[菜鸟SpringCloud实战入门]第十章：分布式链路跟踪 Sleuth和Zipkin

时间 2019-12-05

标签菜鸟 springcloud 实战入门第十分布式链路跟踪 sleuth zipkin 栏目系统架构繁體版

原文原文链接

前言

欢迎来到菜鸟SpringCloud实战入门系列(SpringCloudForNoob)，该系列经过层层递进的实战视角，来一步步学习和理解SpringCloud。html

本系列适合有必定Java以及SpringBoot基础的同窗阅读。前端

每篇文章末尾都附有本文对应的Github源代码，方便同窗调试。java

Github仓库地址：git

github.com/qqxx6661/sp…github

菜鸟SpringCloud实战入门系列

你能够经过如下两种途径查看菜鸟SpringCloud实战入门系列：web

关注个人公众号：Rude3Knife 点击公众号下方：技术推文——SpringCloud
菜鸟SpringCloud实战入门专栏导航页(CSDN)

前文回顾：算法

实战版本

SpringBoot：2.0.3.RELEASE
SpringCloud：Finchley.RELEASE

-----正文开始-----

分布式链路跟踪 Sleuth和Zipkin

分布式链路跟踪介绍

对于一个微服务系统，大多数来自外部的请求都会通过数个服务的互相调用，获得返回的结果，一旦结果回复较慢或者返回了不可用，咱们就须要肯定是哪一个微服务出了问题。因而就有了分布式系统调用跟踪的诞生。spring

现今业界分布式服务跟踪的理论基础主要来自于 Google 的一篇论文《Dapper, a Large-Scale Distributed Systems Tracing Infrastructure》，使用最为普遍的开源实现是 Twitter 的 Zipkin，为了实现平台无关、厂商无关的分布式服务跟踪，CNCF 发布了布式服务跟踪标准 Open Tracing。国内，淘宝的“鹰眼”、京东的“Hydra”、大众点评的“CAT”、新浪的“Watchman”、惟品会的“Microscope”、窝窝网的“Tracing”都是这样的系统。docker

Spring Cloud Sleuth 介绍

通常的，一个分布式服务跟踪系统，主要有三部分：数据收集、数据存储和数据展现。根据系统大小不一样，每一部分的结构又有必定变化。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（须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；数据展现又涉及到数据挖掘和分析。虽然每一部分均可能变得很复杂，但基本原理都相似。后端

Spring Cloud Sleuth为服务之间调用提供链路追踪。Sleuth能够帮助咱们：

耗时分析: 经过Sleuth能够很方便的了解到每一个采样请求的耗时，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，能够经过集成Zipkin服务界面上看到;
链路优化: 对于调用比较频繁的服务，能够针对这些服务实施一些优化措施。

Spring Cloud Sleuth的概念图：

trace: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.包含一系列的span，它们组成了一个树型结构
span: 每一个 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”。Span是基本的工做单元。Span包括一个64位的惟一ID，一个64位trace码，描述信息，时间戳事件，key-value 注解(tags)，span处理者的ID（一般为IP）。最开始的初始Span称为根span，此span中span id和 trace id值相同。
Annotation: 用于及时记录存在的事件。经常使用的Annotation以下
- cs - Client Sent：客户端发送一个请求，表示span的开始
- sr - Server Received：服务端接收请求并开始处理它。(sr-cs)等于网络的延迟
- ss - Server Sent：服务端处理请求完成，开始返回结束给服务端。(ss-sr)表示服务端处理请求的时间
- cr - Client Received：客户端完成接受返回结果，此时span结束。(cr-sr)表示客户端接收服务端数据的时间

ZipKin介绍

spring cloud sleuth能够结合zipkin，将信息发送到zipkin，利用zipkin的存储来存储信息，利用zipkin ui来展现数据。

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、查找和展示。

每一个服务向zipkin报告计时数据，zipkin会根据调用关系经过Zipkin UI生成依赖关系图，显示了多少跟踪请求经过每一个服务，该系统让开发者可经过一个 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。

spring cloud sleuth结合zipkin

在使用 Spring Boot 2.x 版本后，官方就不推荐自行定制编译了，让咱们直接使用编译好的 jar 包.也就是说原来经过@EnableZipkinServer或@EnableZipkinStreamServer的路子，启动SpringBootApplication自建Zipkin Server是不行了

安装和部署zipkin

官方提供了一键脚本

curl -sSL https://zipkin.io/quickstart.sh | bash -s
java -jar zipkin.jar
复制代码

若是用 Docker 的话，直接

docker run -d -p 9411:9411 openzipkin/zipkin
复制代码

我使用脚本的方法，在IDEA的terminal里运行java -jar zipkin.jar

访问 http://localhost:9411/zipkin/ ：

修改service-feign和eureka-hi模块设置

接下来咱们须要建造一串调用，咱们使用以前的模块service-feign和eureka-hi

修改子模块eureka-hi和service-feign的pom文件：

添加三个依赖：

<!--分布式链路追踪-->
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-sleuth</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-zipkin</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-webflux</artifactId>
</dependency>
复制代码

修改子模块eureka-hi和service-feign的yml配置文件,添加相关配置：

spring:
    sleuth:
        web:
          client:
            enabled: true
        sampler:
          probability: 1.0 # 将采样比例设置为 1.0，也就是所有都须要。默认是 0.1
      zipkin:
        base-url: http://localhost:9411/ # 指定了 Zipkin 服务器的地址
复制代码

Spring Cloud Sleuth 有一个 Sampler 策略，能够经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，可是会对导出以及附加事件标签的相关操做形成影响。 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%)。不过咱们能够经过spring.sleuth.sampler.percentage来设置，所设置的值介于 0.0 到 1.0 之间，1.0 则表示所有采集。

至此，一切就绪。Spring 应用在监测到 classpath 中有 Sleuth 和 Zipkin 后，会自动在 WebClient（或 RestTemplate）的调用过程当中向 HTTP 请求注入追踪信息，并向 Zipkin Server 发送这些信息。