还在用Zipkin分布式服务链路追踪?来试试这个吧!

　　自SpringCloud问世以来，微服务以席卷之势风靡全球，企业架构都在从传统SOA向微服务转型。然而微服务这把双刃剑在带来各种优势的同时，也给运维、性能监控、错误的排查带来的极大的困难。

　　在大型项目中，服务架构会包含数十乃至上百个服务节点。往往一次请求会设计到多个微服务，想要排查一次请求链路中经过了哪些节点，每个节点的执行情况如何，就称为了亟待解决的问题。于是分布式系统的APM管理系统应运而生。

　　什么是APM系统?

　　APM系统可以帮助理解系统行为、用于分析性能问题的工具，以便发生故障的时候，能够快速定位和解决问题，这就是APM系统，全称是(Application Performance Monitor)。

　　谷歌公开的论文提到的 [Google Dapper](http://bigbully.github.io/Dapper-translation)可以说是最早的APM系统了，给google的开发者和运维团队帮了大忙，所以谷歌公开论文分享了Dapper。

　　而后，很多的技术公司基于这篇论文的原理，设计开发了很多出色的APM框架，例如`Pinpoint`、`SkyWalking`等。

　　而SpringCloud官网也集成了一套这样的系统：`Spring Cloud Sleuth`，结合`Zipkin`。

　　APM的基本原理

　　目前大部分的APM系统都是基于Google的Dapper原理实现，我们简单来看看Dapper中的概念和实现原理。

　　先来看一次请求调用示例：

　　1. 服务集群中包括：前端(A)，两个中间层(B和C)，以及两个后端(D和E)

　　2. 当用户发起一个请求时，首先到达前端A服务，然后A分别对B服务和C服务进行RPC调用;

　　3. B服务处理完给A做出响应，但是C服务还需要和后端的D服务和E服务交互之后再返还给A服务，最后由A服务来响应用户的请求;

　　如何才能实现跟踪呢?

　　Google的Dapper设计了下面的几个概念用来记录请求链路：

　　- Span：请求中的基本工作单元，每一次链路调用(RPC、Rest、数据库调用)都会创建一个Span。大概结构如下：

  type Span struct {
      TraceID    int64 // 用于标示一次完整的请求id
      Name       string // 单元名称
      ID         int64 // 当前这次调用span_id
      ParentID   int64 // 上层服务的span_id,最上层服务parent_id为null，代表根服务
      Annotation []Annotation // 注释，用于记录调用中的详细信息，例如时间
  }

　　- Trace：一次完整的调用链路，包含多个Span的树状结构，具有唯一的TraceID

　　一次请求的每个链路，通过spanId、parentId就能串联起来：

　　当然，从请求到服务器开始，服务器返回response结束，每个span存在相同的唯一标识trace_id。

　　APM的筛选标准

　　目前主流的APM框架都会包含下列几个组件来完成链路信息的收集和展示：

　　- 探针(Agent)：负责在客户端程序运行时搜索服务调用链路信息，发送给收集器

　　- 收集器(Collector)：负责将数据格式化，保存到存储器

　　- 存储器(Storage)：保存数据

　　- UI界面(WebUI)：统计并展示收集到的信息

　　因此，要筛选一款合格的APM框架，就是对比各个组件的使用差异，主要对比项：

　　- 探针的性能

　　主要是agent对服务的吞吐量、CPU和内存的影响。如果探针在收集微服务运行数据时，对微服务的运行产生了比较大的性能影响，相信没什么人愿意使用。

　　- collector的可扩展性

　　能够水平扩展以便支持大规模服务器集群，保证收集器的高可用特性。

　　- 全面的调用链路数据分析

　　数据的分析要快，分析的维度尽可能多。跟踪系统能提供足够快的信息反馈，就可以对生产环境下的异常状况做出快速反应，最好提供代码级别的可见性以便轻松定位失败点和瓶颈。

　　- 对于开发透明，容易开关

　　即也作为业务组件，应当尽可能少入侵或者无入侵其他业务系统，对于使用方透明，减少开发人员的负担。

　　- 完整的调用链应用拓扑

　　自动检测应用拓扑，帮助你搞清楚应用的架构

　　接下来，我们就对比下目前比较常见的三种APM框架的各项指标，分别是：

　　- [Zipkin](https://link.juejin.im/?target=http%3A%2F%2Fzipkin.io%2F)：由Twitter公司开源，开放源代码分布式的跟踪系统，用于收集服务的定时数据，以解决微服务架构中的延迟问题，包括：数据的收集、存储、查找和展现。

　　- [Pinpoint](https://pinpoint.com/)：一款对Java编写的大规模分布式系统的APM工具，由韩国人开源的分布式跟踪组件。

　　- [Skywalking](https://skywalking.apache.org/zh/)：国产的优秀APM组件，是一个对JAVA分布式应用程序集群的业务运行情况进行追踪、告警和分析的系统。现在是Apache的顶级项目之一。

　　三者对比如下：

　　| 对比项 | zipkin | pinpoint | skywalking |

　　| ---------------- | ------ | -------- | ---------- |

　　| 探针性能 | 中 | 低 | 高 |

　　| collector扩展性 | 高 | 中 | 高 |

　　| 调用链路数据分析 | 低 | 高 | 中 |

　　| 对开发透明性 | 中 | 高 | 高 |

　　| 调用链应用拓扑 | 中 | 高 | 中 |

　　| 社区支持 | 高 | 中 | 高 |

　　可见，zipkin的探针性能、开发透明性、数据分析能力都不占优，实在是下下之选。

　　而pinpoint在数据分析能力、开发透明性上有较大的优势,不过Pinpoint的部署相对比较复杂，需要的硬件资源较高。

　　Skywalking的探针性能和开发透明性上具有较大优势，数据分析能力上也还不错，重要的是其部署比较方便灵活，比起Pinpoint更适合中小型企业使用。

　　Skywalking介绍

　　SkyWalking 创建与2015年，提供分布式追踪功能。从5.x开始，项目进化为一个完成功能的Application Performance Management系统。

　　他被用于追踪、监控和诊断分布式系统，特别是使用微服务架构，云原生或容积技术。提供以下主要功能：

　　- 分布式追踪和上下文传输

　　- 应用、实例、服务性能指标分析

　　- 根源分析

　　- 应用拓扑分析

　　- 应用和服务依赖分析

　　- 慢服务检测

　　- 性能优化

　　官网地址：http://skywalking.apache.org/

　　主要的特征：

　　- 多语言探针或类库

　　- Java自动探针，追踪和监控程序时，不需要修改源码。

　　- 社区提供的其他多语言探针

　　- [.NET Core](https://github.com/OpenSkywalking/skywalking-netcore)

　　- [Node.js](https://github.com/OpenSkywalking/skywalking-nodejs)

　　- 多种后端存储： ElasticSearch， H2

　　- 支持

　　OpenTracing

　　- Java自动探针支持和OpenTracing API协同工作

　　- 轻量级、完善功能的后端聚合和分析

　　- 现代化Web UI

　　- 日志集成

　　- 应用、实例和服务的告警

　　Skywalking的安装

　　先来看下Skywalking的官方给出的结构图：

　　大致分四个部分：

　　- skywalking-oap-server：就是Observability Analysis Platformd的服务，用来收集和处理探针发来的数据

　　- skywalking-UI：就是skywalking提供的Web UI 服务，图形化方式展示服务链路、拓扑图、trace、性能监控等

　　- agent：探针，获取服务调用的链路信息、性能信息，发送到skywalking的OAP服务

　　- Storage：存储，一般选择elasticsearch

　　Skywalking支持windows或者Linux环境部署。这里我们选择在Linux下安装Skywalking，大家要先确保自己的Linux环境中有elasticsearch在启动中。

　　接下来的安装分为三步：

　　- 下载安装包

　　- 安装Skywalking的OAP服务和WebUI

　　- 在服务中部署探针

　　下载安装包

　　安装包可以再Skywalking的官网下载，http://skywalking.apache.org/downloads/

　　目前最新版本是8.0.1版本：

　　下载好的安装包：

　　安装OAP服务和WebUI

　　安装

　　将下载好的安装包解压到Linux的某个目录下：

tar xvf apache-skywalking-apm-es7-8.0.1.tar.gz

　　然后对解压好的文件夹重命名：

mv apache-skywalking-apm-es7 skywalking

　　进入解压好的目录：

cd skywalking

　　查看目录结构：

　　几个关键的目录：

　　- agent：探针

　　- bin：启动脚本

　　- config：配置文件

　　- logs：日志

　　- oap-libs：依赖

　　- webapp：WebUI

　　这里要修改config目录中的application.yml文件，详细配置见官网：https://github.com/apache/skywalking/blob/v8.0.1/docs/en/setup/backend/backend-setup.md

　　配置

　　进入`config`目录，修改`application.yml`，主要是把存储方案从h2改为elasticsearch

　　可以直接使用下面的配置：

cluster:
  selector: ${SW_CLUSTER:standalone}
  standalone:
core:
  selector: ${SW_CORE:default}
  default:
    role: ${SW_CORE_ROLE:Mixed} # Mixed/Receiver/Aggregator
    restHost: ${SW_CORE_REST_HOST:0.0.0.0}
    restPort: ${SW_CORE_REST_PORT:12800}
    restContextPath: ${SW_CORE_REST_CONTEXT_PATH:/}
    gRPCHost: ${SW_CORE_GRPC_HOST:0.0.0.0}
    gRPCPort: ${SW_CORE_GRPC_PORT:11800}
    gRPCSslEnabled: ${SW_CORE_GRPC_SSL_ENABLED:false}
    gRPCSslKeyPath: ${SW_CORE_GRPC_SSL_KEY_PATH:""}
    gRPCSslCertChainPath: ${SW_CORE_GRPC_SSL_CERT_CHAIN_PATH:""}
    gRPCSslTrustedCAPath: ${SW_CORE_GRPC_SSL_TRUSTED_CA_PATH:""}
    downsampling:
      - Hour
      - Day
      - Month
    # Set a timeout on metrics data. After the timeout has expired, the metrics data will automatically be deleted.
    enableDataKeeperExecutor: ${SW_CORE_ENABLE_DATA_KEEPER_EXECUTOR:true} # Turn it off then automatically metrics data delete will be close.
    dataKeeperExecutePeriod: ${SW_CORE_DATA_KEEPER_EXECUTE_PERIOD:5} # How often the data keeper executor runs periodically, unit is minute
    recordDataTTL: ${SW_CORE_RECORD_DATA_TTL:3} # Unit is day
    metricsDataTTL: ${SW_CORE_RECORD_DATA_TTL:7} # Unit is day
    # Cache metric data for 1 minute to reduce database queries, and if the OAP cluster changes within that minute,
    # the metrics may not be accurate within that minute.
    enableDatabaseSession: ${SW_CORE_ENABLE_DATABASE_SESSION:true}
    topNReportPeriod: ${SW_CORE_TOPN_REPORT_PERIOD:10} # top_n record worker report cycle, unit is minute
    # Extra model column are the column defined by in the codes, These columns of model are not required logically in aggregation or further query,
    # and it will cause more load for memory, network of OAP and storage.
    # But, being activated, user could see the name in the storage entities, which make users easier to use 3rd party tool, such as Kibana->ES, to query the data by themselves.
    activeExtraModelColumns: ${SW_CORE_ACTIVE_EXTRA_MODEL_COLUMNS:false}
    # The max length of service + instance names should be less than 200
    serviceNameMaxLength: ${SW_SERVICE_NAME_MAX_LENGTH:70}
    instanceNameMaxLength: ${SW_INSTANCE_NAME_MAX_LENGTH:70}
    # The max length of service + endpoint names should be less than 240
    endpointNameMaxLength: ${SW_ENDPOINT_NAME_MAX_LENGTH:150}
storage:
  selector: ${SW_STORAGE:elasticsearch7}
  elasticsearch7:
    nameSpace: ${SW_NAMESPACE:""}
    clusterNodes: ${SW_STORAGE_ES_CLUSTER_NODES:localhost:9200}
    protocol: ${SW_STORAGE_ES_HTTP_PROTOCOL:"http"}
    trustStorePath: ${SW_STORAGE_ES_SSL_JKS_PATH:""}
    trustStorePass: ${SW_STORAGE_ES_SSL_JKS_PASS:""}
    dayStep: ${SW_STORAGE_DAY_STEP:1} # Represent the number of days in the one minute/hour/day index.
    user: ${SW_ES_USER:""}
    password: ${SW_ES_PASSWORD:""}
    secretsManagementFile: ${SW_ES_SECRETS_MANAGEMENT_FILE:""} # Secrets management file in the properties format includes the username, password, which are managed by 3rd party tool.
    indexShardsNumber: ${SW_STORAGE_ES_INDEX_SHARDS_NUMBER:1} # The index shards number is for store metrics data rather than basic segment record
    superDatasetIndexShardsFactor: ${SW_STORAGE_ES_SUPER_DATASET_INDEX_SHARDS_FACTOR:5} # Super data set has been defined in the codes, such as trace segments. This factor provides more shards for the super data set, shards number = indexShardsNumber * superDatasetIndexShardsFactor. Also, this factor effects Zipkin and Jaeger traces.
    indexReplicasNumber: ${SW_STORAGE_ES_INDEX_REPLICAS_NUMBER:0}
    # Batch process setting, refer to https://www.elastic.co/guide/en/elasticsearch/client/java-api/5.5/java-docs-bulk-processor.html
    bulkActions: ${SW_STORAGE_ES_BULK_ACTIONS:1000} # Execute the bulk every 1000 requests
    flushInterval: ${SW_STORAGE_ES_FLUSH_INTERVAL:10} # flush the bulk every 10 seconds whatever the number of requests
    concurrentRequests: ${SW_STORAGE_ES_CONCURRENT_REQUESTS:2} # the number of concurrent requests
    resultWindowMaxSize: ${SW_STORAGE_ES_QUERY_MAX_WINDOW_SIZE:10000}
    metadataQueryMaxSize: ${SW_STORAGE_ES_QUERY_MAX_SIZE:5000}
    segmentQueryMaxSize: ${SW_STORAGE_ES_QUERY_SEGMENT_SIZE:200}
    profileTaskQueryMaxSize: ${SW_STORAGE_ES_QUERY_PROFILE_TASK_SIZE:200}
    advanced: ${SW_STORAGE_ES_ADVANCED:""}
  h2:
    driver: ${SW_STORAGE_H2_DRIVER:org.h2.jdbcx.JdbcDataSource}
    url: ${SW_STORAGE_H2_URL:jdbc:h2:mem:skywalking-oap-db}
    user: ${SW_STORAGE_H2_USER:sa}
    metadataQueryMaxSize: ${SW_STORAGE_H2_QUERY_MAX_SIZE:5000}
receiver-sharing-server:
  selector: ${SW_RECEIVER_SHARING_SERVER:default}
  default:
    authentication: ${SW_AUTHENTICATION:""}
receiver-register:
  selector: ${SW_RECEIVER_REGISTER:default}
  default:

receiver-trace:
  selector: ${SW_RECEIVER_TRACE:default}
  default:
    sampleRate: ${SW_TRACE_SAMPLE_RATE:10000} # The sample rate precision is 1/10000. 10000 means 100% sample in default.
    slowDBAccessThreshold: ${SW_SLOW_DB_THRESHOLD:default:200,mongodb:100} # The slow database access thresholds. Unit ms.

receiver-jvm:
  selector: ${SW_RECEIVER_JVM:default}
  default:

receiver-clr:
  selector: ${SW_RECEIVER_CLR:default}
  default:

receiver-profile:
  selector: ${SW_RECEIVER_PROFILE:default}
  default:

service-mesh:
  selector: ${SW_SERVICE_MESH:default}
  default:

istio-telemetry:
  selector: ${SW_ISTIO_TELEMETRY:default}
  default:

envoy-metric:
  selector: ${SW_ENVOY_METRIC:default}
  default:
    acceptMetricsService: ${SW_ENVOY_METRIC_SERVICE:true}
    alsHTTPAnalysis: ${SW_ENVOY_METRIC_ALS_HTTP_ANALYSIS:""}

prometheus-fetcher:
  selector: ${SW_PROMETHEUS_FETCHER:default}
  default:
    active: ${SW_PROMETHEUS_FETCHER_ACTIVE:false}

receiver_zipkin:
  selector: ${SW_RECEIVER_ZIPKIN:-}
  default:
    host: ${SW_RECEIVER_ZIPKIN_HOST:0.0.0.0}
    port: ${SW_RECEIVER_ZIPKIN_PORT:9411}
    contextPath: ${SW_RECEIVER_ZIPKIN_CONTEXT_PATH:/}

receiver_jaeger:
  selector: ${SW_RECEIVER_JAEGER:-}
  default:
    gRPCHost: ${SW_RECEIVER_JAEGER_HOST:0.0.0.0}
    gRPCPort: ${SW_RECEIVER_JAEGER_PORT:14250}

query:
  selector: ${SW_QUERY:graphql}
  graphql:
    path: ${SW_QUERY_GRAPHQL_PATH:/graphql}

alarm:
  selector: ${SW_ALARM:default}
  default:

telemetry:
  selector: ${SW_TELEMETRY:none}
  none:
  prometheus:
    host: ${SW_TELEMETRY_PROMETHEUS_HOST:0.0.0.0}
    port: ${SW_TELEMETRY_PROMETHEUS_PORT:1234}

configuration:
  selector: ${SW_CONFIGURATION:none}
  none:
  grpc:
    host: ${SW_DCS_SERVER_HOST:""}
    port: ${SW_DCS_SERVER_PORT:80}
    clusterName: ${SW_DCS_CLUSTER_NAME:SkyWalking}
    period: ${SW_DCS_PERIOD:20}
  apollo:
    apolloMeta: ${SW_CONFIG_APOLLO:http://106.12.25.204:8080}
    apolloCluster: ${SW_CONFIG_APOLLO_CLUSTER:default}
    apolloEnv: ${SW_CONFIG_APOLLO_ENV:""}
    appId: ${SW_CONFIG_APOLLO_APP_ID:skywalking}
    period: ${SW_CONFIG_APOLLO_PERIOD:5}
  zookeeper:
    period: ${SW_CONFIG_ZK_PERIOD:60} # Unit seconds, sync period. Default fetch every 60 seconds.
    nameSpace: ${SW_CONFIG_ZK_NAMESPACE:/default}
    hostPort: ${SW_CONFIG_ZK_HOST_PORT:localhost:2181}
    # Retry Policy
    baseSleepTimeMs: ${SW_CONFIG_ZK_BASE_SLEEP_TIME_MS:1000} # initial amount of time to wait between retries
    maxRetries: ${SW_CONFIG_ZK_MAX_RETRIES:3} # max number of times to retry
  etcd:
    period: ${SW_CONFIG_ETCD_PERIOD:60} # Unit seconds, sync period. Default fetch every 60 seconds.
    group: ${SW_CONFIG_ETCD_GROUP:skywalking}
    serverAddr: ${SW_CONFIG_ETCD_SERVER_ADDR:localhost:2379}
    clusterName: ${SW_CONFIG_ETCD_CLUSTER_NAME:default}
  consul:
    # Consul host and ports, separated by comma, e.g. 1.2.3.4:8500,2.3.4.5:8500
    hostAndPorts: ${SW_CONFIG_CONSUL_HOST_AND_PORTS:1.2.3.4:8500}
    # Sync period in seconds. Defaults to 60 seconds.
    period: ${SW_CONFIG_CONSUL_PERIOD:1}
    # Consul aclToken
    aclToken: ${SW_CONFIG_CONSUL_ACL_TOKEN:""}

exporter:
  selector: ${SW_EXPORTER:-}
  grpc:
    targetHost: ${SW_EXPORTER_GRPC_HOST:127.0.0.1}
    targetPort: ${SW_EXPORTER_GRPC_PORT:9870}

　　启动

　　要确保已经启动了elasticsearch，并且防火墙开放8080、11800、12800端口。

　　进入`bin`目录，执行命令即可运行：

./startup.sh

　　默认的UI端口是8080，可以访问：http://192.168.150.101:8080

　　部署微服务探针

　　现在，Skywalking的服务端已经启动完成，我们还需要在微服务中加入服务探针，来收集数据。

　　解压

　　首先，将课前资料给的压缩包解压

　　将其中的`agent`解压到某个目录，不要出现中文，可以看到其结构如下：

　　其中有一个`skywalking-agent.jar`就是一我们要用的探针。

　　配置

　　如果是运行一个jar包，可以在运行时输入参数来指定探针：

java -jar xxx.jar -javaagent:C:/lesson/skywalking-agent/skywalking-agent.jar -Dskywalking.agent.service_name=ly-registry -Dskywalking.collector.backend_service=192.168.150.101:11800

　　本例中，我们用开发工具来运行和配置。

　　使用IDEA开发工具打开一个你的项目，在IDEA工具中，选择要修改的启动项，点击右键，选择`Edit Configuration`：

　　然后在弹出的窗口中，点击`Environment`，选择`VM options`后面对应的展开按钮

　　在展开的输入框中，输入下面的配置：

-javaagent:C:/lesson/skywalking-agent/skywalking-agent.jar
-Dskywalking.agent.service_name=ly-registry
-Dskywalking.collector.backend_service=192.168.150.101:11800

　　注意：

　　- `-javaagent:C:/lesson/skywalking-agent/skywalking-agent.jar`：配置的是skywalking-agent.jar这个包的位置，要修改成你自己存放的目录

　　- `-Dskywalking.agent.service_name=ly-registry`：是当前项目的名称，需要分别修改为`ly-registry`、`ly-gateway`、`ly-item-service`

　　- `-Dskywalking.collector.backend_service=192.168.150.101:11800`：是Skywalking的OPA服务地址，采用的是GRPC通信，因此端口是11800，不是8080

　　启动

　　Skywalking的探针会在项目启动前对class文件进行修改，完成探针植入，对业务代码零侵入，所以我们只需要启动项目，即可生效了。

　　启动项目，然后对项目中的的业务接口访问，探针就开始工作了。

　　WebUI界面

　　访问：http://192.168.150.101:8080可以看到统计数据已经出来了：

　　服务实例的性能监控：

　　服务拓扑图：

　　某次请求的链路追踪信息：

　　表格视图：

　　本文版权归黑马程序员Java培训学院所有，欢迎转载，转载请注明作者出处。谢谢!

　　作者：黑马程序员Java培训学院

　　首发：https://java.itheima.com