SpringCloud与zipkin(链路跟踪)

一、下载、安装zipkin

zipkin的github地址：https://github.com/openzipkin/zipkin

下载：zipkin-server-2.11.5-exec.jar

执行：java -jar zipkin-server-2.11.5-exec.jar

访问地址：http://localhost:9411/zipkin/

二、在服务提供方、与消费方的pom.xml文件中添加依赖

	org.springframework.cloud
	spring-cloud-starter-zipkin

三、配置application.yml文件

spring:
  application:
    name: consumer-dept
  zipkin:
       base-url: http://localhost:9411 #zipkin地址
  sleuth:
    sampler:
      percentage: 1 #抽样百分比(默认是0.1，即10%)-(只抽样监控10的请求%)

四、消费方发起请求，调用服务提供方的查询部门信息的接口

import java.util.List;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.web.client.RestTemplate;
import com.f6car.springcloud.entities.Dept;

@RestController
public class DeptController_Consumer {

    private static final String REST_URL_PREFIX = "http://MICROSERVICECLOUD-DEPT";

    @Autowired
    private RestTemplate restTemplate;

    @RequestMapping(value = "/consumer/dept/get/{id}")
    public Dept get(@PathVariable("id") Long id) {
        return restTemplate.getForObject(REST_URL_PREFIX + "/dept/get/" + id, Dept.class);
    }
}

五、查看zipkin

点击json按钮，查看详情信息：

[
  {
    "traceId": "aba1676129d21fce",
    "parentId": "aba1676129d21fce",
    "id": "8aed49b22ffbb25a",
    "kind": "CLIENT",
    "name": "http:/dept/get/1",
    "timestamp": 1537668515817000,
    "duration": 445000,
    "localEndpoint": {
      "serviceName": "consumer-dept",
      "ipv4": "192.168.0.105",
      "port": 80
    },
    "tags": {
      "http.host": "MICROSERVICECLOUD-DEPT",
      "http.method": "GET",
      "http.path": "/dept/get/1",
      "http.url": "http://MICROSERVICECLOUD-DEPT/dept/get/1",
      "spring.instance_id": "192.168.0.105:consumer-dept:80"
    }
  },
  {
    "traceId": "aba1676129d21fce",
    "id": "aba1676129d21fce",
    "kind": "SERVER",
    "name": "http:/consumer/dept/get/1",
    "timestamp": 1537668515785000,
    "duration": 547193,
    "localEndpoint": {
      "serviceName": "consumer-dept",
      "ipv4": "192.168.0.105",
      "port": 80
    },
    "tags": {
      "mvc.controller.class": "DeptController_Consumer",
      "mvc.controller.method": "get",
      "spring.instance_id": "192.168.0.105:consumer-dept:80"
    }
  },
  {
    "traceId": "aba1676129d21fce",
    "parentId": "aba1676129d21fce",
    "id": "8aed49b22ffbb25a",
    "kind": "SERVER",
    "name": "http:/dept/get/1",
    "timestamp": 1537668516243000,
    "duration": 2000,
    "localEndpoint": {
      "serviceName": "microservicecloud-dept",
      "ipv4": "192.168.0.105",
      "port": 8001
    },
    "tags": {
      "mvc.controller.class": "DeptController",
      "mvc.controller.method": "get",
      "spring.instance_id": "192.168.0.105:microservicecloud-dept:8001"
    },
    "shared": true
  }
]

traceId：标记一次请求的跟踪，相关的Spans都有相同的traceId；
id：span id；
name：span的名称，一般是接口方法的名称；
parentId：可选的id，当前Span的父Span id，通过parentId来保证Span之间的依赖关系，如果没有parentId，表示当前Span为根Span；
timestamp：Span创建时的时间戳，使用的单位是微秒（而不是毫秒），所有时间戳都有错误，包括主机之间的时钟偏差以及时间服务重新设置时钟的可能性，
出于这个原因，Span应尽可能记录其duration；
duration：持续时间使用的单位是微秒（而不是毫秒）；
annotations：注释用于及时记录事件；有一组核心注释用于定义RPC请求的开始和结束；

cs:Client Send，客户端发起请求；
sr:Server Receive，服务器接受请求，开始处理；
ss:Server Send，服务器完成处理，给客户端应答；
cr:Client Receive，客户端接受应答从服务器；

binaryAnnotations：二进制注释，旨在提供有关RPC的额外信息。

六、补充

        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。         
       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：

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。

Zipkin是什么
Zipkin分布式跟踪系统；它可以帮助收集时间数据，解决在microservice架构下的延迟问题；它管理这些数据的收集和查找；Zipkin的设计是基于谷歌的Google Dapper论文。
每个应用程序向Zipkin报告定时数据，Zipkin UI呈现了一个依赖图表来展示多少跟踪请求经过了每个应用程序；如果想解决延迟问题，可以过滤或者排序所有的跟踪请求，并且可以查看每个跟踪请求占总跟踪时间的百分比。

为什么使用Zipkin
随着业务越来越复杂，系统也随之进行各种拆分，特别是随着微服务架构和容器技术的兴起，看似简单的一个应用，后台可能有几十个甚至几百个服务在支撑；一个前端的请求可能需要多次的服务调用最后才能完成；当请求变慢或者不可用时，我们无法得知是哪个后台服务引起的，这时就需要解决如何快速定位服务故障点，Zipkin分布式跟踪系统就能很好的解决这样的问题。

参考地址：https://segmentfault.com/a/1190000012342007