分布式链路追踪—SkyWalking

1. 总览

在这里插入图片描述

2. 为什么要使用分布式链路追踪

在微服务架构中会存在以下问题:

  1. 排查问题难度大,周期长
  2. 特定场景难复现
  3. 系统性能瓶颈分析较难(如请求耗时、异常、响应慢的原因)

3. 了解OpenTracing

OpenTracing 提供了一套标准:提供与平台和厂商无关的API

OpenTracing数据模型

  1. Trace:一个完整的请求链路
  2. Span:内部的每一次调用过程,需要有开始时间和结束时间
  3. SpanContext:Trace的全局上下文信息,包含traceId

4. 使用分布式链路追踪的好处

  1. 自动采集数据
  2. 数据分析,可形成一条完整的调用链
  3. 数据可视化:每个组件的性能可视化(可展示耗时、状态、IP的等等),能够帮助我们很好地定位系统的瓶颈,即使找到问题所在

5. SkyWalking相关问题思考

5.1 如何自动采集数据

SkyWalking采用插件化+javaagent的形式实现了span数据的自动采集,做到对代码无侵入性

5.2 如何跨进程传递

数据包含header和body,body存放着业务数据,可以把链路数据context通过数据的header进行传递

5.3 traceId如何保证全局唯一

采用本地生成ID的方式:雪花算法。由于雪花算法存在时间回调的问题,会导致ID重复。故SkyWalking针对此问题的解决方案如下:

每生成一个id,都会将生成id的时间戳记录下来(lastTimestamp),如果发现当前时间比记录下来的lastTimestamp还小,就说明发生了时间回调,此时就会生成一个随机数作为traceId。

5.4 请求量大,采集数据对性能的影响

SkyWalking默认设置3秒采样3次,其余请求不采样。但是为了保证服务调用不在同一个时间节点上,导致部分数据丢失,SkyWalking做了如下处理:

如果上游携带有Context,就说明上游采样了,则下游也会强制进行采样,以此来保证来链路的完整性。

扩展

  1. 通过spanId来对执行的先后顺序进行串联。
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值