Spring Cloud 接入 EDAS 之全链路跟踪

在上一篇 Spring Cloud 接入 EDAS 之服务发现篇 中已经讲解了如何接入 EDAS 的服务注册中心。在这一篇中，我们将聊聊全链路跟踪。

全链路跟踪的必要性

微服务框架带来的好处已经无需多言，模块化，解耦，提高了开发的效率，服务具备更好的扩展性等等。但是微服务其实是一把双刃剑，微服务同时也带来了一些问题。
随着业务的拆分越来越细，模块越来越多，一个看似简单的业务动作，很可能跨越了几十个系统，调用链非常复杂。

基于微服务体系之下构建的业务系统存在的问题基本上分为四类。

• 故障定位难

即使是一个简单的下单的动作，用户在页面上点购买按钮，其实它背后是由十几个甚至数十个的微服务去共同完成的，这十几个甚至几十个微服务也由不同的团队去负责，这是微服务的过度协同带来的结果，一旦出现问题，最坏情况下我们也许就要拉上十几个团队一起来看问题。

• 容量预估难

当遇到大促活动时，在以前的单体应用系统当中做容量预估是非常容易的，因为我们大促时候按照预估的流量与当前系统的单机压测容量做一个对比，把所有的系统按比例去扩容就可以了。而在微服务的大促场景下，每一个系统在核心链路当中的参与度、重要性都是不一样的，我们并不能对每一个系统做等比例的扩容，所以微服务架构下的容量预估也是一件难事。

• 资源浪费多

资源浪费多首先是容量预估不准的一个后果，同时资源浪费多背后隐含的另一个问题就是性能优化难，为什么这么说呢？我们当打开一个页面发现它慢的时候，我根本不知道这个页面慢在哪里，瓶颈在哪里，怎么去优化，这些问题累积下来，资源的浪费也成为了一个巨大的问题。

• 链路梳理难

一个新人加入公司的时候，老板让他负责一个系统，他在这个复杂的微服务体系中，就像人第一次在没有地图没有导航的情况下来到一个大城市一样，根本不知道自己身在何处。应用负责人不知道自己的系统被谁依赖了，也不知道自己的系统下游会影响其他哪些人。

EagleEye

EagleEye 就是为了解决上述问题而生的。

EagleEye 简介

EagleEye 是阿里巴巴的分布式追踪系统,基于 Google 的分布式调用跟踪系统 Dapper 实现。
EagleEye 日均处理万亿级别的分布式调用链数据，通过收集和分析在不同的网络调用中进行日志埋点，可以得到同一次请求上的各个系统的调用链关系，有助于梳理应用的请求入口与服务的调用来源、依赖关系，同时，也对分析系统调用瓶颈、估算链路容量、快速定位异常有很大帮助。

EagleEye 如何接入

Spring Cloud 应用接入 EagleEye 很简单，如果你已经使用了 上文 中提到了 EDAS 注册中心，则只需要添加如下依赖即可自动接入 EagleEye。
目前 EDAS 的 EagleEye 已经支持自动对 RestTemplate、AsyncRestTemplate、FeignClient 调用的请求自动进行跟踪。后续我们将接入更多的组件的自动埋点。

    <