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微服务。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，一次请求往往需要涉及到多个服务。互联网应用构建在不同的软件模块集上，这些软件模块，有可能是由不同的团队开发、可能使用不同的编程语言来实现、有可能布在了几千台服务器，横跨多个不同的数据中心【区域】，也就意味着这种架构形式也会存在一些问题：

l 如何快速发现问题？

l 如何判断故障影响范围？

l 如何梳理服务依赖以及依赖的合理性？

l 如何分析链路性能问题以及实时容量规划？

定位该请求的故障：发生在哪个微服务上。

理念: 在每个微服务节点上----》安装一个GPS. ----程序中----日志。我们在通过查看日志 就可以定位响应的错误。

收集-----展示到一个统一的界面。

第一个就是在每个微服务上 帮你产生日志记录。

第二个技术就是收集这些日志，并能展示到一个图形化界面上。

1. Sleuth

它的作用就是为微服务产生日志记录。

Trace (一次请求的完整链路–包含很多span(微服务接口))

由一组Trace Id（贯穿整个链路）相同的Span串联形成一个树状结构。为了实现请求跟踪，当请求到达分布式系统的入口端点时，只需要服务跟踪框架为该请求创建一个唯一的标识（即TraceId），同时在分布式系统内部流转的时候，框架始终保持传递该唯一值，直到整个请求的返回。那么我们就可以使用该唯一标识将所有的请求串联起来，形成一条完整的请求链路。

Span

代表了一组基本的工作单元。为了统计各处理单元的延迟，当请求到达各个服务组件的时候，也通过一个唯一标识（SpanId）来标记它的开始、具体过程和结束。通过SpanId的开始和结束时间戳，就能统计该span的调用时间，除此之外，我们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事件，内部使用的重要注释：
l cs（Client Send）客户端发出请求，开始一个请求的命令
l sr（Server Received）服务端接受到请求开始进行处理， sr－cs = 网络延迟（服务调用的时间）
l 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
l cr（Client Reveived）客户端接受到服务端的响应，请求结束。 cr - cs = 请求的总时间

---

1.1 如何使用sleuth

在微服务中引入sleuth依赖—整个父工程中
这样所有微服务都会拥有sleuth包

<!--引入sleuth依赖-->
<dependencies>
    <dependency>
        <groupId>org.springframework.cloud</groupId>
        <artifactId>spring-cloud-starter-sleuth</artifactId>
    </dependency>
</dependencies>

浏览器

整个请求链路，响应的时间是500多毫秒。 是哪台服务器出现故障。 可以通过sleuth产生的日志进行查看，自己计算时间戳来查看。 这种方案十分麻烦。

我们通过zipkin收集sleuth产生的日志 并以图形化展示。

2. zipkin

作用: 收集微服务上sleuth产生的日志 并以图形化的模式来展示给客户。

zipkin有服务端【服务器】和客户端【微服务】

2.1 运行zipkin服务端

java -jar zipkin-server-2.12.9-exec.jar

---

---

微服务接入zipkin

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

在相应微服务上接入zipkin

---

使用配置—做微服务的配置管理

sleuth+zipkin 完成链路追踪—定位错误