分布式日志追踪

SpringCloud Sleuth + Zipkin 概览

一次请求从开始到返回必然会经过至少两个微服务模块，而这些微服务模块都是独立部署的，都拥有自己的JVM，对于定位问题来说非常麻烦。因此对一次请求的完整的链路追踪是有必要的。

认识SpringCloud Sleuth

• SpringCloud Sleuth实现的功能是，它会自动为当前的应用构建起各通信信道的跟踪机制

  1. 通过如RabbitMQ、Kafka（或者其他任何SpringCloud Stream绑定器实现的消息中间件）传递的请求。

  2. 通过Zuul、Gateway代理传递的请求。

  3. 通过RestTemplate发起的请求。

SpringCloud Sleuth跟踪实现原理

• 为了实现请求跟踪：当请求发送到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跟踪标识，Trace ID

• 为了统计各处理单元的时间延迟，当请求到达各个服务组件时，或是处理逻辑到达某个状态时，也通过一个唯一标识来标记它的开始、具体过程以及结束，Span ID。

  

认识 Zipkin

Zipkin的基础概念

• Zipkin解决微服务架构中的延迟问题，包括数据的收集、储存、查找和展现

• Zipkin有四大核心组件构成：

  1. Collector：收集器组件

  2. Storage：储存组件

  3. API：Restful API，提供外部访问接口

  4. UI：Web UI，提供可视化查询页面

集成SpringCloud Sleuth实现微服务通信跟踪

集成SpringCloud Sleuth的步骤

• 第一原则：保证你的微服务存在跨进程通信。
• 在pom.xml中添加依赖配置

搭建Zipkin Server实现对跟踪信息的收集

搭建Zipkin Server的步骤

curl -sSL https://zipkin.io/quickstart.sh | bash -s
java -jar zipkin.jar

或者使用docker

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

访问ip:9411

配置Zipkin Server实现对跟踪日志的收集

• 为什么需要对Zipkin Server做自定义配置

  1. 默认情况下，Zipkin Server将跟踪信息储存在内存中（JVM），重启会丢失
  2. Zipkin Server默认使用的时HTTP方式上报跟踪数据，性能较差

• Zipkin Server配置MySQL跟踪数据持久化

  1. Mysql中添加数据表：

     wget https://github.com/openzipkin/zipkin/blob/master/zipkin-storage/mysql-v1/src/main/resources/mysql.sql

     

  2. java -jar zipkin.jar --STORAGE_TYPE=mysql --MYSQL_HOST=127.0.0.1 --MYSQL_TCP_PORT=3306 --MYSQL_USER=root --MYSQL_PASS=123456 --MYSQL_DB=imooc_zipkin
     Docker命令
     docker run --name zipkin_mysql -d -p 9411:9411 -e STORAGE_TYPE=mysql -e MYSQL_HOST=192.168.0.103 -e MYSQL_TCP_PORT=3306 -e MYSQL_USER=root -e MYSQL_PASS=123456 -e MYSQL_DB=imooc_zipkin openzipkin/zipkin:2.21.7
     

Spring cloud Sleuth 整合Zipkin实现分布式链路跟踪，收集

步骤

1. pom文件中添加依赖

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

2. 在工程的bootstrap中增加Zipkin的配置

   我们不选择Zipkin默认的http方式进行数据的传输，而是使用Kafka来对数据进行传输

3. 下载、安装Kafka配置跟踪数据传输

   使用docker

              docker run
                 --name zipkin #名称
                -p 9411:9411 #暴露端口
                -e "STORAGE_TYPE=mysql" 
                -e "MYSQL_HOST=192.168.0.103" #es地址
                -e "MYSQL_TCP_PORT=3306" 
                -e "MYSQL_USER=root" 
                -e "MYSQL_PASS=123456"
                -e MYSQL_DB=imooczipkin
                -e "COLLECTOR_KAFKA_ENABLED=true" #以kafka方式传输
                -e "KAFKA_BOOTSTRAP_SERVERS=10.0.1.104:9092,10.0.1.117:9092,10.0.1.127:9092" #kafka地址
                -e "KAFKA_GROUP_ID=zipkin" #组
                -e "KAFKA_TOPIC=zipkin" #主题
                -e "KAFKA_STREAMS=1" #线程数
                -idt openzipkin/zipkin #镜像名
   

   SpringCloud Sleuth 设置采样率、抽样收集策略

可以自由选择Zipkin brave自带的两个抽样策略

• ProbabilityBaseSampler采样率策略

  1. 默认使用的策略，以请求百分比的方式配置和收集跟踪信息：它的默认值为0.1，代表收集10%的请求跟踪信息
  2. spring.sleuth.sample.probability=0.5

• RateLimitingSampler 抽样策略

  1. 限速采集，也就是说它可以用来限制每秒追踪请求的最大数量，优先级更高（相对于采样率策略）
  2. spring.sleuth.sampler.rate=10

• 可以在bootstrap.yml中配置或者在代码中编写配置类

  sleuth:
      sampler:
        # ProbabilityBasedSampler 抽样策略
        probability: 1.0  # 采样比例, 1.0 表示 100%, 默认是 0.1
        # RateLimitingSampler 抽样策略, 设置了限速采集, spring.sleuth.sampler.probability 属性值无效
        rate: 100  # 每秒间隔接受的 trace 量
  

• 采用在代码中方编写的方式

  /**
   * @author qingtian
   * @version 1.0
   * @description: 使用配置的方式设置抽样率
   * @date 2022/1/1 20:53-
   */
  @Configuration
  public class SamplerConfig {
  
      /**
       * @description:  限速采集
       * @param:
       * @return: brave.sampler.Sampler
       * @date: 2022/1/1 20:55
       */
      @Bean
      public Sampler sampler() {
          return RateLimitingSampler.create(100);
      }
  
  //    /**
  //     * @description:  概率采集，这两个中间使用一个就行，一般使用限速采集
  //     * @param:
  //     * @return: brave.sampler.Sampler
  //     * @date: 2022/1/1 20:56
  //     */
  //    @Bean
  //    public Sampler defaultSampler() {
  //        return ProbabilityBasedSampler.create(0.5f);
  //    }
  }
  

Brave解读

Brave中常用的数据结构及其说明

• Tracing ：工具类，用于Tracer类实例
• Tracer：也是工具类，用于生成Span
• Span：实际记录每个功能块执行信息的类
• TraceContext：记录Trace的执行过程中的元数据信息
• Propagation：用于在分布式环境或者跨进程条件下的trace跟踪时实现TraceContext传递的工具类

SpringCloud ZSleuth如何实现跨服务Trace追踪

SpringCloud Sleuth 实现跨服务Trace追踪

• SpringCloud Sleuth和Brave提供了很多不同的分布式框架的支持，例如gRPC、Kafka、HTTP等