登录社区云，与社区用户共同成长
邀请您加入社区
Apache SkyWalking是一个开源的分布式追踪与性能监视平台，特别适用于微服务架构、云原生环境以及基于容器（如Docker、Kubernetes）的应用部署。该项目由吴晟发起，并已加入Apache软件基金会的孵化器，现已成为顶级项目之一。核心特性与功能包括：分布式追踪：提供从终端用户请求到后端服务的完整调用链路视图，帮助开发者快速定位分布式系统中的性能瓶颈和错误根源。性能监控：收集并分析
12槽10极平板型永磁同步直线电机仿真，12槽10极平板型永磁同步直线电机仿真，包括:1.复现一份2.直线电机制动力仿真模型一份3.直线电机空载反电动势波形和推力输出模型一份12槽10极平板型永磁同步直线电机，绝对是直线电机里的“国民款”——短距配合天生齿槽转矩低，推力波动小，不管是练手仿真还是实际项目都好使。今天咱就把复现、制动力、空载反电动势+推力这三个仿真模块唠明白，代码和分析都给你们扒得明
本文主要讲解分布式链路追踪监控系统Skywalking的安装及使用教程，从0到1，图文并茂的保姆级教程。SkyWalking是一款用于分布式系统跟踪和性能监控的开源工具。它可以帮助开发人员了解分布式系统中不同组件之间的调用关系和性能指标，从而进行故障排查和性能优化。它支持多种语言和框架，包括Java、.NET、Node.js等。它通过在应用程序中插入代理或使用特定的SDK来收集跟踪数据，并将这些数
Apache SkyWalking 是一个开源的应用性能监控（APM）系统，专为微服务、云原生和容器化架构设计。它提供了一套完整的可观测性解决方案，主要包括分布式追踪、指标监控、服务网格遥测分析和可视化功能。
本文探讨了如何基于Apache SkyWalking构建多租户SaaS APM平台。通过引入namespace隔离机制，实现了租户间的数据安全隔离，同时降低资源消耗。文章详细介绍了多租户架构设计，包括数据采集层、OAP处理层、业务逻辑层和用户交互层的协作，并提供了Java应用集成SkyWalking Agent的具体配置方法，通过JVM参数或配置文件动态设置租户namespace。该方案在保障隔离
本文档详细解析了Java开发中常用的三种JVM参数环境变量（JAVA_TOOL_OPTIONS、_JAVA_OPTIONS、JAVA_OPTS）的核心差异、优先级和冲突处理规则，重点介绍了在K8s容器环境下通过JAVA_TOOL_OPTIONS集成SkyWalking Java Agent的实现方案。文档对比了三种变量的特性，提供了SkyWalking Agent的两种部署方式（InitConta
SkyWalking vs Prometheus+Tempo/Grafana Alloy：可观测性方案对比 摘要 本文对比了三种主流可观测性解决方案：Apache SkyWalking一体化APM平台、Prometheus+Tempo指标追踪组合以及Grafana Alloy新一代集成方案。SkyWalking提供开箱即用的全栈监控能力，通过Java Agent实现无侵入式接入；Prometheu
上位机保存的数据为TDMS格式，这种格式非常适合存储和管理大量的测量数据。上位机采用Labwindows/CVI编写，下位机采用RTX64实时系统编写，上位机和下位机通过共享内存通讯，下位机控制周期是1ms，上位机保存的数据为TDMS格式，可以通过NI Diadem软件进行各种分析和处理。上位机采用Labwindows/CVI编写，下位机采用RTX64实时系统编写，上位机和下位机通过共享内存通讯，
本文深入解析Apache SkyWalking全链路追踪技术，针对微服务架构下分布式请求追踪难题提供解决方案。文章首先阐述全链路追踪的核心理论，包括Trace、Span等概念和OpenTracing规范；然后详细拆解SkyWalking的架构设计，包括Agent探针、OAPServer等模块；重点剖析JavaAgent无侵入采集、上下文传播等底层原理；通过SpringBoot实战案例演示服务接入过
SkyWalking 消息链路追踪支持摘要 本文介绍了如何利用Apache SkyWalking实现Kafka和RabbitMQ消息链路的分布式追踪。主要内容包括： 消息追踪的必要性：在异步消息场景下，传统日志难以还原完整调用链路，SkyWalking可串联跨服务调用流程。 核心概念：Trace(完整请求链路)、Span(操作单元)、Context(上下文传递)等SkyWalking基础组件。 K
shap分析代码案例，多个机器学习模型+shap解释性分析的案例，做好的多个模型和完整的shap分析拿去直接运行，含模型之间的比较评估。类别预测和数值预测的案例代码都有，类别预测用到的6个模型是（catboost、xgboost、knn、logistic、bayes，svc），数值预测用到的6个模型是（线性回归、随机森林、xgboost、lightgbm、支持向量机、knn）在机器学习领域，模型的
本文探讨了在Serverless架构下实现FaaS函数调用追踪面临的核心挑战，重点分析了短暂生命周期、异步调用模型等特性对传统监控工具的限制。文章详细介绍了Apache SkyWalking如何通过轻量级探针和上下文传播机制解决这些问题，支持AWS Lambda等主流FaaS平台。通过Java代码示例展示了如何在AWS Lambda中集成SkyWalking，实现跨函数调用追踪和端到端可观测性，为
摘要： 本文探讨在Istio服务网格中集成SkyWalking APM的两种方案：Sidecar模式（推荐）和已弃用的Mixer替代方案。Sidecar模式通过在每个Pod注入SkyWalking Agent，实现无侵入式全链路追踪，兼容Istio最新架构，提供应用层与网络层双视角观测。详细步骤包括部署SkyWalking后端、构建带Agent的Java应用镜像，以及验证追踪数据。相比已废弃的Mi
SkyWalking - Dubbo 服务调用链监控：跨进程上下文传递 本文介绍了如何利用Apache SkyWalking实现Dubbo服务的分布式链路追踪。主要内容包括： 分布式链路追踪基础概念：解释了Trace、Span、Context和Propagation等核心术语，以及SkyWalking采用的3T模型（Trace, Tag, Topology）。 SkyWalking与Dubbo集成
该模块用于构建IEEE 33节点配电网的基础模型，为整个风险评估提供系统参数支撑。其核心功能是定义配电网的拓扑结构与电气参数，具体包括：设定系统基准功率为100MVA，作为所有电气量标幺值转换的基准。定义33个节点的属性，其中1号节点为平衡节点，2-33号为PQ节点，明确各节点的有功负荷、无功负荷（需从kW、kVAr转换为MW、MVAr）、基准电压（12.66kV）及电压允许范围（0.9-1.1p
CA法模拟动态再结晶，晶粒正常长大，利用元胞自动机生成拓扑晶粒模型，参数可调。元胞胞自动机模拟动态再结晶母相晶粒生成。本程序基于曲率驱动机制以及热激活机制，matlab编写，本程序模拟奥氏体晶粒正常长大过程。程序均有注释，仅作学习交流使用这段程序主要是用于生成晶粒取向随机分布的均匀化晶粒组织。程序的主要流程如下：1. 用户输入元胞空间大小（Nx和Ny）、形核点数目（numnucl）和随机数种子（m
本文介绍了如何将Apache SkyWalking与Spring Cloud Alibaba结合实现微服务全链路追踪。主要内容包括：1) 环境准备与核心概念解析，如Trace、Span等；2) 使用Docker Compose快速部署SkyWalking和Nacos；3) 构建包含订单服务和库存服务的Spring Cloud Alibaba微服务项目；4) 通过Maven父工程统一管理依赖版本。文
进入 D:apache-skywalking-apm-8.9.1apache-skywalking-apm-binin ，双击运行 startup.bat（7.x及以下版本 APM 包里面有包括 Agents，但是8.x的就发现被分开了，所以8.x的及以上的 就需要 Agents 也得下载。再看 Skywalking（http://localhost:8080/） 页面那边，你就会发现有个这个图（
今儿咱们就手把手拆解这个模型的Matlab实现，代码已经调通，换数据就能用，特别适合刚入坑的小伙伴。注意力权值可视化后发现，模型自动放大了振动频率和温度突变的特征，这和老师傅的经验判断完全一致。改最后两层的激活函数就行，so easy！比如你的数据有10个特征，用3-5的卷积核效果更佳。3空间注意力机制(SAM Attention)：为模型提供了对关键信息的聚焦能力，从而提高预测的准确度。3空间注
H6逆变器以其多样化的功能和高效的控制策略，成为现代电力电子领域的重要研究方向。通过仿真分析，我们不仅验证了其离网和并网性能，还揭示了其在不同负载条件下的优势。未来，H6逆变器有望在可再生能源并网、电力质量提升等领域发挥更大的作用。让我们一起深入探索H6逆变器的潜力，为电网智能化和能源高效利用贡献一份力量！
摘要 Apache SkyWalking作为开源的分布式系统性能监控工具，提供了TPS、响应时间和错误率三大核心指标的可视化监控。本文详细解析了这些指标的含义和应用： TPS（每秒事务数）：衡量系统吞吐能力的关键指标，通过Java示例演示了如何监控Spring Boot应用的请求处理能力，并给出异常波动排查建议。 响应时间：分析请求处理各环节耗时组成，展示如何通过SkyWalking追踪慢请求问题
SkyWalking：多语言混合架构的统一追踪方案 摘要 Apache SkyWalking是一款开源的APM系统，专为解决多语言混合架构下的可观测性挑战而设计。它通过以下核心能力实现统一追踪： 多语言支持：原生支持Java、Go、Python等主流语言，通过OpenTelemetry实现跨语言追踪 完整架构：包含探针、OAP服务端和UI控制台三部分，支持分布式部署 关键技术： Java应用通过字
SkyWalking 多语言探针现状与支持概览 摘要 Apache SkyWalking 作为开源 APM 系统，通过统一观测模型支持多种语言探针，包括 Java、.NET、C++ 和 Lua。本文重点分析了各语言探针的实现现状： Java 探针最为成熟，基于字节码增强技术实现零侵入监控，支持自动发现各类框架。 .NET 探针利用 CLR Profiling API，支持 .NET Core 3.
本文介绍了如何在Python应用中集成SkyWalking实现分布式追踪。主要内容包括： SkyWalking简介 - 一个开源的APM系统，支持多语言分布式追踪 Python应用集成 - 使用skywalking-python库进行自动和手动埋点 具体实现示例： Flask应用的自动追踪 自定义Span的手动埋点 Python与Java服务的跨语言追踪 上下文传播机制 - 通过HTTP Head
📝 摘要 本文介绍了开源APM工具Apache SkyWalking的核心功能及其对主流中间件的深度集成方案。作为分布式系统全链路监控利器，SkyWalking支持无侵入式探针采集数据，提供可视化拓扑图、调用链追踪、性能指标分析等功能。 重点内容包括： 架构解析：Agent探针、OAP服务端、存储与UI的协作流程 环境搭建：快速部署SkyWalking服务端与探针 集成示例： Spring Cl
Apache SkyWalking 提供@Trace注解实现自定义Span追踪，通过简单注解即可将关键业务方法纳入分布式调用链监控。本文详细介绍了从环境搭建到实战应用的完整流程：首先引入apm-toolkit-trace依赖并配置Java Agent；然后在需要监控的方法上添加@Trace注解；最后通过SkyWalking UI可直观查看方法调用耗时及链路关系。特别说明了跨线程场景下的上下文传递机
SkyWalking Java Agent 自动注入原理解析 本文深入剖析了Apache SkyWalking中Java Agent自动注入机制的核心原理。作为分布式系统监控的关键组件，SkyWalking通过Java Agent技术实现无侵入式监控，主要特性包括： 双模式注入：支持Premain模式（启动时加载）和Agentmain模式（运行时动态附加） 字节码增强：基于ByteBuddy库动态
SkyWalking 容器化部署指南 本文介绍如何使用 Docker Compose 快速部署 Apache SkyWalking 全家桶，包括 OAP Server、UI 和 Elasticsearch 存储后端。主要内容： 部署方案：提供完整的 docker-compose.yml 文件，支持一键启动所有组件 架构说明：解释 SkyWalking 各组件功能及端口配置 Java 应用接入：演示
SkyWalking生产级部署：Elasticsearch集成指南 本文介绍了基于Elasticsearch的SkyWalking生产环境部署方案。主要内容包括： 架构概述：SkyWalking+Elasticsearch组合的优势，包括高性能写入、快速聚合查询和高可用性。 部署步骤： Elasticsearch集群配置建议（3节点起） SkyWalking OAP Server的安装与配置 UI
SkyWalking单机部署与Java应用监控实践 本文介绍了基于H2存储快速搭建SkyWalking单机环境的方法，适用于开发调试和学习场景。主要内容包括： SkyWalking简介：开源APM工具，支持分布式追踪、服务拓扑、指标监控等功能 H2存储优势：轻量免配置，适合本地开发，但不适用于生产环境 部署步骤： 下载解压SkyWalking安装包 检查并配置H2存储参数 启动OAP Server
skywalking
——skywalking
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
开源鸿蒙跨平台开发者社区
AtomGit开源社区
AI智能硬件创业者社区
2048 AI社区
openvela
松山湖开发者村综合服务平台
