项目介绍：
客户线上运行了多个基于 Spring Cloud 的 Java 微服务，系统复杂度不断增加，各微服务之间的交互频繁且难以追踪，现有监控系统（如 Prometheus）无法提供接口的详细数据，如平均响应时间、QPS（每秒查询率）等，难以识别慢接口和高频接口。客户需要将监控数据存储到 Elasticsearch 中，以便进行长期分析和历史数据查询，本项目旨在通过 SkyWalking 监控系统，结合 Kubernetes、Elasticsearch 等技术，构建一个高效、可靠的微服务监控平台，帮助开发和运维团队快速定位问题、优化性能，并直观展示监控数据。
个人指责：
1.负责整体架构设计，确保监控平台能够满足微服务的监控需求。
2.选择合适的技术栈（SkyWalking、Kubernetes、Elasticsearch 等），并完成各组件的集成和配置。
3.编写资源配置清单（YAML 文件），用于管理微服务和 SkyWalking 组件的生命周期。
4.负责将 Java 微服务应用打包成 Docker 镜像，确保镜像中包含 SkyWalking 代理（Agent），以便能够采集到微服务的监控数据。
5.优化 Dockerfile，确保镜像体积小、启动快，同时包含必要的运行时依赖。
6.安装和配置 SkyWalking OAP（Observability Analysis Platform）服务，用于数据采集和分析。
7.部署 SkyWalking UI，提供直观的可视化界面。
8.部署 Elasticsearch 集群，用于存储 SkyWalking 采集的监控数据。
9.配置 SkyWalking 与 Elasticsearch 的集成，确保数据能够高效存储和查询。

项目成果：
1.平台能够实时监控微服务的运行状态，包括接口调用次数、调用时间等关键指标，显著提高了系统的可维护性和可管理性。
2.利用 SkyWalking UI 提供了直观的可视化界面，将微服务的接口调用次数和调用时间以图表形式展示出来。
3.基于 SkyWalking 监控数据的分析，发现并优化了微服务的性能瓶颈，降低了接口的平均调用时间。
4.通过 Kubernetes 的资源配置清单，实现了对微服务和监控组件的高效管理和快速更新。