分布式链路追踪—SkyWalking

1. 总览

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。