本期分享的内容是有关zipkin和分布式跟踪的内容。
首先,我们还是通过spring initializr来新建三个项目。一个zipkin service。另外两个是普通的业务应用,分别叫service和client。
zipkin service
client
service
如上我们引入了web 、zipkin client两个依赖。
新建zipkin server应用
先打开zipkin-service项目。
我们来看看依赖情况:
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-zipkin</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
上面是默认的依赖。这里需要把这些依赖都换掉,否则zipkin server无法正常工作(另外就是spring boot用的版本是1.4.3.RELEASE,spring cloud版本为
Camden.SR4)。
spring boot 版本:
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>1.4.3.RELEASE</version>
<relativePath/> <!-- lookup parent from repository -->
</parent>
spirng cloud 版本:
<dependencyManagement>
<dependencies>
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-dependencies</artifactId>
<version>Camden.SR4</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
依赖替换为以下:
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter</artifactId>
</dependency>
<dependency>
<groupId>io.zipkin.java</groupId>
<artifactId>zipkin-server</artifactId>
</dependency>
<dependency>
<groupId>io.zipkin.java</groupId>
<artifactId>zipkin-autoconfigure-ui</artifactId>
<scope>runtime</scope>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
</dependencies>
现在我们就开始正式的开发吧。
先配置一个server port。
application.properties:
server.port=9411
然后在application类上添加@EnableZipkinServer注解。
@EnableZipkinServer
@SpringBootApplication
public class ServiceApplication {
public static void main(String[] args) {
SpringApplication.run(ServiceApplication.class, args);
}
}
然后启动zipkin server。
http://localhost:9411/
好,现在server准备的差不多了。我们现在去准备client吧。
新建client应用
配置端口:
server.port==9876
配置应用名称:
spring.application.name=client
然后新建一个rest api :
@RestController
@SpringBootApplication
public class ClientApplication {
@Bean
RestTemplate restTemplate(){
return new RestTemplate();
}
@GetMapping("/hi")
public String hi(){
return this.restTemplate().getForEntity("http://localhost:8081/hi",String.class).getBody();
}
public static void main(String[] args) {
SpringApplication.run(ClientApplication.class, args);
}
}
上面的逻辑很简单就是一个rest api,然后调用另外一个service的hi服务。
新建service应用
现在新建一个 service 服务。
配置端口:
server.port=9081
配置应用名称:
spring.application.name=service
代码:
@SpringBootApplication
@RestController
public class ServiceApplication {
@GetMapping("/hi")
public String hi(){
return "Hello World";
}
public static void main(String[] args) {
SpringApplication.run(ServiceApplication.class, args);
}
}
体验之旅
zipkin server之前已启动。现在分别去启动client 和 service。
然后我们模拟调用。
在浏览器中输入:
返回了“Hello World”。
现在我们再刷新zipkin server 的ui,发现应用名称那个下拉框已由灰色变为了可用。
分别显示了我们刚才创建的那两个应用的应用名称:service和client。
现在选择client这个应用,然后看看情况:
发现已经能够查询出刚才的那次调用记录了。
然后我们点击进去查看具体的内容:
上面已经为我们展示了本次请求的深度、总共的span数量以及涉及到的服务以及总耗时。同时显示了调用链路的关系,可以发现每个服务所耗费的时间、上下关系等。
我们还可以点击具体的服务片段,也就是span,就会弹出具体的服务的细节指标展示:
服务指标展示中你可以看到服务片段所在环境的ip,该请求的http method,以及path,还有所在类名称等等。
而且还会展示该服务片段内部的每个请求阶段的细节。
上面的展示其实都是对json数据的渲染。你可以点击“JSON” ,然后查看更详细更具体的数据,同时通过此了解zipkin的数据模型:
除了上面说的trace能力,zipkin还为我们提供了依赖展示。
这里我们只涉及到两个服务的调用。所以依赖比较简单。
源码解读及参数配置
你也许纳闷,没有做任何配置,zipkin server怎么就会收到了数据然后展示呢?
这也太神奇了吧。其实一点都不神奇。让我们来看看源码吧。
先来看看我们引入的依赖:
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-zipkin</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
一共三个,和zipkin直接有关的就是这个:
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-zipkin</artifactId>
</dependency>
现在找到这个jar去看看吧:
发现没有代码,这只是个starter,很多时候starter就是这个样子,只是在pom中加入依赖而已:
去看看pom中有哪些依赖吧。
发现只有两个依赖:
<dependencies>
<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>
</dependencies>
现在进入看哪个呢?先尝试去看看spring-cloud-sleuth-zipkin吧,因为这个含有关键字zipkin,可能是个过渡:
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-sleuth-zipkin</artifactId>
</dependency>
来到spring-cloud-sleuth-zipkin包,发现了ZipKinAutoConfiguration。
进去看看吧:
@Configuration
@EnableConfigurationProperties({ZipkinProperties.class, SamplerProperties.class})
@ConditionalOnProperty(value = "spring.zipkin.enabled", matchIfMissing = true)
@AutoConfigureBefore(TraceAutoConfiguration.class)
public class ZipkinAutoConfiguration {
至此我们基本可以解释为什么我们没有做任何配置,zipkin client就在后台工作了,就是因为这里使用了自动配置机制,也就是AutoConfiguration,让配置自动生效。
ok,发现在该类上配置了两个Properties:
@EnableConfigurationProperties({ZipkinProperties.class, SamplerProperties.class})
先去看看ZipkinProperties吧:
ZipkinProperties
/**
* Zipkin settings
*/
@ConfigurationProperties("spring.zipkin")
public class ZipkinProperties {
/** URL of the zipkin query server instance. */
private String baseUrl = "http://localhost:9411/";
private boolean enabled = true;
private int flushInterval = 1;
private Compression compression = new Compression();
private Service service = new Service();
private Locator locator = new Locator();
...
这里只贴了field片段。 因为这就是我们能够在application.properties中配置的zipkin属性了。
配置zipkin server:
这里配置了默认值。zipkin client默认会向本地的9411端口发送数据:
private String baseUrl = "http://localhost:9411/";
在生产中,我们就可以在application.properties中配置自己的zipkin的地址了:
spring.zipkin.base-url=http://localhost:9511/
Flush间隔
你可以通过以下修改flush间隔,默认是1秒:
spring.zipkin.flush-interval=1
数据压缩支持
你也许发现了。除了几个primitive类型的field之外,还有几个自定义的引用类型Compression、Service、Locator。现在我们去看看Compression吧:
/** When enabled, spans are gzipped before sent to the zipkin server */
public static class Compression {
private boolean enabled = false;
....
}
哦,通过注释知道是一个支持压缩的能力。默认是false。你可以在配置文件中开启压缩,这样在发送给zipkin server之前会先把数据进行压缩:
spring.zipkin.compression.enabled=true
自定义service name
再来看看Service:
/** When set will override the default {@code spring.application.name} value of the service id */
public static class Service {
/** The name of the service, from which the Span was sent via HTTP, that should appear in Zipkin */
private String name;
...
}
默认的service name是读取spring.application.name的值,你可以通过以下属性来覆盖默认策略定义想要的service name:
spring.zipkin.service.name=service1
服务发现定位支持
Locator:
public static class Locator {
private Discovery discovery;
....//skip setter getter
public static class Discovery {
<span class="token comment">/** Enabling of locating the host name via service discovery */
<span class="token keyword">private boolean enabled<span class="token punctuation">;
<span class="token operator">...<span class="token punctuation">.<span class="token punctuation">.<span class="token comment">//skip setter getter
}
}
这里你可以支持通过服务发现来定位host name:
spring.zipkin.locator.discovery.enabled=true
配置采样率
你也许发现了auto configuration类上有两个properties类。一个是ZipKinProperties,一个是SamplerProperties。接下来看看SamplerProperties。
/**
* Properties related to sampling
*/
@ConfigurationProperties("spring.sleuth.sampler")
public class SamplerProperties {
/**
* Percentage of requests that should be sampled. E.g. 1.0 - 100% requests should be
* sampled. The precision is whole-numbers only (i.e. there's no support for 0.1% of
* the traces).
*/
private float percentage = 0.1f;
}
看代码发现就是一个采样的配置。默认是采样10%。要求必须是全数。比如不能是0.1%。
spring.sleuth.sampler.percentage=0.2 # 修改为20%的采样率
自定义采样规则
除了上面的通过配置比率的方式。你还可以通过编程的方式自定义采样规则。比如你可以只对那些返回500的请求进行采样等等。或者你决定忽略掉那些成功的请求,只对失败的进行采样等等。下面是对所有请求的大概一半进行采样:
@Bean
Sampler customSampler() {
return span -> Math.random() > .5;
}
另外除了以上配置,还有一些sleuth的配置,这里就不一一展开了。你可以去spring cloud sleuth core中的autoconfiguration类查看。
基本概念
调用链跟踪中有两个比较基本的概念就是:Trace和Span。Trace就是一次真实的业务请求就是一个Trace。它也许会经过很多个Span。Span对应的就是每个服务。一个trace会有一个trace id负责串联所有的span。同时每个span也有自己的id。span上又会携带一些元数据。其中最常见的就是调用开始时间和结束时间。你也可以把一些业务相关的元数据携带到span上。
支持跟踪的请求类型
Spring Cloud Sleuth(org.springframework.cloud:spring-cloud-starter-sleuth),一旦添加到CLASSPATH中,就会自动支持以下常用的组件:
- 通过mq技术(如Apache Kafka或RabbitMQ)(或任何其他Spring Cloud Stream binder)进行的请求。
- 在Spring MVC controller收到的HTTP header。
- 通过Netflix Zuul传过来的microroxy请求。
- 使用RestTemplate等进行的请求。
存储
Zipkin Server通过SpanStore将写入委托给持久层。 目前,支持使用MySQL或内存式SpanStore两种的开箱即用。默认是存储在内存中的。
SpanStore
该接口是持久化跟踪数据的持久化接口抽象。以下是接口的方法:
public interface SpanStore {
List<List<Span>> getTraces(QueryRequest request);
@Nullable
List<Span> getTrace(long traceIdHigh, long traceIdLow);
@Nullable
List<Span> getRawTrace(long traceIdHigh, long traceIdLow);
@Deprecated
@Nullable
List<Span> getTrace(long traceId);
@Deprecated
@Nullable
List<Span> getRawTrace(long traceId);
List<String> getServiceNames();
List<String> getSpanNames(String serviceName);
List<DependencyLink> getDependencies(long endTs, @Nullable Long lookback);
}
这里只抽取第一个接口方法来看看跟踪数据的内部结构:
List<List<Span>> getTraces(QueryRequest request);
getTraces方法的入参是一个QueryRequest。如果让你设计这个接口的话,也许你会传入参为serviceName或者多个参数。
这里使用了一个对象来把各参数传入进去。这算是多参数查询接口设计的不错范例。
getTraces方法的返回值则是一个二维list。 一个List<Span>是一个trace。多个List<Span>则抽象为了一个跟踪数据存储库。然后通过QueryRequest传入查询filter来实现查询。
QueryRequest
查询请求参数对象。负责把要查询的条件封装起来。
public final class QueryRequest {
/**
- 服务名称
*/
@Nullable
public final String serviceName;
/** span名称,查询出包含该span名称的所有trace */
@Nullable
public final String spanName;
/**
- 根据json中的元数据annotation节点中的值查询
*/
public final List<String> annotations;
/**
*根据json中的元数据binaryAnnotation进行查询
*/
public final Map<String, String> binaryAnnotations;
/**
- 响应时间大于等于此值
*/
@Nullable
public final Long minDuration;
/**
- 响应时间小于等于此值
*/
@Nullable
public final Long maxDuration;
/**
- 只显示指定时间之前的,默认是到当前时间
*/
public final long endTs;
/**
- 只显示指定时间之后的,默认是到endTs,也就是从lookback到endTs这段时间的
*/
public final long lookback;
/** 每次查询的数量,默认返回10条记录 */
public final int limit;
InMemorySpanStore
该类是一个默认实现“持久化”存储实现。加引号是因为这不是真正持久化,只是在内存中而已。该存储方案仅仅适用于测试。
/** Internally, spans are indexed on 64-bit trace ID */
public final class InMemorySpanStore implements SpanStore {
另外zipkin支持mysql、cassandra、elasticsearch几种存储方案。mysql性能有点问题。生产也只能上后两个之一了。
trace探针埋点实现
现在默认支持如上图几种的探针埋点实现。这里就简单说下。比如web就是通过filter的方式进行埋点。而hystrix则是通过重新封装HystrixCommand来实现:
public abstract class TraceCommand<R> extends HystrixCommand<R> {
...
@Override
protected R run() throws Exception {
String commandKeyName = getCommandKey().name();
Span span = this.tracer.createSpan(commandKeyName, this.parentSpan);
this.tracer.addTag(Span.SPAN_LOCAL_COMPONENT_TAG_NAME, HYSTRIX_COMPONENT);
this.tracer.addTag(this.traceKeys.getHystrix().getPrefix() +
this.traceKeys.getHystrix().getCommandKey(), commandKeyName);
this.tracer.addTag(this.traceKeys.getHystrix().getPrefix() +
this.traceKeys.getHystrix().getCommandGroup(), getCommandGroup().name());
this.tracer.addTag(this.traceKeys.getHystrix().getPrefix() +
this.traceKeys.getHystrix().getThreadPoolKey(), getThreadPoolKey().name());
try {
return doRun();
}
finally {
this.tracer.close(span);
}
}
public abstract R doRun() throws Exception;
}
zuul则是通过ZuulFilter实现的:
public class TracePreZuulFilter extends ZuulFilter {
...
@Override
public Object run() {
getCurrentSpan().logEvent(Span.CLIENT_SEND);
return null;
}
@Override
public ZuulFilterResult runFilter() {
RequestContext ctx = RequestContext.getCurrentContext();
Span span = getCurrentSpan();
if (log.isDebugEnabled()) {
log.debug("Current span is " + span + "");
}
markRequestAsHandled(ctx);
Span newSpan = this.tracer.createSpan(span.getName(), span);
newSpan.tag(Span.SPAN_LOCAL_COMPONENT_TAG_NAME, ZUUL_COMPONENT);
this.spanInjector.inject(newSpan, ctx);
this.httpTraceKeysInjector.addRequestTags(newSpan, URI.create(ctx.getRequest().getRequestURI()), ctx.getRequest().getMethod());
if (log.isDebugEnabled()) {
log.debug("New Zuul Span is " + newSpan + "");
}
ZuulFilterResult result = super.runFilter();
if (log.isDebugEnabled()) {
log.debug("Result of Zuul filter is [" + result.getStatus() + "]");
}
if (ExecutionStatus.SUCCESS != result.getStatus()) {
if (log.isDebugEnabled()) {
log.debug("The result of Zuul filter execution was not successful thus "
+ "will close the current span " + newSpan);
}
this.tracer.close(newSpan);
}
return result;
}
// TraceFilter will not create the "fallback" span
private void markRequestAsHandled(RequestContext ctx) {
ctx.getRequest().setAttribute(TraceRequestAttributes.HANDLED_SPAN_REQUEST_ATTR, "true");
}
...
}
scheduling则是通过切面实现的:
@Aspect
public class TraceSchedulingAspect {
....
@Around("execution (@org.springframework.scheduling.annotation.Scheduled * *.*(..))")
public Object traceBackgroundThread(final ProceedingJoinPoint pjp) throws Throwable {
if (this.skipPattern.matcher(pjp.getTarget().getClass().getName()).matches()) {
return pjp.proceed();
}
String spanName = SpanNameUtil.toLowerHyphen(pjp.getSignature().getName());
Span span = this.tracer.createSpan(spanName);
this.tracer.addTag(Span.SPAN_LOCAL_COMPONENT_TAG_NAME, SCHEDULED_COMPONENT);
this.tracer.addTag(this.traceKeys.getAsync().getPrefix() +
this.traceKeys.getAsync().getClassNameKey(), pjp.getTarget().getClass().getSimpleName());
this.tracer.addTag(this.traceKeys.getAsync().getPrefix() +
this.traceKeys.getAsync().getMethodNameKey(), pjp.getSignature().getName());
try {
return pjp.proceed();
}
finally {
this.tracer.close(span);
}
}
}
消息中间件则是通过ExecutorChannelInterceptor来实现的:
abstract class AbstractTraceChannelInterceptor extends ChannelInterceptorAdapter
implements ExecutorChannelInterceptor {
总结
分布式链路跟踪最核心的就是trace id以及span ID。基于此能够在每个span期间挖掘元数据并同span ID一同组成一条记录存入跟踪记录库。
本文首先为你展示了如何搭建一个zipkin server,然后启动了两个service。然后模拟发起调用请求。然后展示了zipkin server的基本使用。
然后通过查看入口源码了解到了你在application.yaml中可配置的那些参数。
最后还说明了有关链路跟踪调用的基本概念并展示了zipkin基本的存储结构。
原文地址:https://www.cnblogs.com/danghuijian/p/9482279.html