本文为博主原创文章，未经博主允许不得转载。
分布式服务追踪系统起源于Google的论文“Dapper, a Large-Scale Distributed Systems Tracing Infrastructure”（译文可参考此处），Twitter的zipkin是基于此论文上线较早的分布式链路追踪系统了，而且由于开源快速被各社区所研究，也诞生了很多的版本。
在这里也是对zipkin进行研究，先贴出Twitter zipkin结构图。
结构比较简单，大概流程为：
- Trace数据的收集至Scribe(Facebook开源的日志传输通路)或Kafka(Apache分布式消息系统)。
- Scribe/Kafaka中的数据由控制器存入数据库中。
- 最后由UI和Query查询展示。
这里将提到一个日志分析系统ELK，它是一个集合日志收集、日志分析查询于一体。系统主要拆分为：收集(logstash)、存储(elasticsearch)、展示(kibana)三部分，目前被我们用于做分布式服务日志系统。
在此想到尽然ELK已经帮我们收集了分布式服务的日志并统一存储，为何链路追踪系统不能直接用这些日志做查询展示呢？
所以从此角度出发，我对该方案结构进行构图，希望可行。先贴出我画的结构图(丑了些，将就看吧)：
对此结构开始部署环境，环境部署在下次讲到。
当前部门研发分布式服务架构，讨论到分布式链路追踪系统。所以在这对分布式链路追踪系统进行一个学习，并写成笔记作为一个学习的动力。 笔记中所有都为个人见解，可能存在错误，望大家指出。