没停服务 就先替换jar包_微服务利剑之APM平台（二）Pinpoint

SpringCloud系列教程 | 第十六篇：微服务利剑之APM平台(二)Pinpoint

Springboot: 2.1.7.RELEASE

SpringCloud: Greenwich.SR2

• SpringCloud系列教程 | 第十六篇：微服务利剑之APM平台(二)Pinpoint
• 1. Pinpoint概述
• 2. Pinpoint主要特性
• 3. Pinpoint优势
• 4. Pinpoint架构简介
• 5. Pinpoint数据结构简介
• 6. Pinpoint版本依赖
• 7. Spring Cloud与Pinpoint实战
• 8. 小结

1. Pinpoint概述

Pinpoint是一个由韩国人编写的为大型分布式系统服务的链路跟踪平台，并提供大量链路跟踪数据分析汇总解决方案。自2012年7月开始开发，与2015年1月做为一个开源项目推出。

2. Pinpoint主要特性

• 分布式事务跟踪，跟踪跨分布式应用的消息。
• 自动检测应用拓扑，帮助你搞清楚应用的架构。
• 水平扩展以便支持大规模服务器集群。
• 提供代码级别的可见性以便轻松定位失败点和瓶颈。
• 使用字节码增强技术，添加新功能而无需修改代码。

3. Pinpoint优势

• 无入侵：采用字节码增强技术，新增功能无需修改代码。
• 性能高：对性能的影响非常小(资源使用量最小仅增加3%)，异步数据传输，采用UDP协议让出网络连接优先级。

4. Pinpoint架构简介

先看一下官方提供的架构图，如图：

Pinpoint主要包含了4个组件：

• Pinpoint Agent：探针，附加到用于分析的Java服务
• Pinpoint Collector：数据收集组件，部署在Web容器上
• Pinpoint Web UI：数据展示组件，部署在Web容器上
• HBase Storage：数据存储组件

架构图从上往下看，首先是通过Agent组件收集需要的数据，通过UPD/TCP的方式将数据发送给Collector，由Collector将数据分析整理过后存入HBase，通过Web UI组件将分析好的数据从HBase中读出，展示在现代化的UI界面上。

5. Pinpoint数据结构简介

Pinpoint中，核心数据结构由Span, Trace, 和 TraceId组成。

• Span: RPC (远程过程调用/remote procedure call)跟踪的基本单元; 当一个RPC调用到达时指示工作已经处理完成并包含跟踪数据。为了确保代码级别的可见性，Span拥有带SpanEvent标签的子结构作为数据结构。每个Span包含一个TraceId。
• Trace: 多个Span的集合; 由关联的RPC (Spans)组成. 在同一个trace中的span共享相同的TransactionId。Trace通过SpanId和ParentSpanId整理为继承树结构.
• TraceId: 由 TransactionId, SpanId, 和 ParentSpanId 组成的key的集合. TransactionId 指明消息ID，而SpanId 和 ParentSpanId 表示RPC的父-子关系。
• TransactionId (TxId): 在分布式系统间单个事务发送/接收的消息的ID; 必须跨整个服务器集群做到全局唯一.
• SpanId: 当收到RPC消息时处理的工作的ID; 在RPC请求到达节点时生成。
• ParentSpanId (pSpanId): 发起RPC调用的父span的SpanId. 如果节点是事务的起点，这里将没有父span - 对于这种情况， 使用值-1来表示这个span是事务的根span。

6. Spring Cloud与Pinpoint实战

在介绍实战之前，我们先介绍一下Pinpoint部署构建。

笔者构建的一些前置条件：

java：1.8

CentOS：7.6

1. HBase部署

存储方式需要使用HBase1.2.x的版本，笔者这里选择的是HBase1.2.6，下载地址为Apache官网，推荐使用有端点续传功能的下载器下载(实在是有点慢)，HBase全版本下载地址：http://archive.apache.org/dist/hbase/ ，各位读者选择自己喜欢的版本下载。

下载完成后，将HBase1.2.6放入CentOS的opt目录中，执行如下命令：

tar -xvzf hbase-1.2.6-bin.tar.gzmv hbase-1.2.6/ /data/service/hbase/

修改hbase中config目录中的JAVA_HOME，将这里的JAVA_HOME修改为自己本地的路径，笔者这里修改如下：

export JAVA_HOME=/opt/jdk1.8.0_221

修改完成后就可以进入hbase的bin目录，启动hbase了，执行如下语句：

./start-hbase.sh

启动成功后，可以执行jps，如果看到有HMaster，可有证明启动成功，如下：

19263 HMaster

也可以打开浏览器访问：http://ip:16010/master-status ，结果如图：

接下来我们先把Pinpoint的HBase的构建脚本导入，进入HBase的bin目录下执行如下语句：

./hbase shell /opt/hbase-create.hbase

数据导入成功我们在HBase的UI界面上可以看到，如图：

后面的目录是笔者用来存放HBase初始化脚本的路径，各位读者可根据情况自行替换，至此，HBase环境准备完成，接下来开始部署Collector和Web UI。

1. Collector和Web UI部署

出于简单方便考虑，不推荐初学者自行编译代码进行部署，可以直接使用官方提供的发行版本进行部署。

浏览器访问链接：https://github.com/naver/pinpoint/releases/ ，直接下载当前最新Release版本即可，笔者现在看到的最新版本是1.8.4，如图，需要下载的内容有pinpoint-agent-1.8.4.tar.gz、pinpoint-collector-1.8.4.war和pinpoint-web-1.8.4.war。

首先需要准备两个tomcat，笔者这里下载的tomcat8，解压两份后并重命名为apache-tomcat-pinpoint-collector和apache-tomcat-pinpoint-web。

将apache-tomcat-pinpoint-collector中的config中的server.xml进行修改。

将8005改成18005，8080改成18080，8443改为18443，8009改为18009。

同样也将apache-tomcat-pinpoint-web中的config中的server.xml进行修改。

将8005改成28005，8080改成28080，8443改为28443，8009改为28009。

将apache-tomcat-pinpoint-collector中的webapp/ROOT清空，将pinpoint-collector-1.8.4.war放入并解压。解压完成后就可以进入bin目录使用./startup.sh启动tomcat了，并且使用命令tail -f ../logs/catalina.out观察启动日志是否启动成功。

同样，将apache-tomcat-pinpoint-web中的webapp/ROOT清空，将pinpoint-web-1.8.4.war放入并解压。解压完成后就可以进入bin目录使用./startup.sh启动tomcat了，并且使用命令tail -f ../logs/catalina.out观察启动日志是否启动成功。

当Collector和Web UI都启动成功后，就可以使用打开浏览器访问：http://ip:28080/#/main ，初次访问如图：

1. Agent启用

实战案例，本实战案例和上一篇实战案例保持一致，同样是4个服务，包括Zuul-Service、Eureka-Service、Consumer-Service和Provider-Service。具体实现代码本章不再列出，各位读者可以参考上一篇或者Github仓库(https://github.com/meteor1993/SpringCloudLearning/tree/master/chapter15)，下面我们介绍Spring Cloud是如何与Pinpoint整合使用的。

接入方式和上一篇的Skywalking是一致的，都是使用探针技术接入应用程序，java -jar的方式来加载Agent探针。

首先在工程的跟目录中执行mvn install，而后在CentOS的opt中新建4个目录，分别存放4个打好包的工程。笔者这里创建的4个目录分别为/opt/project/consumer_service，/opt/project/eureka_service，/opt/project/provider_service和/opt/project/zuul_service，将4个jar包分别放入对应的目录中，并解压刚才我们下载好的pinpoint-agent-1.8.4.tar.gz探针，我们将解压后的探针放在/opt的目录中，接下来，我们使用如下命令，顺次启动4个jar包：

java -javaagent:/opt/pinpoint-bootstrap-1.8.4.jar -Dpinpoint.agentId=consumer-service -Dpinpoint.applicationName=consumer-server -jar /opt/project/consumer_service/consumer-0.0.1-SNAPSHOT.jarjava -javaagent:/opt/pinpoint-bootstrap-1.8.4.jar -Dpinpoint.agentId=eureka-service -Dpinpoint.applicationName=eureka-server -jar /opt/project/eureka_service/eureka-0.0.1-SNAPSHOT.jarjava -javaagent:/opt/pinpoint-bootstrap-1.8.4.jar -Dpinpoint.agentId=provider-service -Dpinpoint.applicationName=provider-server -jar /opt/project/provider_service/provider-0.0.1-SNAPSHOT.jarjava -javaagent:/opt/pinpoint-bootstrap-1.8.4.jar -Dpinpoint.agentId=zuul-service -Dpinpoint.applicationName=zuul-server -jar /opt/project/zuul_service/zuul-0.0.1-SNAPSHOT.jar

上述命令执行完成之后，再打开Web UI查看显示情况。

首先打开浏览器访问：http://192.168.44.129:8080/client/hello?name=spring ，页面正常显示Hello, name is spring，查看Pinpoint的Web UI，如图：

图清楚的显示了我们当前系统的拓扑结构，横线上面的数字代表了调用次数，右边部分，最上面显示的是成功和失败的情况，中间部分显示的是响应时间，下面显示的是加载所使用的时间。

检查器(Inspector)：这里已Zuul-Service为例，Timeline显示的是请求的时间段，Information显示的是节点的一些当前信息，包含Application Name、Agent Id、Agent版本、JVM信息、开始时间等。

Heap信息的使用情况，如图：

系统CPU、活动线程、响应时间等信息如图：

更多Pinpoint的信息，读者可以通过官方Demo(http://125.209.240.10:10123/#/main )或者自行构建试验来查看结果，这里不再一一赘述。至此，Spring Cloud和Pinpoint的使用介绍也就完成了。更多有关Pinpoint的信息各位读者可以前往Github的官网进行查阅，地址为：https://github.com/naver/pinpoint 。

7. 小结

这里总结一下整个案例的启动顺序：

1. 启动HBase
2. 启动collector
3. 启动Web-UI
4. 启动Agent(Eureka、provider、consumer、zuul)
5. 应用调用
6. 访问Web-UI查看统计信息

同Skywalking一样，以上启动顺序供各位读者参考，请各位读者最好按照以上顺序启动，因为不同的组件之前其实是有相互依赖关系的，如果随意更改启动顺序可能会造成某些未知问题。至此，Spring Cloud和APM的相关操作就告一段落了。APM可以很好的帮我们理解系统行为，也是分析系统性能的工具，更是发生问题故障的时候利器，可以帮我们快速的定位查找问题。