一般的,一个分布式服务跟踪系统,主要有三部分:数据收集、数据存储和数据展示。根据系统大小不同,每一部分的结构又有一定变化。譬如,对于大规模分布式系统,数据存储可分为实时数据和全量数据两部分,实时数据用于故障排查(troubleshooting),全量数据用于系统优化;数据收集除了支持平台无关和开发语言无关系统的数据收集,还包括异步数据收集(需要跟踪队列中的消息,保证调用的连贯性),以及确保更小的侵入性;数据展示又涉及到数据挖掘和分析。虽然每一部分都可能变得很复杂,但基本原理都类似。
![bef0b629545494698c5c6798ac9a3571.png](https://i-blog.csdnimg.cn/blog_migrate/b02f39ab3eec38cbe75c1bd5b78f0d06.jpeg)
服务追踪的追踪单元是从客户发起请求(request)抵达被追踪系统的边界开始,到被追踪系统向客户返回响应(response)为止的过程,称为一个“trace”。每个 trace 中会调用若干个服务,为了记录调用了哪些服务,以及每次调用的消耗时间等信息,在每次调用服务时,埋入一个调用记录,称为一个“span”。这样,若干个有序的 span 就组成了一个 trace。在系统向外界提供服务的过程中,会不断地有请求和响应发生,也就会不断生成 trace,把这些带有span 的 trace 记录下来,就可以描绘出一幅系统的服务拓扑图。附带上 span 中的响应时间,以及请求成功与否等信息,就可以在发生问题的时候,找到异常的服务;根据历史数据,还可以从系统整体层面分析出哪里性能差,定位性能优化的目标。
Spring Cloud Sleuth为服务之间调用提供链路追踪。通过Sleuth可以很清楚的了解到一个服务请求经过了哪些服务,每个服务处理花费了多长。从而让我们可以很方便的理清各微服务间的调用关系。此外Sleuth可以帮助我们:
耗时分析: 通过Sleuth可以很方便的了解到每个采样请求的耗时,从而分析出哪些服务调用比较耗时; 可视化错误: 对于程序未捕捉的异常,可以通过集成Zipkin服务界面上看到; 链路优化: 对于调用比较频繁的服务,可以针对这些服务实施一些优化措施。
spring cloud sleuth可以结合zipkin,将信息发送到zipkin,利用zipkin的存储来存储信息,利用zipkin ui来展示数据。
这是Spring Cloud Sleuth的概念图:
![329f12256c25ece6e660b04927df2068.png](https://i-blog.csdnimg.cn/blog_migrate/d6d61ffd4189e7b9a20eba150af0f1aa.jpeg)
ZipKin
Zipkin 是一个开放源代码分布式的跟踪系统,由Twitter公司开源,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。
每个服务向zipkin报告计时数据,zipkin会根据调用关系通过Zipkin UI生成依赖关系图,显示了多少跟踪请求通过每个服务,该系统让开发者可通过一个 Web 前端轻松的收集和分析数据,例如用户每次请求服务的处理时间等,可方便的监测系统中存在的瓶颈。
Zipkin提供了可插拔数据存储方式:In-Memory、MySql、Cassandra以及Elasticsearch。接下来的测试为方便直接采用In-Memory方式进行存储,生产推荐Elasticsearch。快速上手创建zipkin-server项目
项目依赖
org.springframework.cloud spring-cloud-starter-eureka io.zipkin.java zipkin-server io.zipkin.java zipkin-autoconfigure-ui
启动类
@SpringBootApplication @EnableEurekaClient @EnableZipkinServer public class ZipkinApplication { public static void main(String[] args) { SpringApplication.run(ZipkinApplication.class, args); } }
使用了@EnableZipkinServer注解,启用Zipkin服务。
配置文件
eureka: client: serviceUrl: defaultZone: http://localhost:8761/eureka/ server: port: 9000 spring: application: name: zipkin-server
配置完成后依次启动示例项目:spring-cloud-eureka、zipkin-server项目。刚问地址:http://localhost:9000/zipkin/可以看到Zipkin后台页面
![c6806f296ae7ced60073ebd932e1b40c.png](https://i-blog.csdnimg.cn/blog_migrate/45a718f2d3753e06f39dc3cb4c1cf911.jpeg)
项目添加zipkin支持
在项目spring-cloud-producer和spring-cloud-zuul中添加zipkin的支持。
org.springframework.cloud spring-cloud-starter-zipkin
Spring应用在监测到Java依赖包中有sleuth和zipkin后,会自动在RestTemplate的调用过程中向HTTP请求注入追踪信息,并向Zipkin Server发送这些信息。
同时配置文件中添加如下代码:
spring: zipkin: base-url: http://localhost:9000 sleuth: sampler: percentage: 1.0
spring.zipkin.base-url指定了Zipkin服务器的地址,spring.sleuth.sampler.percentage将采样比例设置为1.0,也就是全部都需要。
Spring Cloud Sleuth有一个Sampler策略,可以通过这个实现类来控制采样算法。采样器不会阻碍span相关id的产生,但是会对导出以及附加事件标签的相关操作造成影响。 Sleuth默认采样算法的实现是Reservoir sampling,具体的实现类是PercentageBasedSampler,默认的采样比例为: 0.1(即10%)。不过我们可以通过spring.sleuth.sampler.percentage来设置,所设置的值介于0.0到1.0之间,1.0则表示全部采集。
这两个项目添加zipkin之后,依次进行启动。进行验证
这样我们就模拟了这样一个场景,通过外部请求访问Zuul网关,Zuul网关去调用spring-cloud-producer对外提供的服务。
四个项目均启动后,在浏览器中访问地址:http://localhost:8888/producer/hello?name=neo 两次,然后再打开地址: http://localhost:9000/zipkin/点击对应按钮进行查看。
点击查找看到有两条记录
![c48c6c6824dbd50e6dbdbdfdefc666a6.png](https://i-blog.csdnimg.cn/blog_migrate/6207da0e0d38cca795d7bd5b7fbe368c.jpeg)
点击记录进去页面,可以看到每一个服务所耗费的时间和顺序
![203af59759bb697101cd8ea8591e46a0.png](https://i-blog.csdnimg.cn/blog_migrate/00023425bc5611cbbbc950ed4b5d9f3a.jpeg)
点击依赖分析,可以看到项目之间的调用关系
![ba7d5c3fe69ec6fa81113f2986324779.png](https://i-blog.csdnimg.cn/blog_migrate/c4b4f1e1692f7131cfd8a9806c5fe634.jpeg)
![82c4971c97f400b857ab6ad4f0b654d7.png](https://i-blog.csdnimg.cn/blog_migrate/ca7d1985e93fad42d58da2635b2d0367.jpeg)
想要深入学习的同学们可以加入QQ群讨论哦,QQ讨论群组:984370849 706564342 欢迎加入讨论我们有高阶完整资源笔记分享,也有我们的群体有IT各业人员,可以快速解决在这里寻找到解决问题的办法,没错,我们等着你,分享我们之间的经验,以及我们之间共同但又不同的故事。
![a4ff1c70345a172e169c1551f9069843.png](https://i-blog.csdnimg.cn/blog_migrate/367455c5bb33bf56cd830d5f9e0d4c0e.jpeg)