原文链接：https://databuff.com/resourceDetail/blog106

前言

skywalking 是一款开源的链路工具，经常被开发人员使用。然而其后端功能羸弱、上手门槛高、缺乏商业化支持、代码质量风险大，都成为其难以在客户生产环境大规模部署的原因。

databuff 作为一款商业化的可观测平台工具，为此专门开发了相关特性、用以接管skywalking，能够实现 一键接入skywalking、并直接给出故障定位的结果。你只需把skywalking agent的数据发送地址修改为databuff server。

今天笔者就给大家演示一下接入skywalking的过程与效果，其他方面不做过多阐述：

1）使用 databuff的datahub 模块，一键接入skywalking agent 数据；

2）使用 databuff 因果AI引擎，自动定位demo应用的故障原因；

接下来我们先构建一套测试环境，用以演示上述的功能效果。

01 测试环境说明

Demo环境和操作背景：

图1：测试环境部署拓扑

测试环境说明：

1）右边部署一套大模型demo应用，主要包含3个组件：LLM service（前端）、MYSQL、LLM；在应用上部署skywalking agent；

2）左边部署一套databuff 平台，平台包含datahub(pipeline)管道、因果AI分析引擎等功能模块；

---

    图2：测试Demo的应用界面

接下来， 我们按下面的步骤执行：

1.Pipeline创建：在databuff datahub 平台上创建Pipeline；

2.数据路由指定：配置 skywalking agent 文件，将数据接收地址指向 datahub ；

3.制造故障：在测试环境服务器上手动制造故障；

4.故障定位效果验证：在databuff 上查看告警，及故障定位效果；

02 操作演示

2.1 Pipeline 创建

模版一键创建Pipeline

DataHub产品中预定义多种快速接入的模版，直接使用，一键创建，快速对接数据。

点开创建的Pipeline，复制监听URL

至此，databuff 平台上接入skywalking的配置完成。

2.2 数据路由指定

配置skywalking 采集大模型应用服务的链路数据和JVM指标数据。

在skywalking Agent config中配置：

collector.backend_service=192.168.50.247:31800

然后直接启动服务，便可轻松接入。

服务启动命令：

# cd到大模型应用服务目录
cd /home/langchat/langchat-server/target
# java -jar启动大模型服务
java  -javaagent:/home/skywalking-agent/skywalking-agent.jar Dskywalking.agent.service_name=LLM_DEMO -jar langchat-server.jar

2.3 制造故障

在demo应用上，手动停止mysql8（mysql8为容器启动）：

[root@host254 target]# docker stop mysql8
mysql8

这里我们手动关闭mysql 之后服务发出异常情况

2.4 故障定位效果验证

登录databuff平台，查看智能告警内容，并查看请求异常链路

点击告警详情中的根因分析，查看智能定位原因。

这里可以看出，我们的数据库MySQL实例异常，然后导致的接口调用异常。

2.5 其他

在完成故障注入与定位演示后，DataBuff 平台还提供了一系列辅助能力，帮助用户进一步理解应用运行状态和系统资源消耗。

2.5.1 查看接收数据

查看应用请求链路和服务JVM指标，调用情况和服务拓扑。

该大模型主要有LLM_DEMO 问答系统，MySQL，还有第三方远程服务

查看调用远程大模型API链路信息，可以查看大模型应用与远程大模型调用的状态，耗时，以及该服务的一些系统资源指标。

2.5.2 查看智能告警内容

查看智能告警内容，并可调用链路观测，查看请求异常链路

2.5.3 查看AI智能分析

如果开启大模型AI配置，根因分析结果后，还会给出推荐处置内容，不但知道哪里有问题，还知道如何进行操作修复。

本次演示，我们通过DataBuff平台的DataHub，通过深度整合SkyWalking链路数据，为企业提供全栈式智能可观测解决方案。对于很多已经部署了skywalking的客户，他们可以直接把数据路由到databuff平台，即将享受分钟级的应用性故障定位能力。