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 8.10. 可观察性 48 Apache ShardingSphere document 监控仪表盘 将系统静态信息（如应用版本）和动态信息（如线程数、SQL 处理信息）等 Metrics 指标，使用标准接口 方式暴露给第三方应用（如 Prometheus），管理员能够通过可视化的方式监控系统实时状态。 应用性能监控 在 ShardingSphere 中，一条 SQL 语句要经历解析

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 8.10. 可观察性 48 Apache ShardingSphere document 监控仪表盘 将系统静态信息（如应用版本）和动态信息（如线程数、SQL 处理信息）等 Metrics 指标，使用标准接口 方式暴露给第三方应用（如 Prometheus），管理员能够通过可视化的方式监控系统实时状态。 应用性能监控 在 ShardingSphere 中，一条 SQL 语句要经历解析

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 document 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 可观察性模块 的设计目标。 8.10.4 应用场景 ShardingSphere 通过 Agent

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 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 可观察性模块 的设计目标。 3.10. 可观察性 46 Apache ShardingSphere document, v5.2.0 3.10.4 应用场景 ShardingSphere 通过 Agent 模块为应用提供可观察性的能力，可适用于以下场景： 监控仪表盘 将系统

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 v5.1.1 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 可观察性模块 的设计目标。 4.10.4 核心概念 代理 基于字节码增强和插件化设计，以提供 Tracing 和 Metrics 埋点，以及日志输出功能。需要开启代理的插 件功能后，才能将监控指标数据输出至第三方 APM 中展示。 APM APM 是

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 件功能后，才能将监控指标数据输出至第三方 APM 中展示。 APM APM 是应用性能监控的缩写。着眼于分布式系统的性能诊断，其主要功能包括调用链展示，应用拓扑分 析等。 Tracing 链路跟踪，通过探针收集调用链数据，并发送到第三方 APM 系统。 4.10. 可观察性 60 Apache ShardingSphere document, v5.1.0 Metrics 系统统计指标，通过探

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 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 可观察性模块 的设计目标。 源码：https://github.com/apache/shardingsphere/tree/master/shardingsphere‐agent 4.10.4 核心概念 代理 基于字节码增强和插件化设计，以提供 Tracing 和 Metrics

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

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