. . . . . . . . . . . . . . . . . . . . . . . . . 48 监控仪表盘 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 应用性能监控 . . . . . . . . . . . . . . . . . . . . . . . . . . . rics（指标监控） 和 Logging （日志）是系统运行状况的可观察性数据重要的获取手段。 APM（应用性能监控）是通过对系统可观察性数据进行采集、存储和分析，进行系统的性能监控与诊断， 主要功能包括性能指标监控、调用链分析，应用拓扑图等。 Apache ShardingSphere 并不负责如何采集、存储以及展示应用性能监控的相关数据，而是为应用监控 系统提供必要的指标数据。换句话说，Apache Metrics 则用于收集和展示整个集群的统计指标。Apache ShardingSphere 默认提供了对 Prometheus 的 支持。 8.10.2 挑战 Tracing 和 Metrics 需要通过埋点来收集系统信息。大量的埋点使项目核心代码支离破碎，难于维护，且 不易定制化统计指标。 8.10.3 目标 提供尽量多的性能和统计指标，并隔离核心代码和埋点代码，是 Apache ShardingSphere

. . . . . . . . . . . . . . . . . . . . . . . . . 48 监控仪表盘 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 应用性能监控 . . . . . . . . . . . . . . . . . . . . . . . . . . . rics（指标监控） 和 Logging （日志）是系统运行状况的可观察性数据重要的获取手段。 APM（应用性能监控）是通过对系统可观察性数据进行采集、存储和分析，进行系统的性能监控与诊断， 主要功能包括性能指标监控、调用链分析，应用拓扑图等。 Apache ShardingSphere 并不负责如何采集、存储以及展示应用性能监控的相关数据，而是为应用监控 系统提供必要的指标数据。换句话说，Apache Metrics 则用于收集和展示整个集群的统计指标。Apache ShardingSphere 默认提供了对 Prometheus 的 支持。 8.10.2 挑战 Tracing 和 Metrics 需要通过埋点来收集系统信息。大量的埋点使项目核心代码支离破碎，难于维护，且 不易定制化统计指标。 8.10.3 目标 提供尽量多的性能和统计指标，并隔离核心代码和埋点代码，是 Apache ShardingSphere

. . . . . . . . . . . . . . . . . . . . . . . . . 49 监控仪表盘 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 应用性能监控 . . . . . . . . . . . . . . . . . . . . . . . . . . . rics（指标监控） 和 Logging （日志）是系统运行状况的可观察性数据重要的获取手段。 APM（应用性能监控）是通过对系统可观察性数据进行采集、存储和分析，进行系统的性能监控与诊断， 主要功能包括性能指标监控、调用链分析，应用拓扑图等。 Apache ShardingSphere 并不负责如何采集、存储以及展示应用性能监控的相关数据，而是为应用监控 系统提供必要的指标数据。换句话说，Apache 自动探针，可以将相关的应用性能数据自动 发送到 SkyWalking 中。注意这种方式的自动探针不能与 Apache ShardingSphere 插件探针同时使 用。 Metrics 则用于收集和展示整个集群的统计指标。Apache ShardingSphere 默认提供了对 Prometheus 的 支持。 8.10. 可观察性 47 Apache ShardingSphere document 8.10

. . . . . . . . . . . . . . . . . . . . . . . . . 47 监控仪表盘 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 应用性能监控 . . . . . . . . . . . . . . . . . . . . . . . . . . . rics（指标监控） 和 Logging （日志）是系统运行状况的可观察性数据重要的获取手段。 APM（应用性能监控）是通过对系统可观察性数据进行采集、存储和分析，进行系统的性能监控与诊断， 主要功能包括性能指标监控、调用链分析，应用拓扑图等。 Apache ShardingSphere 并不负责如何采集、存储以及展示应用性能监控的相关数据，而是为应用监控 系统提供必要的指标数据。换句话说，Apache 则用于收集和展示整个集群的统计指标。Apache ShardingSphere 默认提供了对 Prometheus 的 支持。 3.10. 可观察性 45 Apache ShardingSphere document, v5.2.0 3.10.2 挑战 Tracing 和 Metrics 需要通过埋点来收集系统信息。大量的埋点使项目核心代码支离破碎，难于维护，且 不易定制化统计指标。 3.10.3

与此同时，场景内部也愈加细化，相似场景使用不同数据库已成为常态。由此可见，数据库碎片化的趋 势已经不可逆转。 4.1.2 挑战 并无统一标准的数据库的访问协议和 SQL 方言，以及各种数据库带来的不同运维方法和监控工具的异同， 让开发者的学习成本和 DBA 的运维成本不断增加。提升与原有数据库兼容度，是在其之上提供增量服务 的前提。 SQL 方言和数据库协议的兼容，是数据库兼容度提升的关键点。 18 rics（指标监控） 和 Logging （日志）是系统运行状况的可观察性数据重要的获取手段。 APM（应用性能监控）是通过对系统可观察性数据进行采集、存储和分析，进行系统的性能监控与诊断， 主要功能包括性能指标监控、调用链分析，应用拓扑图等。 Apache ShardingSphere 并不负责如何采集、存储以及展示应用性能监控的相关数据，而是为应用监控 系统提供必要的指标数据。换句话说，Apache ShardingSphere 插件探针同时使用。 Metrics 则用于收集和展示整个集群的统计指标。Apache ShardingSphere 默认提供了对 Prometheus 的 支持。 4.10.2 挑战 Tracing 和 Metrics 需要通过埋点来收集系统信息。大量的埋点使项目核心代码支离破碎，难于维护，且 不易定制化统计指标。 4.10. 可观察性 60 Apache ShardingSphere

与此同时，场景内部也愈加细化，相似场景使用不同数据库已成为常态。由此可见，数据库碎片化的趋 势已经不可逆转。 4.1.2 挑战 并无统一标准的数据库的访问协议和 SQL 方言，以及各种数据库带来的不同运维方法和监控工具的异同， 让开发者的学习成本和 DBA 的运维成本不断增加。提升与原有数据库兼容度，是在其之上提供增量服务 的前提。 SQL 方言和数据库协议的兼容，是数据库兼容度提升的关键点。 18 rics（指标监控） 和 Logging （日志）是系统运行状况的可观察性数据重要的获取手段。 APM（应用性能监控）是通过对系统可观察性数据进行采集、存储和分析，进行系统的性能监控与诊断， 主要功能包括性能指标监控、调用链分析，应用拓扑图等。 Apache ShardingSphere 并不负责如何采集、存储以及展示应用性能监控的相关数据，而是为应用监控 系统提供必要的指标数据。换句话说，Apache Metrics 则用于收集和展示整个集群的统计指标。Apache ShardingSphere 默认提供了对 Prometheus 的 支持。 4.10.2 挑战 Tracing 和 Metrics 需要通过埋点来收集系统信息。大量的埋点使项目核心代码支离破碎，难于维护，且 不易定制化统计指标。 4.10.3 目标 提供尽量多的性能和统计指标，并隔离核心代码和埋点代码，是 Apache ShardingSphere

与此同时，场景内部也愈加细化，相似场景使用不同数据库已成为常态。由此可见，数据库碎片化的趋 势已经不可逆转。 4.1.2 挑战 并无统一标准的数据库的访问协议和 SQL 方言，以及各种数据库带来的不同运维方法和监控工具的异同， 让开发者的学习成本和 DBA 的运维成本不断增加。提升与原有数据库兼容度，是在其之上提供增量服务 的前提。 SQL 方言和数据库协议的兼容，是数据库兼容度提升的关键点。 18 rics（指标监控） 和 Logging （日志）是系统运行状况的可观察性数据重要的获取手段。 APM（应用性能监控）是通过对系统可观察性数据进行采集、存储和分析，进行系统的性能监控与诊断， 主要功能包括性能指标监控、调用链分析，应用拓扑图等。 Apache ShardingSphere 并不负责如何采集、存储以及展示应用性能监控的相关数据，而是为应用监控 系统提供必要的指标数据。换句话说，Apache 则用于收集和展示整个集群的统计指标。Apache ShardingSphere 默认提供了对 Prometheus 的 支持。 4.10. 可观察性 61 Apache ShardingSphere document, v5.1.2 4.10.2 挑战 Tracing 和 Metrics 需要通过埋点来收集系统信息。大量的埋点使项目核心代码支离破碎，难于维护，且 不易定制化统计指标。 4.10.3

69 导览 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 应用性能监控集成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 Agent 集成 . . . . . . . 原本的顺序依次进行解析，性能很高。考虑到各种数据库 SQL 方言的 异同，在解析模块提供了各类数据库的 SQL 方言字典。 SQL 解析引擎 历史 SQL 解析作为分库分表类产品的核心，其性能和兼容性是最重要的衡量指标。ShardingSphere 的 SQL 解 析器经历了 3 代产品的更新迭代。 第一代 SQL 解析器为了追求性能与快速实现，在 1.4.x 之前的版本使用 Druid 作为 SQL 解析器。经实际 /states/proxynodes 数据库访问对象运行实例信息，子节点是当前运行实例的标识。运行实例标识由运行服务器的 IP 地址和 PID 构成。运行实例标识均为临时节点，当实例上线时注册，下线时自动清理。注册中心监控这些节点的 变化来治理运行中实例对数据库的访问等。 /states/datanodes 可以治理读写分离从库，可动态添加删除以及禁用。 动态生效 在注册中心上修改、删除、新增相关配置，会动态推送到生产环境并立即生效。

51 导览 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 应用性能监控集成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 Agent 集成 . . . . . . . 与此同时，场景内部也愈加细化，相似场景使用不同数据库已成为常态。由此可见，数据库碎片化的趋 势已经不可逆转。 4.1.2 挑战 并无统一标准的数据库的访问协议和 SQL 方言，以及各种数据库带来的不同运维方法和监控工具的异同， 让开发者的学习成本和 DBA 的运维成本不断增加。提升与原有数据库兼容度，是在其之上提供增量服务 的前提。 SQL 方言和数据库协议的兼容，是数据库兼容度提升的关键点。 17 /status/compute_nodes 数据库访问对象运行实例信息，子节点是当前运行实例的标识。运行实例标识由运行服务器的 IP 地址和 PORT 构成。运行实例标识均为临时节点，当实例上线时注册，下线时自动清理。注册中心监控这些节点 的变化来治理运行中实例对数据库的访问等。 4.5. 分布式治理 48 Apache ShardingSphere document, v5.0.0 /status/storage_nodes

71 执行导出命令 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 6.3.3 作业运行状态监控 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 监听作业服务器存活 . . . . . . . . 果本次作业在执行过程中宕机，备机会立即替补执行。 5.2.4 实现原理 ElasticJob 并无作业调度中心节点，而是基于部署作业框架的程序在到达相应时间点时各自触发调度。注 册中心仅用于作业注册和监控信息存储。而主作业节点仅用于处理分片和清理等功能。 弹性分布式实现 • 第一台服务器上线触发主服务器选举。主服务器一旦下线，则重新触发选举，选举过程中阻塞，只 有主服务器选举完成，才会执行其他任务。 问询执行 作业服务在本次任务执行结束后，会向注册中心问询待执行的失效转移分片项，如果有，则开始补偿执 行。也称为异步执行。 5.3.3 适用场景 开启失效转移功能，ElasticJob 会监控作业每一分片的执行状态，并将其写入注册中心，供其他节点感知。 在一次运行耗时较长且间隔较长的作业场景，失效转移是提升作业运行实时性的有效手段；对于间隔较 短的作业，会产生大量与注册中心的网络通信