attach 拼接启动arthas-core的命令行，包含agent参数指定为arthas-agent.jar 启动arthas-core.jar 如果仅仅是attach则退出 如果不是仅attach，则启动arthas-client，入口：com.t...
Arthas match Elasticsearch
sn5diphone6的博客
10-07 421
启动完Elasticsearch后，使用 arthas 遇到报错 java.security.AccessControlException: Access Denied。java.policy文件，尾部添加。JDK 所在目录下的目录。环境：windows。
【Android】火焰图抓取
没有手牌的博客
12-29 4487
Simpleperf 是 Android 的原生 CPU 分析工具。它可用于分析 Android 应用程序和在 Android 上运行的本机进程。它可以在 Android 上分析 Java 和 C++ 代码。simpleperf 可执行文件可以在 Android >=L 上运行，而 Python 脚本可以在 Android >= N 上使用。火焰图是基于 perf 结果产生的 SVG 图片，用来展示进程在一段时间 CPU 的调用栈。现代的CPU具有一个硬件组件，称为性能监控单元(PMU)。
温湿度节点数据采集
LOT
02-17 9585
实验效果： 采用温湿度传感器模块和ZigBee模块组成一个数字量传感器采集节点，实现温湿度传感器的采集，并将采集数据通过自定义协议无线传输至汇聚节点。发送节点有数据发送时，LED1 亮100毫秒。 任务实施 打开上节课创建的工程。 编写程序 （1） 在 sensor.c 中增加头文件 #include "hal_defs.h" #include "hal_cc8051.h" #in...
使用arthas采集火焰图
热门推荐
无界编程
12-31 1万+
火焰图是用图形化的方式来展现profiler工具采集的性能数据，对数据进行统计和分析，方便找出性能热点。 现在我们使用arthas采集JVM的火焰图。 1.首先你需要安装arthas 说是安装其实就是下载解压，arthas是不需要安装的。 下载 — Arthas 3.5.5 文档 需要完整的文件目录例如： 需要注意 如果你只是上传一个arthas-boot.jar是不够的，因为会调用其他库 #unzip arthas-packaging-3.5.4-b.
skywalking收集哪些指标
05-13
<think>好的，用户想了解Apache SkyWalking能收集哪些性能和监控指标。我之前在回答Prometheus收集的资源类型时，提到过SkyWalking的应用层指标，比如JVM指标。现在需要详细说明SkyWalking自身的指标收集能力。 首先，用户可能对SkyWalking的基本功能不太清楚，需要先介绍其核心监控维度。根据提供的引用，特别是引用[2]，SkyWalking在链路跟踪、服务依赖图、Java VM指标监控等方面有优势。所以应该分几个大类来组织指标类型，比如应用性能指标、链路追踪数据、服务拓扑、日志关联、JVM监控等。 接下来，每个类别需要具体的指标例子。例如，应用性能指标可能包括请求吞吐量、响应时间、错误率等。链路追踪方面，Span数据、TraceID关联这些是关键。服务拓扑部分，服务间的调用关系和依赖图需要提到。 另外，用户提供的引用[3]、[4]、[5]提到SkyWalking的探针配置和启动方式，说明用户可能对如何集成SkyWalking到Java应用感兴趣，所以需要提到无侵入的Java Agent字节码增强技术，以及如何配置参数。 然后，需要对比其他工具，比如Zipkin，根据引用[2]，强调SkyWalking的优势，如更详细的监控项和可视化报表。同时，存储机制支持ES和MySQL，这点也需要提到。 用户可能还想知道这些指标如何帮助实际应用，比如故障定位、性能优化，所以需要举一些实际应用场景的例子，比如结合Prometheus的JVM指标进行瓶颈分析，或者通过TraceID关联日志和监控数据。 最后，确保回答结构清晰，分点列出，使用中文，符合之前的格式要求，比如使用$...$格式的数学表达式（如果有的话），但看起来这里可能不太需要。同时，生成相关问题，帮助用户进一步探索。</think>### Apache SkyWalking 收集的核心性能与监控指标解析 Apache SkyWalking 作为分布式系统的全链路观测平台，其采集的指标覆盖应用性能、链路追踪、服务拓扑等多个维度，以下是其核心指标类型及技术实现原理： --- #### **1. 应用性能指标（APM）** **采集对象**：微服务/应用实例 **核心指标**： - **请求吞吐量**：`service_cpm`（每分钟请求量）、`endpoint_cpm`（端点级请求量） - **响应时间**：`service_resp_time`（服务平均响应时间）、`endpoint_percentile`（P50/P75/P90/P95/P99分位数） - **错误率**：`service_sla`（服务可用性）、`endpoint_error_count`（端点错误次数） - **线程池状态**：`thread_pool_active_count`（活跃线程数）、`thread_pool_queue_size`（任务队列积压量） **技术实现**： - 通过 Java Agent 字节码增强技术无侵入采集指标[^2][^4] - 示例探针配置（IDEA 启动参数）： ```bash -javaagent:/path/skywalking-agent.jar -Dskywalking.agent.service_name=your-service -Dskywalking.collector.backend_service=localhost:11800 ``` --- #### **2. 链路追踪数据（Tracing）** **采集对象**：分布式请求链路 **核心数据**： - **Span 数据**：包含操作名称、耗时、标签（如 HTTP 状态码、数据库 SQL 语句） - **Trace 上下文**：`TraceID`（全局唯一标识）、`ParentSpanID`（父子链路关系） - **跨服务调用**：RPC/HTTP 调用的目标服务、协议类型、响应状态 **可视化能力**： - 自动生成调用链火焰图，支持逐层展开耗时分析[^1] - 与 Zipkin 对比优势：支持更细粒度的标签过滤和跨服务依赖分析[^2] --- #### **3. 服务拓扑与依赖关系** **采集对象**：服务间调用网络 **核心指标**： - **服务依赖图**：`service_relation_cpm`（服务间调用频次）、`service_relation_resp_time`（跨服务调用延迟） - **数据库依赖**：`database_access_latency`（数据库操作延迟）、`database_slow_query`（慢查询统计） - **消息队列消费**：`mq_consumer_latency`（消息处理耗时）、`mq_message_accumulation`（消息积压量） **技术特性**： - 基于流量分析自动构建实时拓扑图，支持动态更新[^1] - 示例：识别 Redis 连接池耗尽导致的级联故障 --- #### **4. JVM 运行时监控** **采集对象**：Java 虚拟机 **核心指标**： - **内存使用**：`jvm_heap_used`（堆内存使用量）、`jvm_nonheap_committed`（非堆内存提交量） - **GC 状态**：`jvm_gc_time`（GC 总耗时）、`jvm_gc_count`（GC 次数） - **线程状态**：`jvm_thread_live`（存活线程数）、`jvm_thread_daemon`（守护线程数） **配置示例**： ```bash # 探针高级配置（启用 JVM 指标采集） -Dskywalking.plugin.jvm.enabled=true ``` --- #### **5. 基础设施监控** **采集对象**：服务器/容器 **集成方式**： - **Prometheus 适配器**：通过 OpenMetrics 协议导入主机 CPU/内存/磁盘指标 - **Kubernetes 元数据**：自动采集 Pod/Node 资源使用率并与服务指标关联 **联动场景**： - 当 `container_cpu_usage` 超过阈值时，关联分析对应服务的 `service_resp_time` 突增现象 --- #### **6. 日志关联与上下文** **特殊能力**： - **TraceID 注入日志**：通过 MDC（Mapped Diagnostic Context）自动追加 `[TID: xxxx]` 到日志条目[^3] - **日志-指标联动**：在 SkyWalking UI 中直接查看异常日志关联的链路追踪数据 --- ### 指标存储与查询优化 **存储后端**： - **Elasticsearch**：默认存储引擎，适合高吞吐量场景（需优化分片策略）[^5] - **MySQL/TiDB**：适用于小规模部署或强事务需求场景 **查询技巧**： ```sql -- 查询耗时最高的端点（OAL 查询语言） SELECT avg(response_time) FROM endpoint_traces WHERE service = 'payment-service' GROUP BY endpoint ORDER BY avg(response_time) DESC LIMIT 5 ``` --- ### 实际应用场景示例 1. **故障根因分析**： - 现象：`order-service` 的 P99 延迟突增 - 分析步骤： - 查看 `order-service` 的 `endpoint_percentile` 确定慢接口 - 通过 TraceID 定位到关联的 `payment-gateway` 数据库慢查询 - 检查对应主机的 `node_disk_io_time` 确认磁盘瓶颈 2. **容量规划**： - 基于 `service_cpm` 预测流量增长趋势 - 结合 `jvm_heap_used` 调整 Kubernetes Pod 的 memory request/limit --- ### 与 Prometheus/ELK 的整合建议 1. **数据互补**： - 使用 SkyWalking 的细粒度 APM 指标 + Prometheus 的系统级指标 - 通过 `trace_id` 在 Kibana 中关联日志与监控数据[^1] 2. **存储优化**： - SkyWalking 原始采样数据保留 7 天 - 聚合指标（如每分钟统计值）长期存储到 Prometheus + Thanos ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值