SkyWalking的OAP（ObservabilityAnalysisPlatform，观察分析平台）是一个针对链路数据的分布式计算系统。由于其巧妙的设计，在链路数据计算和聚合过程中，无需考虑数据一致性，也没有事务、分布式锁等概念。极端情况下可能会丢失链路数据，但会最大程度保证OAP集群的可用性。下面我们来看看它是如何设计的，为以后的系统设计和架构提供一些思路。数据类型在介绍分布式计算之前，我们先了解一下需要计算的数据类型：记录数据，即详细数据，如Trace、访问日志等，由RecordStreamProcessor处理。Metrisc数据，即指标数据，由大多数OAL指标生成，由MetricsStreamProcessor处理。TopN数据，即周期性采样的数据，比如慢SQL的周期性采集，由TopNStreamProcessor处理。分布式计算Trace、accesslog等详细数据，数据量比较大，但不需要合并，可以在OAP节点内完成。通过缓存、异步批处理、流式写入等方式将明细数据写入存储。OAL（ObservabilityAnalysisLanguage，可观察性分析语言）定义的指标数据大部分需要分布式聚合计算，因此OAP集群计算流程分为两步。Step1：接收并解析probe发送过来的数据，在当前OAP节点进行数据聚合，使用OAL或者其他聚合方式。如果是不需要分布式聚合的数据，直接写入存储；如果是需要分布式聚合的数据，则按照一定的路由规则发送到指定的OAP节点。Step2：接收并解析Step1处理后的数据，然后进行二次聚合计算，写入存储。因为以上两个步骤很可能不在同一个OAP节点上，所以OAP节点分为两个角色：Receiver（步骤1）和Aggregator（步骤2）。为了降低部署难度，所有OAP节点默认都会使用Mixed角色（步骤1和步骤2都可以执行）。在大规模部署时，可以根据网络流量进行角色分离的两级部署。指标数据是最消耗计算资源的分布式计算，也是整套分布式计算应该支持的核心计算类型。在这个计算过程中，使用哈希路由策略，根据计算出的实体的哈希值，如服务ID、端点ID，来选择对应的OAP节点。OAP节点之间的通信采用gRPC流方式。传输过程中不包含业务字段名，根据数据类型和字段定义顺序进行序列化，减少非数据字段的传输。注：本文以SkyWalking8.2.0版本为例，不同版本会有细微差异。最后谢谢大家的喜欢和关注，帅气又漂亮。
