写文章
转载:https://zhuanlan.zhihu.com/p/71024024
分布式追踪系统概述及主流开源系统对比
关注【搜狐技术产品】公众号,第一时间获取技术干货
导 读
分布式追踪系列文章来了!
本周推送为该系列的上篇,主要介绍了分布式追踪系统的原理、“可观察性” 的三大支柱、OpenTracing标准,同时对当前主流的开源分布式追踪系统进行简单对比。
<img src="https://pic2.zhimg.com/v2-db13fdf3abfb35bc11e991d503bb6ba9_b.jpg" data-size="normal" data-rawwidth="808" data-rawheight="530" class="origin_image zh-lightbox-thumb" width="808" data-original="https://pic2.zhimg.com/v2-db13fdf3abfb35bc11e991d503bb6ba9_r.jpg"/>![](https://i-blog.csdnimg.cn/blog_migrate/b3cd155b9c65c494e8c105f1e72584ab.png)
图片来源: Dapper, a Large-Scale Distributed Systems Tracing Infrastructure
随着应用容器化和微服务的兴起,借由 Docker
和 Kubernetes
等工具,服务的快速开发和部署成为可能,构建微服务应用变得越来越简单。但是随着大型单体应用拆分为微服务,服务之间的依赖和调用变得极为复杂,这些服务可能是不同团队开发的,可能基于不同的语言,微服务之间可能是利用 RPC
、RESTful API
,也可能是通过消息队列实现调用或通讯。如何理清服务依赖调用关系、如何在这样的环境下快速 debug
、追踪服务处理耗时、查找服务性能瓶颈、合理对服务的容量评估都变成一个棘手的事情。
可观察性
(Observability)及其三大支柱
为了应对这些问题,可观察性(Observability
) 这个概念被引入软件领域。传统的监控和报警主要关注系统的异常情况和失败因素,可观察性更关注的是从系统自身出发,去展现系统的运行状况,更像是一种对系统的自我审视。一个可观察的系统中更关注应用本身的状态,而不是所处的机器或者网络这样的间接证据。我们希望直接得到应用当前的吞吐和延迟信息,为了达到这个目的,我们就需要合理主动暴露更多应用运行信息。在当前的应用开发环境下,面对复杂系统我们的关注将逐渐由点到点线面体的结合,这能让我们更好的理解系统,不仅知道What,更能回答Why。
可观察性目前主要包含以下三大支柱:
- 日志(
Logging
):Logging
主要记录一些离散的事件,应用往往通过将定义好格式的日志信息输出到文件,然后用日志收集程序收集起来用于分析和聚合。目前已经有 ELK 这样的成熟方案, 相比之下日志记录的信息最为全面和丰富,占用的存储资源正常情况下也最多,虽然可以用时间将所有日志点事件串联起来,但是却很难展示完整的调用关系路径; - 度量(
Metrics
)Metric
往往是一些聚合的信息,相比Logging
丧失了一些具体信息,但是占用的空间要比完整日志小的多,可以用于监控和报警,在这方面 Prometheus 已经基本上成为了事实上的标准; - 分布式追踪(
Tracing
)Tracing
介于Logging
和Metric
之间, 以请求的维度,串联服务间的调用关系并记录调用耗时,即保留了必要的信息,又将分散的日志事件通过 Span 串联, 帮助我们更好的理解系统的行为、辅助调试和排查性能问题,也是本文接下来介绍的重点。
Logging
,Metrics
和 Tracing
既各自有其专注的部分,也有相互重叠的部分。
![](https://i-blog.csdnimg.cn/blog_migrate/cb03406fdc9b28f38efa7dcf57967dcb.png)
图片来源:Metrics, tracing, and logging
近年来 Metric
和 Tracing
有融合的趋势,现在很多流行的 APM
(应用性能管理)系统,如 Datadog
就融合了 Tracing
和Metric
信息。
就在写这篇文章的同时,在 KubeCon 2019CNCF
宣布 OpenTracing
和 Google
发起的的OpenCensus
项目合并。目前新项目仍在建设中,不过已经承诺了对现有 OpenTracing
协议提供兼容。
下面是 CNCF
总结的当前流行的实现可观察性系统的常见软件或服务,Monitoring
栏中以 Prometheus
为代表,本身可以实现 Metric
的收集监控,不过结合图中其他工具可以实现更加强大和完善的监控方案:
![](https://i-blog.csdnimg.cn/blog_migrate/095c62878010d69c10be1c419c0e6e64.png)
图片来源: CNCF Cloud Native Landscape
分布式追踪系统(Tracing)定位及其标准
Tracing的功能定位
- 故障定位——可以看到请求的完整路径,相比离散的日志,更方便定位问题(由于真实线上环境会设置采样率,可以利用debug开关实现对特定请求的全采样);
- 依赖梳理——基于调用关系生成服务依赖图;
- 性能分析和优化——可以方便的记录统计系统链路上不同处理单元的耗时占用和占比;
- 容量规划与评估;
- 配合
Logging
和Metric
强化监控和报警。
最早由于Google的论文《Dapper, a Large-Scale Distributed Systems Tracing Infrastructure》,让Tracing
流行起来。而Twitter基于这篇论文开发了Zipkin
并开源了这个项目。再之后业界百花齐放,诞生了一大批开源和商业Tracing
系统。
OpenTracing 标准
由于近年来各种链路监控产品层出不穷,当前市面上主流的工具既有像Datadog
这样的一揽子商业监控方案,也有AWS X-Ray
和Google Stackdriver Trace
这样的云厂商产品,还有像Zipkin
、Jaeger
这样的开源产品。
云原生基金会(CNCF
) 推出了OpenTracing
标准,推进Tracing
协议和工具的标准化,统一Trace
数据结构和格式。OpenTracing
通过提供平台无关、厂商无关的 API,使得开发人员能够方便的添加(或更换)追踪系统的实现。比如从Zipkin
替换成Jaeger
/Skywalking
等后端。
在OpenTracing
中,主要定义以下基本概念:
- Trace(调用链): OpenTracing中的Trace(调用链)通过归属于此调用链的Span来隐性的定义。一条Trace(调用链)可以被认为是一个由多个Span组成的有向无环图(DAG图), Span与Span的关系被命名为References;
- Span(跨度):可以被翻译为跨度,可以被理解为一次方法调用,一个程序块的调用,或者一次RPC/数据库访问,只要是一个具有完整时间周期的程序访问,都可以被认为是一个span。
单个Trace
中,Span
间的因果关系:
1 [Span A] ←←←(the root span)
2 |
3 +------+------+
4 | |
5 [Span B] [Span C] ←←←(Span C 是 Span A 的孩子节点, ChildOf)
6 | |
7 [Span D] +---+-------+
8 | |
9 [Span E] [Span F] >>> [Span G] >>> [Span H]
10 ↑
11 ↑
12 ↑
13 (Span G 在 Span F 后被调用, FollowsFrom)
每个Span
包含的操作名称、开始和结束时间、附加额外信息的Span Tag
、可用于记录Span
内特殊事件Span Log
、用于传递Span
上下文的SpanContext
和定义Span
之间关系的References
。
关于SpanContext
SpanContext
是 OpenTracing
中非常重要的概念,在创建Span
、向传输协议Inject
(注入)和从传输协议中Extract
(提取)调用链信息时,SpanContext
发挥着重要作用。
![](https://i-blog.csdnimg.cn/blog_migrate/2b2ac89f70580a6fa0cfd4275daa5244.png)
图片来源: Jaeger Architecture
SpanContext
数据结构如下:
1SpanContext:
2- trace_id: "abc123"
3- span_id: "xyz789"
4- Baggage Items:
5 - special_id: "vsid1738"
trace_id
和span_id
区分Trace
中的Span
;Baggage Items
和Span Tag
结构相同,唯一的区别是:Span Tag
只在当前Span
中存在,并不在整个trace
中传递,而Baggage Items
会随调用链传递。
在跨界(跨服务或者协议)传输过程中实现调用关系的传递和关联,需要能够将 SpanContext
向下游介质注入,并在下游传输介质中提取 SpanContext
。
往往可以使用协议本身提供的类似HTTP Headers
的机制实现这样的信息传递,像Kafka
这样的消息中间件也有提供实现这样功能的Headers
机制。
OpenTracing
实现,可以使用 api 中提供的 Tracer.Inject(...) 和 Tracer.Extract(...) 方便的实现 SpanContext
的注入和提取。
下面是伪代码示例:
1# 下面是调用方注入的过程
2span_context = ...
3outbound_request = ...
4
5carrier = {}
6tracer.inject(span_context, opentracing.Format.HTTP_HEADERS, carrier)
7
8for key, value in carrier:
9 outbound_request.headers[key] = escape(value)
10
11
12# 下面是被调用方提取的过程
13inbound_request = ...
14
15carrier = inbound_request.headers
16span_context = tracer.extract(opentracing.Format.HTTP_HEADERS, carrier)
17span = tracer.start_span("...", child_of=span_context)
目前主流开源方案及对比
目前比较主流的Tracing
开源方案有Jaeger
、Zipkin
、Apache SkyWalking
、CAT
、Pinpoint
、Elastic APM
等,这些项目源代码现在都托管在Github上。
我们按照下面的维度进行了对比:
<img src="https://pic4.zhimg.com/v2-5903fd7201d9cd6f59355eaeba36480b_b.jpg" data-size="normal" data-rawwidth="1968" data-rawheight="1494" class="origin_image zh-lightbox-thumb" width="1968" data-original="https://pic4.zhimg.com/v2-5903fd7201d9cd6f59355eaeba36480b_r.jpg"/>![](https://i-blog.csdnimg.cn/blog_migrate/fedd3e411996cc6f774150050ca098bd.png)
表格整理时间:2019年6月
在现有系统引入时需要考虑以下因素:
- 低性能损耗
- 应用级的透明,尽量减少业务的侵入,目标是尽量少改或者不用修改代码
- 扩展性
基于以上调研,可以总结如下:
- 如果是偏向于
Java
栈的应用,对跨语言和定制化需求低,可以优先考虑侵入性低的Apache SkyWalking
,该项目是国人主导,有较多的公司在使用; - 考虑多语言支持、定制化和高扩展,优先选用
Jaeger
(Jaeger
与Zipkin
比较类似,且兼容Zipkin
原始协议,相比之下Jaeger
有一定的后发优势),Jaeger
和Zipkin
相对于其它方案,更专注与Tracing
本身,监控功能比较弱; - 偏向于纯Web应用,无需定制化且已经有搭建好的ELK日志系统可以考虑低成本的接入
Elastic APM
; CAT
基于日志全量采集指标数据,对于大规模的采集有一定优势,且集成了完善的监控报警机制,国内使用的公司多,但其不支持OpenTracing
;Pinpoint
最主要的特点是侵入性低,拥有完整的APM
和调用链跟踪功能,但是当前仅支持Java
和PHP
,也不支持OpenTracing
标准。
本文引用与参考如下:
[1]Dapper, a Large-Scale Distributed Systems Tracing Infrastructure
[2]观察之道:带你走进可观察性
[3]关于可观察性的三大支柱,你应该了解这些
[4]Metrics, tracing, and logging
[5]Datadog APM and Distributed Tracing
[6]Merging OpenTracing and OpenCensus: Goals and Non-Goals
[7]Merging OpenTracing and OpenCensus: A Roadmap to Convergence
[8]OpenTracing语义标准
[9]OpenTracing Semantic Conventions
[10]OpenTracing Inject and extract
[11]Kafka Add Record Headers
[12]OpenTracing Supported tracers
[13]APM和调用链跟踪
[14]Jaeger vs Apache Skywalking
[15]分布式跟踪、开放式跟踪和 Elastic APM