brave mysql_利用 Zipkin 追踪 Mysql 数据库调用链

利用 Zipkin 追踪 Mysql 数据库调用链

概述

在前面: 微服务调用链追踪中心搭建 https://www.jianshu.com/p/da80ea881424 一文中我们利用 Zipkin 搭建了一个微服务调用链的追踪中心, 并且模拟了微服务调用的实验场景. 利用 Zipkin 的库 Brave, 我们可以收集一个客户端请求从发出到被响应 经历了哪些组件, 哪些微服务, 请求总时长, 每个组件所花时长 等信息.

本文将讲述如何利用 Zipkin 对 Mysql 数据库的调用进行追踪, 这里同样借助 OpenZipkin 库 Brave 来完成.

扩展 ZipkinTool 组件

ZipkinTool 是在微服务调用链追踪中心搭建 https://www.jianshu.com/p/da80ea881424 一文中编写的与 Zipkin 通信的工具组件, 利用其追踪微服务调用链的, 现在我们想追踪 Mysql 数据库调用链的话, 可以扩展一下其功能.

pom.xml 添加依赖:

io.zipkin.brave

brave-mysql

4.0.6

在 ZipkinConfiguration 类中添加 MySQLStatementInterceptorManagementBean@Bean

publicMySQLStatementInterceptorManagementBeanmySQLStatementInterceptorManagementBean(){

returnnewMySQLStatementInterceptorManagementBean(brave().clientTracer());

}

添加 Mysql 数据库访问的微服务

依然继承前文:微服务调用链追踪中心搭建 https://www.jianshu.com/p/da80ea881424 , 我们改造一下文中的 ServiceC 这个微服务, 在其中添加与 Mysql 数据库的交互.

pom.xml 中添加 JDBC 和 Mysql 依赖

org.springframework.boot

spring-boot-starter-jdbc

mysql

mysql-connector-java

runtime

application.properties 中添加 Mysql 连接的配置spring.datasource.driver-class-name=com.mysql.jdbc.Driver

spring.datasource.url=jdbc:mysql:// 你的 Mysql 服务所在 IP:3307/test?useSSL=false\

&statementInterceptors=com.github.kristofa.brave.mysql.MySQLStatementInterceptor\

&zipkinServiceName=mysqlService

spring.datasource.username=root

spring.datasource.password=XXXXXX

Controller 中添加 JdbcTemplate 访问数据库的代码@GetMapping("/mysqltest")

publicStringmysqlTest(){

Stringname=jdbcTemplate.queryForObject("SELECT name FROM user WHERE id = 1",String.class);

return"Welcome"+name;

}

启动 Mysql 数据库服务

1. 启动 Mysql 容器

docker run -d -p 3307:3306 \-v~/mysql/data:/var/lib/mysql \

-v~/mysql/conf:/etc/mysql/conf.d \

-e MYSQL_ROOT_PASSWORD=XXXXXX \

--name mysql mysql

2. 再启动一个 Mysql 容器, 接入其中做一些设置

首先进入 mysql 命令行docker run-it--rm \

--link mysql:mysql mysql \

mysql -hmysql -u root -p

接下来创建数据库 zipkin: 用于存放 Zipkin 所收集的数据CREATE DATABASE`zipkin`

CREATE TABLE IF NOT EXISTS zipkin_spans(

`trace_id_high`BIGINT NOT NULL DEFAULT0COMMENT'If non zero, this means the trace uses 128 bit traceIds instead of 64 bit',

`trace_id`BIGINT NOT NULL,

`id`BIGINT NOT NULL,

`name`VARCHAR(255)NOT NULL,

`parent_id`BIGINT,

`debug`BIT(1),

`start_ts`BIGINT COMMENT'Span.timestamp(): epoch micros used for endTs query and to implement TTL',

`duration`BIGINT COMMENT'Span.duration(): micros used for minDuration and maxDuration query'

) ENGINE=InnoDB ROW_FORMAT=COMPRESSED CHARACTER SET=utf8 COLLATE utf8_general_ci;ALTER TABLE zipkin_spans ADD UNIQUE KEY(`trace_id_high`,`trace_id`,`id`)COMMENT'ignore insert on duplicate';

ALTER TABLE zipkin_spans ADD INDEX(`trace_id_high`,`trace_id`,`id`)COMMENT'for joining with zipkin_annotations';

ALTER TABLE zipkin_spans ADD INDEX(`trace_id_high`,`trace_id`)COMMENT'for getTracesByIds';

ALTER TABLE zipkin_spans ADD INDEX(`name`)COMMENT'for getTraces and getSpanNames';

ALTER TABLE zipkin_spans ADD INDEX(`start_ts`)COMMENT'for getTraces ordering and range';

CREATE TABLE IF NOT EXISTS zipkin_annotations(

`trace_id_high`BIGINT NOT NULL DEFAULT0COMMENT'If non zero, this means the trace uses 128 bit traceIds instead of 64 bit',

`trace_id`BIGINT NOT NULL COMMENT'coincides with zipkin_spans.trace_id',

`span_id`BIGINT NOT NULL COMMENT'coincides with zipkin_spans.id',

`a_key`VARCHAR(255)NOT NULL COMMENT'BinaryAnnotation.key or Annotation.value if type == -1',

`a_value` BLOB COMMENT 'BinaryAnnotation.value(), which must be smaller than 64KB',`a_type`INT NOT NULL COMMENT'BinaryAnnotation.type() or -1 if Annotation',

`a_timestamp`BIGINT COMMENT'Used to implement TTL; Annotation.timestamp or zipkin_spans.timestamp',

`endpoint_ipv4`INT COMMENT'Null when Binary/Annotation.endpoint is null',

`endpoint_ipv6`BINARY(16)COMMENT'Null when Binary/Annotation.endpoint is null, or no IPv6 address',

`endpoint_port`SMALLINT COMMENT'Null when Binary/Annotation.endpoint is null',

`endpoint_service_name`VARCHAR(255)COMMENT'Null when Binary/Annotation.endpoint is null'

) ENGINE=InnoDB ROW_FORMAT=COMPRESSED CHARACTER SET=utf8 COLLATE utf8_general_ci;ALTER TABLE zipkin_annotations ADD UNIQUE KEY(`trace_id_high`,`trace_id`,`span_id`,`a_key`,`a_timestamp`)COMMENT'Ignore insert on duplicate';

ALTER TABLE zipkin_annotations ADD INDEX(`trace_id_high`,`trace_id`,`span_id`)COMMENT'for joining with zipkin_spans';

ALTER TABLE zipkin_annotations ADD INDEX(`trace_id_high`,`trace_id`)COMMENT'for getTraces/ByIds';

ALTER TABLE zipkin_annotations ADD INDEX(`endpoint_service_name`)COMMENT'for getTraces and getServiceNames';

ALTER TABLE zipkin_annotations ADD INDEX(`a_type`)COMMENT'for getTraces';

ALTER TABLE zipkin_annotations ADD INDEX(`a_key`)COMMENT'for getTraces';

ALTER TABLE zipkin_annotations ADD INDEX(`trace_id`,`span_id`,`a_key`)COMMENT'for dependencies job';

CREATE TABLE IF NOT EXISTS zipkin_dependencies(

`day`DATE NOT NULL,

`parent`VARCHAR(255)NOT NULL,

`child`VARCHAR(255)NOT NULL,

`call_count`BIGINT,

`error_count`BIGINT

) ENGINE=InnoDB ROW_FORMAT=COMPRESSED CHARACTER SET=utf8 COLLATE utf8_general_ci;

ALTER TABLE zipkin_dependencies ADD UNIQUE KEY(`day`, `parent`, `child`);

这里创建了三个数据表.

该 Sql 文件可以从以下链接获得: https://github.com/openzipkin/zipkin/blob/master/zipkin-storage/mysql/src/main/resources/mysql.sql

Sql 脚本执行完成后, 可以看到 zipkin 相关的三个表已经建成:

创建数据库 test: 用作测试数据库CREATE DATABASE`test`

CREATE TABLE`user`(

`id`int(11)unsignedNOT NULL auto_increment,

`name`varchar(100)DEFAULT NULL,

PRIMARY KEY(`id`)

)ENGINE=InnoDBDEFAULT CHARSET=utf8;

insertintouser values(1,"hansonwang99")

这里插入了一条数据用于实验.

启动 zipkin 服务

docker run -d -p 9411:9411 \--link mysql:mysql \

-e STORAGE_TYPE=mysql \

-e MYSQL_HOST=mysql \

-e MYSQL_TCP_PORT=3306\

-e MYSQL_DB=zipkin \

-e MYSQL_USER=root \

-e MYSQL_PASS=XXXXXX \

--name zipkin openzipkin/zipkin

启动 Mysql 数据库访问的微服务 (即 ServiceC)

在浏览器中输入: localhost:8883/mysqltest, 如果看到以下输出, 就可以证明数据库调用操作已经成功了!

Zipkin 追踪数据库调用实际实验

** 浏览器输入:**http://localhost:9411/zipkin/

打开 Zipkin web UI, 点击服务名下拉列表能看见已经成功识别了 Mysql 数据库调用服务

选中 mysqlservice 后, 点击 Find Traces

可以看到 首次查询 Mysql 的调用链追踪信息, 有很多

随便点开某一个查看:

** 接下来浏览器中再次输入:**localhost:8883/mysqltest

目的是再次触发 Mysql 的调用, 然后再次 Find Traces, 可以看到追踪数据类似下图: 包含两次 Mysql 的 query 动作:

点开第一个 query 查看, 其实际上是在 尝试连接 Mysql 数据库

点开第二个 query 查看, 发现这里才是 实际查询业务

从图形化界面上可以清楚地知道每个阶段的详细步骤与耗时, 因此可以用来分析哪个 SQL 语句执行相对较慢.

后记

本文实验所用源码已经开源, 需要的话请 自取 https://github.com/hansonwang99/Zipkin_Traces .

作者更多的原创文章: 在掘金作者专栏

作者一些其他容器化, 微服务化方面的文章:

微服务调用链追踪中心搭建 https://www.jianshu.com/p/da80ea881424

利用 K8S 技术栈打造个人私有云连载文章 https://www.jianshu.com/p/9bc87b5380e8

Docker 容器可视化监控中心搭建 https://www.jianshu.com/p/9e47ffaf5e31

利用 ELK 搭建 Docker 容器化应用日志中心 https://www.jianshu.com/p/a40c36beee63

Spring Boot 应用监控实战 https://www.jianshu.com/p/e9ce05b44150

来源: https://juejin.im/post/5aef910f51882567244de36d