文章目录
链路追踪
在⼤型系统的微服务化构建中,⼀个系统被拆分成了许多模块。这些模块负责不同的功能,然后组合成系统,最终可以提供丰富的功能。在这种架构中,⼀次请求往往需要涉及到多个微服务。
互联⽹应⽤构建在不同的软件模块集上,这些软件模块,有可能是由不同的团队开发、可能使⽤不同的编程语⾔来 实现、有可能布在了⼏千台服务器,横跨多个不同的数据中⼼,也就意味着这种架构形式也会存在⼀些问题:
- 如何快速发现问题?
- 如何判断故障影响范围?
- 如何梳理服务依赖以及依赖的合理性?
- 如何分析链路性能问题以及实时容量规划?
分布式链路追踪( Distributed Tracing ),就是将⼀次分布式请求还原成调⽤链路,进⾏⽇志记录,性能监控 并将⼀次分布式请求的调⽤情况集中展示。⽐如各个服务节点上的耗时、请求具体到达哪台机器上、每个服务节点 的请求状态等等。
常⻅链路追踪技术
cat
由⼤众点评开源,基于 Java 开发的实时应⽤监控平台,包括实时应⽤监控,业务监控 。集成⽅案是通过代码埋 点的⽅式来实现监控,⽐如: 拦截器,过滤器等。 对代码的侵⼊性很⼤,集成成本较⾼。⻛险较⼤。
zipkin
由 Twitter 公司开源,开放源代码分布式的跟踪系统,⽤于收集服务的定时数据,以解决微服务架构中的延迟问 题,包括:数据的收集、存储、查找和展现。该产品结合 spring-cloud-sleuth 使⽤较为简单, 集成很⽅便, 但是功能较简单。
pinpoint
Pinpoint 是韩国⼈开源的基于字节码注⼊的调⽤链分析,以及应⽤监控分析⼯具。特点是⽀持多种插件, UI 功 能强⼤,接⼊端⽆代码侵⼊。
skywalking
SkyWalking 是本⼟开源的基于字节码注⼊的调⽤链分析,以及应⽤监控分析⼯具。特点是⽀持多种插件, UI 功 能较强,接⼊端⽆代码侵⼊。⽬前已加⼊ Apache 孵化器。
Sleuth
SpringCloud 提供的分布式系统中链路追踪解决⽅案。
注意: SpringCloud alibaba 技术栈中并没有提供⾃⼰的链路追踪技术的,我们可以采⽤ Sleuth + Zinkin 来做链路追踪解决⽅案。
Sleuth 介绍
sleuth 是⼀个链路追踪⼯具,通过它在⽇志中打印的信息可以分析出⼀个服务的调⽤链条,也可以得出链条中每 个服务的耗时,这为我们在实际⽣产中,分析超时服务,分析服务调⽤关系,做服务治理提供帮助。
sleuth ⽬前并不是对所有调⽤访问都可以做链路追踪,它⽬前⽀持的 有: rxjava 、 feign 、 quartz 、 RestTemplate 、 zuul 、 hystrix 、 grpc 、 kafka 、 Opentracing 、 redis 、 Reator 、 circuitbreaker 、 spring的Scheduled 。国内⽤的⽐较多的 dubbo , sleuth⽆法对其提供⽀持。
相关概念
SpringCloud Sleuth 主要功能就是在分布式系统中提供追踪解决⽅案。它⼤量借⽤了 Google Dapper 的设 计, 先来了解⼀下 Sleuth 中的术语和相关概念。
请求⼀个微服务系统的 API 接⼝,这个 API 接⼝需要调⽤多个微服务单元,调⽤每个微服务单元都会产⽣ ⼀个新的 Span ,所有由这个请求产⽣的 Span 组成了这个 Trace 。整个过程使⽤ Annotation (cs、sr、 ss、cr)统计各个阶段消耗的时⻓。
Trace
由⼀组 Trace Id 相同的 Span 串联形成⼀个树状结构。为了实现请求跟踪,当请求到达分布式系统的⼊⼝端点 时,只需要服务跟踪框架为该请求创建⼀个唯⼀的标识(即 TraceId ),同时在分布式系统内部流转的时候,框 架始终保持传递该唯⼀值,直到整个请求的返回。那么我们就可以使⽤该唯⼀标识将所有的请求串联起来,形成⼀ 条完整的请求链路。
Span
代表了⼀组基本的⼯作单元。为了统计各处理单元的延迟,当请求到达各个服务组件的时候,也通过⼀个唯⼀标识 ( SpanId )来标记它的开始、具体过程和结束。通过 SpanId 的开始和结束时间戳,就能统计该 span 的调⽤时 间,除此之外,我们还可以获取如事件的名称。请求信息等元数据。
Annotation
⽤它记录⼀段时间内的事件,内部使⽤的重要注释:
- cs(Client Send)客户端发出请求,开始⼀个请求的⽣命。
- sr(Server Received)服务端接受到请求开始进⾏处理, sr-cs = ⽹络延迟(服务调⽤的时间)。
- ss(Server Send)服务端处理完毕准备发送到客户端,ss - sr = 服务器上的请求处理时间。
- cr(Client Reveived)客户端接受到服务端的响应,请求结束。 cr - sr = 请求的总时间。
⼊⻔案例
接下来通过之前的项⽬案例整合 Sleuth ,完成⼊⻔案例的编写。
⽗项⽬中引⼊依赖
<!--链路追踪 Sleuth-->
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-sleuth</artifactId>
</dependency>
项⽬结构
项目一
搭建项目
导入依赖
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-openfeign</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-loadbalancer</artifactId>
</dependency>
<!--链路追踪 Sleuth-->
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-sleuth</artifactId>
</dependency>
配置文件
server:
port: 8061
spring:
application:
name: example-sleuth-service1
cloud:
nacos:
discovery:
namespace: 0e2f3694-d3ef-4a39-8aa6-5622872228ce
server-addr: 192.168.65.3:8848
zipkin:
base-url: http://127.0.0.1:9411/ #zipkin server的请求地址
discoveryClientEnabled: false #让nacos把它当成⼀个URL,⽽不要当做服务名
sleuth:
sampler:
probability: 1.0 #采样的百分⽐
controller包
@Slf4j
@RequestMapping("/service1")
@RestController
public class Service1Controller {
@Resource
private Service2Feign feign;
@GetMapping
public String execute() {
return feign.execute();
}
}
feign包
@FeignClient(value = "example-sleuth-service2")
public interface Service2Feign {
@GetMapping("/service2")
String execute();
}
启动类
@SpringBootApplication
@EnableDiscoveryClient
@EnableFeignClients
public class SpringCloudExampleSleuthService1Application {
public static void main(String[] args) {
SpringApplication.run(SpringCloudExampleSleuthService1Application.class, args);
}
}
项目二
搭建项目
导入依赖
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-openfeign</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-loadbalancer</artifactId>
</dependency>
<!--链路追踪 Sleuth-->
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-sleuth</artifactId>
</dependency>
配置文件
server:
port: 8062
spring:
application:
name: example-sleuth-service2
cloud:
nacos:
discovery:
namespace: 0e2f3694-d3ef-4a39-8aa6-5622872228ce
server-addr: 192.168.65.3:8848
zipkin:
base-url: http://127.0.0.1:9411/ #zipkin server的请求地址
discoveryClientEnabled: false #让nacos把它当成⼀个URL,⽽不要当做服务名
sleuth:
sampler:
probability: 1.0 #采样的百分⽐
controller包
@Slf4j
@RequestMapping("/service2")
@RestController
public class Service2Controller {
@Resource
private Service3Feign feign;
@SneakyThrows
@GetMapping
public String execute() {
Thread.sleep(1000);
return feign.execute();
}
}
feign包
@FeignClient(value = "example-sleuth-service3")
public interface Service3Feign {
@GetMapping("/service3")
String execute();
}
启动类
@SpringBootApplication
@EnableDiscoveryClient
@EnableFeignClients
public class SpringCloudExampleSleuthService2Application {
public static void main(String[] args) {
SpringApplication.run(SpringCloudExampleSleuthService2Application.class, args);
}
}
项目三
搭建项目
导入依赖
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-openfeign</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-loadbalancer</artifactId>
</dependency>
<!--链路追踪 Sleuth-->
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-sleuth</artifactId>
</dependency>
配置文件
server:
port: 8063
spring:
application:
name: example-sleuth-service3
cloud:
nacos:
discovery:
namespace: 0e2f3694-d3ef-4a39-8aa6-5622872228ce
server-addr: 192.168.65.3:8848
zipkin:
base-url: http://127.0.0.1:9411/
discoveryClientEnabled: false
sleuth:
sampler:
probability: 1.0
controller包
@Slf4j
@RestController
@RequestMapping("/service3")
public class Service3Controller {
@SneakyThrows
@GetMapping
public String execute() {
Thread.sleep(2000);
return "Hello,My Name is Service3!";
}
}
启动类
@SpringBootApplication
@EnableDiscoveryClient
@EnableFeignClients
public class SpringCloudExampleSleuthService3Application {
public static void main(String[] args) {
SpringApplication.run(SpringCloudExampleSleuthService3Application.class, args);
}
}
测试结果
查看nacos控制台
启动三个项目
观察结果
TraceId 和SpanId
依次调⽤有⼀个全局的 TraceId ,将调⽤链路串起来。仔细分析每个微服务的⽇志,不难看出请求的具体过程。 查看⽇志⽂件并不是⼀个很好的⽅法,当微服务越来越多⽇志⽂件也会越来越多,通过 Zipkin 可以将⽇志聚合,并进⾏可视化展示和全⽂检索。
原理简述
Sleuth 创建 TraceFilter ,对所有的⽹络请求进⾏拦截,如果请求的 header 中没有 span 信息,则创建Span 对象,⽣成 span id 、 trace id 等当前调⽤链的 Trace 信息记录到 Http Headers 中,如果 header中有,则直接使⽤ header 中的数据创建 Span 对象,之后将 span id 、 trace id 设置到 sl4j 的 MDC 中。这样,我们在⽇志中就能看到 span 信息。
Zipkin的集成
ZipKin介绍
Zipkin 是 Twitter 的⼀个开源项⽬,它基于 Google Dapper 实现,它致⼒于收集服务的定时数据,以解决微服务架构中的延迟问题,包括数据的收集、存储、查找和展现。
我们可以使⽤它来收集各个服务器上请求链路的跟踪数据,并通过它提供的 REST API 接⼝来辅助我们查询跟踪数据以实现对分布式系统的监控程序,从⽽及时地发现系统中出现的延迟升⾼问题并找出系统性能瓶颈的根源。
除了⾯向开发的 API 接⼝之外,它也提供了⽅便的 UI 组件来帮助我们直观的搜索跟踪信息和分析请求链路明细,⽐如:可以查询某段时间内各⽤户请求的处理时间等。 Zipkin 提供了可插拔数据存储⽅式: In-Memory 、 MySql 、 Cassandra 以及 Elasticsearch 。
上图展示了 Zipkin 的基础架构,它主要由 4 个核⼼组件构成:
- Collector:收集器组件,它主要⽤于处理从外部系统发送过来的跟踪信息,将这些信息转换为 Zipkin 内部处理的 Span 格式,以⽀持后续的存储、分析、展示等功能。
- Storage:存储组件,它主要对处理收集器接收到的跟踪信息,默认会将这些信息存储在内存中,我们也可以修改此存储策略,通过使⽤其他存储组件将跟踪信息存储到数据库中。
- RESTful API: API 组件,它主要⽤来提供外部访问接⼝。⽐如给客户端展示跟踪信息,或是外接系统访问以实现监控等。
- Web UI: UI 组件, 基于 API 组件实现的上层应⽤。通过UI组件⽤户可以⽅便⽽有直观地查询和分析跟踪。
Zipkin 分为两端,⼀个是 Zipkin 服务端,⼀个是 Zipkin 客户端,客户端也就是微服务的应⽤。 客户端会配置服务端的 URL 地址,⼀旦发⽣服务间的调⽤的时候,会被配置在微服务⾥⾯的 Sleuth 的监听器监听,并⽣成相应的 Trace 和 Span 信息发送给服务端。
ZipKin服务端安装
https://repo1.maven.org/maven2/io/zipkin/zipkin-server/2.23.18/zipkin-server-2.23.18-exec.jar
访问上⾯的⽹址,即可得到⼀个 jar 包,这就是 ZipKin 服务端的 jar 包。
启动 ZipKin 服务端
通过命令⾏,输⼊下⾯的命令启动 ZipKin Server 。
通过浏览器访问
输⼊以下⽹址: http://localhost:9411访问:
任意版本都可以
下载.jar
浏览器打开
Zipkin客户端集成
ZipKin 客户端和 Sleuth 的集成⾮常简单,只需要在微服务中添加其依赖和配置即可。
引⼊依赖
在每个微服务上添加依赖。
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-zipkin</artifactId>
<version>2.2.8.RELEASE</version>
</dependency>
添加配置
spring:
zipkin:
base-url: http://127.0.0.1:9411/ #zipkin server的请求地址
discoveryClientEnabled: false #让nacos把它当成⼀个URL,⽽不要当做服务名
sleuth:
sampler:
probability: 1.0 #采样的百分⽐
访问微服务
查看运⾏结果