跳至主要內容

16. Sleuth + Zipkin分布式请求链路跟踪

PangHu大约 8 分钟

1. Spring Cloud Sleuth概述

Spring Cloud Sleuth：官网

Spring Cloud Sleuth为Spring Cloud实现分布式跟踪解决方案。

微服务跟踪(sleuth)其实是一个工具,它在整个分布式系统中能跟踪一个用户请求的过程(包括数据采集，数据传输，数据存储，数据分析，数据可视化)，捕获这些跟踪数据，就能构建微服务的整个调用链的视图，这是调试和监控微服务的关键工具。

SpringCloudSleuth有几个特点：

特点说明
提供链路追踪通过sleuth可以很清楚的看出一个请求经过了哪些服务， 可以方便的理清服务间的调用关系
性能分析通过sleuth可以很方便的看出每个采集请求的耗时，分析出哪些服务调用比较耗时，当服务调用的耗时，随着请求量的增大而增大时，也可以对服务的扩容提供一定的提醒作用
数据分析及优化链路对于频繁地调用一个服务，或者并行地调用等， 可以针对业务做一些优化措施
可视化对于程序未捕获的异常，可以在zipkpin界面上看到

2. 基本术语

Spring Cloud Sleuth借用了Dapper的术语。

2.1 Span (跨度)

工作的基本单位。通俗的理解span就是一次请求信息，发送一个远程调度任务就会产生一个Span。 Span 由一个64位ID唯一标识的，Trace 是用另一个64位ID唯一标识的，Span 还有其他数据信息，比如摘要、时间戳事件、Span的ID、进度ID、键值注释（标签），导致它们的跨度的ID以及进程ID（通常是IP地址）。创建跨度后，必须在将来的某个时刻停止。

2.2 Trace(跟踪)

类似于树结构的span集合，表示一条调用链路，存在唯一标识。请求一个微服务系统的API接口，这个API接口，需要调用多个微服务，调用每个微服务都会产生一个新的Span,所有由这个请求产生的Span组成了这个Trace。

启动跟踪的初始范围称为root span。该跨度的跨度id的值等于跟踪ID。

2.3 Annotation (标注)

用来及时记录一个事件的存在，一些核心注解用来定义一个请求的开始和结束。这些注解包括以下: cs - 客户端发送 - 客户端发送一个请求，这个注解描述了这个跨度的开始 sr - 服务器接收 - 服务器端得到请求，并将开始处理它。如果从此时间戳中减去cs时间戳，可得到网络传输的时间。 ss - 服务器发送 - 该注解表明请求处理的完成(当请求返回客户端)。如果从此时间戳中减去sr时间戳，就可以得到服务器请求的时间。 cr - 客户端接收 - 表示跨度的结束。客户端已成功接收到服务器端的响应。如果从此时间戳中减去cs时间戳，则会收到客户端从服务器接收响应所需的整个时间，即整个请求所消耗的时间。

3. Sleuth与Zipkin的关系

1、这里需要提一下Sleuth与Zipkin的关系，为什么链路跟踪经常围绕着二者一起叙述？

  • sleuth ：链路追踪器
  • zipkin：链路分析器。可以理解为可视化界面，配合Sleuth可以清晰定位请求流程。 zipkin是Twitter基于google的分布式监控系统Dapper（论文）的开发源实现

2、可视化Span和Trace将与Zipkin注释一起查看系统： 在这里插入图片描述 一个音符的每个颜色表示跨度（7 spans - 从A到G）。如果您在笔记中有这样的信息：

Trace Id = X
Span Id = D
Client Sent

这意味着，当前的跨度痕量-ID设置为X，Span -编号设置为ð。它也发出了 客户端发送的事件。

这样，spans的父/子关系的可视化将如下所示： 在这里插入图片描述

可以在Zipkin中查看痕迹：共有7个spans，如果选择特定的跟踪，将看到合并后的4个spans

4. Sleuth特性

1、将跟踪和跨度添加到Slf4J MDC，以便可以从日志聚合器中的给定跟踪或跨度中提取所有日志。示例日志：

2023-02-02 15:30:57.902  INFO [bar,6bfd228dc00d216b,6bfd228dc00d216b,false] 23030 --- [nio-8081-exec-3] ...
2023-02-02 15:30:58.372 ERROR [bar,6bfd228dc00d216b,6bfd228dc00d216b,false] 23030 --- [nio-8081-exec-3] ...
2023-02-02 15:31:01.936  INFO [bar,46ab0d418373cbc9,46ab0d418373cbc9,false] 23030 --- [nio-8081-exec-4] ...

## 注意MDC中的[appname,traceId,spanId,exportable]条目：
spanId - 发生特定操作的ID
appname - 记录跨度的应用程序的名称
traceId - 包含跨度的延迟图的ID
导出 -日志是否应该被导出到Zipkin与否。你什么时候希望跨度不能出口？在这种情况下，你想在Span中包装一些操作，并将它写入日志。

顺便提一下常用的日志聚合工具Kibana， Splunk、Logstash等

2、从Spring应用程序（servlet过滤器、rest模板、调度操作、消息通道、外部客户端）中插入常见的入口和出口点。

3、提供对共同分布式跟踪数据模型的抽象：trace，spans（形成DAG），注释，键值注释。松散地基于HTrace，但Zipkin（Dapper）兼容。

4、Sleuth记录定时信息以辅助延迟分析。Sleuth被写入不会记录太多，并且不会导致您的生产应用程序崩溃。

5、Sleuth包括在http或消息传递边界上加入跟踪的默认逻辑。例如，http传播通过Zipkin兼容的请求标头工作。该传播逻辑是通过SpanInjector和SpanExtractor实现来定义和定制的。

6、Sleuth可以在进程之间传播上下文（也称为行李）。这意味着如果您设置了Span行李元素，那么它将通过HTTP或消息传递到其他进程发送到下游。

7、提供创建/继续spans并通过注释添加标签和日志的方法。

8、提供接受/删除spans的简单指标。

9、如果spring-cloud-sleuth-zipkin，则应用程序将生成并收集Zipkin兼容的跟踪。默认情况下，它通过HTTP将其发送到localhost上的Zipkin服务器（端口9411）。使用spring.zipkin.baseUrl配置服务的位置。

10、如果spring-cloud-sleuth-stream，则该应用将通过Spring Cloud Stream生成和收集跟踪。您的应用程序自动成为通过您的代理商发送的跟踪消息的生产者（例如RabbitMQ，Apache Kafka，Redis））。

重要：如果使用Zipkin或Stream，请使用spring.sleuth.sampler.percentage（默认0.1，即10％）配置spans的百分比。否则你可能认为Sleuth不工作，因为它省略了一些spans。

5. 项目集成

5.1 zipkin搭建安装

首先你要清楚zipkin也是分客户端服务端的。

Spring Boot 2.0不支持@EnableZipkinServer，所以需要下载Zipkin的服务器到本地

在这里插入图片描述
在这里插入图片描述

按照提示操作即可：

，本文下载zipkin-server.2.12.9-exec.jarimg 访问控制台：

在这里插入图片描述
在这里插入图片描述

若启动失败由于端口（zipkin默认端口9411）占用，mac环境下执行：lsof -i tcp:9411 查看端口占用程序，然后sudo kill -9 PID 即可。

SpringCloud从F版开始起就不需要自己构建ZipKin Server了，只需要调用jar包即可。

5.2 添加依赖

服务提供者（payment）和消费者（order）工程均添加依赖：

<!--依赖包含了sleuth，所以不需要再单独引入sleuth-->
 <dependency>
            <groupId>org.springframework.cloud</groupId>
            <artifactId>spring-cloud-starter-zipkin</artifactId>
</dependency>

这里小编有话要说，如果上边的依赖飘红引不进来，那么原因可能是你使用的cloud版本已经移除了spring-cloud-starter-zipkin，需要使用下边的来替代：

<dependency>
     <groupId>org.springframework.cloud</groupId>
     <artifactId>spring-cloud-starter-sleuth</artifactId>
 </dependency>
 <dependency>
     <groupId>org.springframework.cloud</groupId>
     <artifactId>spring-cloud-sleuth-zipkin</artifactId>
 </dependency>

查看我的SpringBoot2.5.6对应的cloud的官方文档后看到已经被移除了

5.3 添加配置

服务提供者（payment）和消费者（order）工程均添加配置：

spring:
  zipkin:
    #zipkin服务所在地址
    base-url: http://localhost:9411/
    sender:
      type: web #使用http的方式传输数据
    #配置采样百分比
    sleuth:
      sampler:
        probability: 1 # 将采样比例设置为 1.0，也就是全部都需要。默认是0.1也就是10%，一般情况下，10%就够用了
##打开debug日志
logging:
  level:
    org.springframework.web.servlet.DispatcherServlet: DEBUG

值得一提的是这里配置的type=web:

在这里插入图片描述
在这里插入图片描述

type=web也就是通过 HTTP 的方式发送数据到 Zipkin ，如果请求量比较大，这种方式其实性能是比较低的，一般情况下我们都是通过消息中间件来发送，比如 RabbitMQ 。

如果日志数据量比较大，一般推荐拥有更高吞吐量的 Kafka 来进行日志推送。

这种方式就是让服务将 Sleuth 收集的日志推给 MQ ，让 Zipkin 去监控 MQ 的信息，通过 MQ 的队列获取到服务的信息。这样就提高了性能。

而日志的存储则可以采用 Elasticsearch 对数据进行持久化，这样可以保证 Zipkin 重启后，链路信息不会丢失。

5.4 修改业务代码

oreder工程：


@RestController
@RequestMapping("/feign")
@Slf4j
public class OrderFeignController {
    @Resource
    private  PaymentFeignService paymentFeignService;

    @GetMapping(value = "/order/zipkin")
    public CommonResult<Payment> paymentZipKin() {
        return paymentFeignService.paymentZipKin();
    }
}

payment工程：

@RestController
@RequestMapping("/payment")
@Slf4j
public class PaymentController {
    @Resource
    private PaymentService paymentService;

    @Value("${server.port}")
    private String serverPort;

    @GetMapping("/zipkin")
    public CommonResult<Object> paymentZipKin() {
        return new CommonResult<>(200, "hi,I am paymentZipKin server O(∩_∩)O哈哈~", serverPort);
    }
}
img
img

5.5 测试

访问http://localhost/feign/order/zipkin 在这里插入图片描述img 点击run query查询请求链路-》点击show查看详情：

img
img