SpringCloud Alibaba学习06-链路追踪

六、链路追踪

在大型系统的微服务化构建中，一个系统被拆分成了许多模块。这些模块负责不同的功能，组合成系统，最终可以提供丰富的功能。在这种架构中，一次请求往往要涉及到多个服务。
互联网应用构建在不同的软件模块集上，这些软件模块，有可能是有不同的团队开发，可能使用不同的编程语言来实现，有可能不在几千台服务器，横跨多个不同的数据中心，也就意味着
这架构形式胡存在如下一些问题

• 如何快速发现问题？
• 如何判断故障影响范围？
• 如何树立服务依赖以及依赖的合理性？
• 符合拆分链路性能问题以及实时容量规划？

6.1 链路追踪介绍

分布式链路追踪（Distributed Tracing）就是将一次分布式请求还原成调用链路，进行日志记录，性能监控并将一次分布式请求的调用情况集中展示。比如各个服务节点上的耗时、请求具体到达哪台机器上、
每个服务街店的请求状态等等

6.2 常用的链路追踪技术

6.2.1 cat

由大众点评开源，基于java开发的实时应用监控平台，包括实时应用监控、业务监控、集成方案是通过代码买点的方式来实现监控，比如：拦截器，过滤器等。对待吗的侵入性很大，集成成本较高。风险较大。

6.2.2 zipkin

由Twitter公司开源，开发源代码分布式的跟踪系统，用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。该产品结合spring-cloud-sleuth使用较为简单，
集成很方便，但是功能较简单。我们可以用它来手机各个服务器上请求链路的跟踪数据，并通过它提供的REST API接口来辅助我们查询跟踪数据以实现对分布式系统的监控程序，从而及时地发现系统中出现的延迟升高问题并
找出系统性能瓶颈的根源。处理面向开发的API接口外，也提供了方便的UI组件来帮助我们直观的搜索跟踪信息和分析请求链路明细。如查询某段时间内个用户请求的处理时间等。提供了可插拔数据存储方式：In-Memory、MySQL、Cassandra以及Elasticsearch

6.2.3 sleuth

SpringCloud提供的分布式系统中链路追踪解决方案

6.3 sleuth入门

6.3.1 sleuth介绍

SpringCloud sleuth主要功能就是在分布式系统中提供追踪解决方案。它大量借用了Google Dapper的设计，有如下相关术语：

• Trace

由一组TraceId相同的Span串联形成的一个树状结构为了实现请求跟踪，当请求到达分布式系统的入口端点时，只需要跟踪框架为该请求创建的一个唯一标识（TraceId）.同时在分布式系统内部流转时，框架
始终保持传递该唯一值，知道整个请求的返回，那么我们就可以使用该唯一标识将所有请求串联起来，形成一条完整的请求链路

• Span

代表一组基本的工作单元。为了统计各处理单元的延迟，当请求到达各个微服务组件的时候，也通过一个唯一表示（SpanId）来标识它的开始、具体过程和结束。通过SpanId的开始和结束时间戳，酒桶统计该span的调用时间。
除此外还可以获取如事件的名称、请求信息等元数据

• Annotation

用它记录一段时间内的时间，内部使用的重要注释

• cs(Client Send)： 客户端发出请求
• sr(Server Received)： 服务端接收到请求开始进行处理，sr-cs=网络延迟（服务调用的时间）
• ss(Server Send)： 服务端处理完毕准备发送到客户端，ss-sr=服务器上的请求处理时间
• cr(Client Received) 客户端接收到服务端的响应，请求结束。cr-sr=请求的总时间

6.3.2 sleuth入门案列

1. 父工程中添加依赖

    
        org.springframework.cloud
        spring-cloud-starter-sleuth
        2.2.1.RELEASE
    

2. 启动微服务，调用后再控制台查看sleuth的日志输出
   

6.4 zipkin集成

6.4.1 ZipKin介绍

上图展示了Zipkin的基础架构，主要由四个核心组件构成

• Collector： 收集器组件，主要用于处理从外部系统发送过来的跟踪信息，将这些信息转换为ZipKin内部处理的Span格式。以支持后续的存储、分析、展示等功能
• Storage： 存储组件，主要对处理收集器收到的跟踪信息，默认会将这些信息存储在内存中，我们也可以修改此存储策略，通过使用其他存储组件将跟踪信息存储到数据库中。
• RESTFul API： API组件，主要用来给外部提供访问接口。如给客户端展示跟踪信息，或是外界系统访问以实现监控等
• Web UI： 基于API组件实现的上层应用。通过UI组件用户可以方便而又直观地查询好分析跟踪信息

ZipKin分为两段，一个是ZipKin服务端，一个是客户端，客户端也就是微服务的应用。客户端会配置服务端的URL地址，一旦发生服务间的调用时，会被配置在微服务里的Sleuth的监听器监听，并生成相应的Trace和Span信息发给服务端

6.4.2 ZipKin服务端安装

1. 下载ZipKin的jar包
   下载ZipKin.jar

2. 通过命令行，输入一下命令启动ZipKin Server

java -jar zipkin-server-2.23.16-exec.jar

3. 打开浏览器，访问localhost:9411
   

6.4.3 ZipKin客户端配置

ZipKin客户端和Sleuth的集成非常简单，只需要在微服务中添加其依赖和配置即可。

1. 在父工程中添加依赖

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

2. 在每个微服务的application.yml中添加配置

spring:
  zipkin:
    base-url: http://localhost:9411/ # zipkin server的请求地址
    discovery-client-enabled: false # 让nacos把他当成URL，而不是服务名
  sleuth:
    sampler:
      probability: 1.0 # 采样百分比
    

3. 访问微服务后再查看webUI
   

6.5 zipkin数据持久化

Zipkin Server默认会将追踪数据信息保存到内存中，一旦服务重启后信息会丢失，因此并不适用于生产环境。ZipKin支持将追踪数据持久化到MySQL或elasticsearch中

6.5.1 使用MySQL实现数据持久化

1. 创建MySQL表

CREATE TABLE IF NOT EXISTS zipkin_spans
(
  `trace_id_high`       BIGINT       NOT NULL DEFAULT 0 COMMENT '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,
  `remote_service_name` VARCHAR(255),
  `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',
  PRIMARY KEY (`trace_id_high`, `trace_id`, `id`)
  ) ENGINE = InnoDB
  ROW_FORMAT = COMPRESSED
  CHARACTER SET = utf8
  COLLATE utf8_general_ci;

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 (`remote_service_name`) COMMENT 'for getTraces and getRemoteServiceNames';
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 DEFAULT 0 COMMENT '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 and autocomplete values';
ALTER TABLE zipkin_annotations
  ADD INDEX (`a_key`) COMMENT 'for getTraces and autocomplete values';
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,
  PRIMARY KEY (`day`, `parent`, `child`)
  ) ENGINE = InnoDB
  ROW_FORMAT = COMPRESSED
  CHARACTER SET = utf8
  COLLATE utf8_general_ci;

2. 在启动ZipKin Server的时候，指定数据保存到MySQL的信息

java -jar zipkin-server-2.23.16-exec.jar --STORAGE_TYPE=mysql --MYSQL_HOST=127.0.0.1 --MYSQL_TCP_PORT=3306 --MYSQL_DB=spring-cloud-alibaba --MYSQL_USER=root --MYSQL_PASS=123456

6.5.2 使用elasticsearch实现数据持久化

1. 下载elasticsearch
   下载地址

2. 进入下载目录的bin,启动es
   

3. 启动zipkin server是指定数据保存的elasticsearch信息

java -jar zipkin-server-2.23.16-exec.jar --STORAGE_TYPE=elasticsearch --ES_HOST=localhost:9200