为什么用

分布式系统庞大而复杂，服务众多，调用关系网也非常复杂，

服务上线以后如果出现了某些错误，错误的异常就很难定位。
一个请求可能调用了非常多的链路，我们需要知道到底哪一块儿出现了错误。

最终希望有一个链路追踪系统，我们从每一个请求进来，到它最终的结束，他们中间都调用了多少的微服务，包括每一个服务调用花费了多长时间。

只有最终结合了链路追踪系统，才可以做好熔断降级，通过链路追踪系统发现，某个服务特别慢，但是它还正常运行着，我们就直接给它降级使用，预防我们整个系统的雪崩问题。

微服务架构是一个分布式架构，它按业务划分服务单元，一个分布式系统往往有很多个服务单元。由于服务单元数量众多，业务的复杂性，如果出现了错误和异常，很难去定位。
主要体现在，一个请求可能需要调用很多个服务，而内部服务的调用复杂性，决定了问题难以定位。
所以微服务架构中，必须实现分布式链路追踪，去跟进一个请求到底有哪些服务参与，参与的顺序又是怎样的，从而达到每个请求的步骤清晰可见，出了问题，很快定位。

所以就非常有必要在分布式系统中，构建一个服务链路追踪系统。

链路追踪组件有 Google 的 Dapper，Twitter 的 Zipkin，以及阿里的 Eagleeye （鹰眼）等，它们都是非常优秀的链路追踪开源组件。

基本术语和流程

Span（跨度）：基本工作单元，发送一个远程调度任务就会产生一个 Span，Span 是一个 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、以及进度 ID。
Trace（跟踪）：一系列 Span 组成的一个树状结构。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。
Annotation（标注）：用来及时记录一个事件的，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 - Client Sent -客户端发送一个请求，这个注解描述了这个 Span 的开始
- sr - Server Received -服务端获得请求并准备开始处理它，如果将其 sr 减去 cs 时间戳便可得到网络传输的时间。
- ss - Server Sent （服务端发送响应）–该注解表明请求处理的完成(当请求返回客户端)，如果 ss 的时间戳减去 sr 时间戳，就可以得到服务器请求的时间。
- cr - Client Received （客户端接收响应）-此时 Span 的结束，如果 cr 的时间戳减去cs 时间戳便可以得到整个请求所消耗的时间。

在这里插入图片描述

浏览器发送request请求到service1，产生span A，记录trace id，span id，并标识Server Received（代表这个请求是什么时候收到的），service1进行处理。
因为该请求是浏览器发的，所以不会记录Client Sent。
接着远程调用service2，将请求发出去，又会产生一个spanB，记录 client sent（发送请求的时间）和Server Received，两者相减就是我们能的传输时间。
service2处理完成后产生spanC（这代表着下一个请求）并并发发出去，就会产生两个不同的span，产生SpanD和spanF，分别记录了client sent。
service3接收到请求记录Server Received，处理完成后又产生spanE，但是我们不再调用远程方法，spanE就可以被舍弃了。
service3处理完成spanD后记录serverSent，serverSent与serverRecived相减，就是service3处理请求的时间。
在返回的响应中，记录Client Received，也就是客户端，service2收到的响应时间。
此时的链路可以追踪到，spanA - spanB - spanD（spanC不算，只是一个业务处理产生的span），然后spanD返回响应。
service4的链路同service3。

判断是网络故障还是服务故障，拿spanF举例，

serverSent减serverRecived如果时间超长，那么就是服务出现了问题
serverRecived减clientSent如果时间超长，那么就是网络出现了问题

链路中间的传输时间，每一个服务的处理时间，都打了标签，所以我们都能得到这些数据。

标签是有父子关系的，每一个下级标签的父标签都是上级标签。
有父子关系后，就能画出整个调用链的树形结构了，包括它的链路结构。

在这里插入图片描述

springboot整合Sleuth和zipkin

# 服务提供者与消费者导入依赖
# 所以我们直接把依赖导入到common模块中
<dependency>
            <groupId>org.springframework.cloud</groupId>
            <artifactId>spring-cloud-starter-sleuth</artifactId>
        </dependency>

通过 Sleuth 产生的调用链监控信息，可以得知微服务之间的调用链路，但监控信息只输出
到控制台不方便查看。我们需要一个图形化的工具-zipkin。Zipkin 是 Twitter 开源的分布式跟
踪系统，主要用来收集系统的时序数据，从而追踪系统的调用问题。

在这里插入图片描述
zipkin有ui界面，也有相关的api操作，也能把数据存储到一个地方，同时也能收集数据。

zipkin可以把我们服务的数据收集过来，我们服务的客户端就要给它汇报数据，所以我们需要导入zipkin的依赖，我们的客户端就能汇报数据了，汇报来的数据收集到zipkin的服务器里面来做可视化展示。

Zipkin 默认是将监控数据存储在内存的，如果 Zipkin 挂掉或重启的话，那么监控数据就会丢失。所以如果想要搭建生产可用的 Zipkin，就需要实现监控数据的持久化。
而想要实现数据持久化，自然就是得将数据存储至数据库。zipkin支持将数据存储在

内存（默认）
MySQL
Elasticsearch（我们用这个）
Cassandra

 docker run -d -p 9411:9411 openzipkin/zipkin

# 启动zipkin，将数据保存至es中
docker run --env STORAGE_TYPE=elasticsearch --env ES_HOSTS=192.168.56.10:9200
openzipkin/zipkin-dependencies

# 也是导入到common中 
# zipkin中已经导入了sleuth，所以之前的sleuth依赖可以去掉
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-zipkin</artifactId>
</dependency>

application.properties

spring.cache.type=redis
spring.cache.redis.time-to-live=3600000
spring.cache.redis.use-key-prefix=true
spring.cache.redis.cache-null-values=true


gulimall.thread.core-size=20
gulimall.thread.keep-alive-time=10
gulimall.thread.max-size=200

spring.session.store-type=redis


# actuator 暴露所有资源
management.endpoints.web.exposure.include=*
# sentinel dashboard 地址
spring.cloud.sentinel.transport.dashboard=localhost:8333
# 限流成功指定返回的内容类型
spring.cloud.sentinel.scg.fallback.content-type=application/json
spring.cloud.sentinel.scg.fallback.response-status=400

# 开启feign的sentinel远程保护
feign.sentinel.enabled=true

# 开启debug日志
logging.level.org.springframework.cloud.openfeign=debug
logging.level.org.springframework.cloud.sleuth=debug

# zipkin服务器地址
spring.zipkin.base-url=http://192.168.56.10:9411/
# 关闭服务发现，否则spring cloud会把zipkin的url当作服务名称
spring.zipkin.discovery-client-enabled=false
# zipkin以web http的方式发送数据
spring.zipkin.sender.type=web
# 采样器，默认为0.1，即百分之十，只采样百分之十的请求数据
spring.sleuth.sampler.probability=1