Apache SkyWalking 对 ActiveMQ Artemis 的追踪支持
2025-05-09 06:39:39作者:冯梦姬Eddie
随着消息中间件技术的不断发展,Apache ActiveMQ 项目在2023年推出了新一代的消息代理实现——Artemis。作为 ActiveMQ 5 的继承者,Artemis 经过重构和优化,在性能、可扩展性和云原生支持方面都有显著提升。本文将介绍 Apache SkyWalking 对 Artemis 的追踪支持情况。
Artemis 与经典 ActiveMQ 的差异
Artemis 虽然源自 ActiveMQ 5,但在实现上有诸多不同:
- 客户端库不同:Artemis 使用专门的 artemis-jakarta-client 库,而经典版使用 activemq-client
- 生产者实现:Artemis 的生产者方法为 doSendx,经典版为 send
- 消费者实现:Artemis 通过 getMessage 获取消息,经典版使用 dequeue 方法
这些底层实现的差异使得 SkyWalking 需要为 Artemis 提供专门的插件支持。
SkyWalking 的追踪支持
SkyWalking 社区正在为 Artemis 开发专门的追踪插件,主要关注以下方面:
- 生产者追踪:拦截 doSendx 方法,记录消息发送的链路信息
- 消费者追踪:监控 getMessage 调用,构建完整的消费链路
- 上下文传播:确保消息在生产和消费过程中的上下文信息能够正确传递
这种细粒度的追踪能力可以帮助开发者:
- 分析消息流转的完整路径
- 定位消息处理过程中的性能瓶颈
- 排查消息丢失或重复消费等问题
未来发展方向
除了基础的追踪功能外,SkyWalking 社区还计划:
- 服务器监控:收集 Artemis 服务器的运行指标,如队列深度、内存使用等
- 拓扑关系:构建消息生产者和消费者的拓扑关系图
- 告警功能:基于监控指标设置阈值告警
这些增强功能将使 SkyWalking 成为 Artemis 消息系统更全面的可观测性解决方案。
总结
随着 Artemis 在业界的逐步普及,SkyWalking 对其的支持将帮助用户更好地监控和管理基于 Artemis 的消息系统。从基础的追踪功能开始,逐步扩展到全面的监控能力,SkyWalking 致力于为用户提供完整的可观测性体验。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1