1.有什么知名的源码开源apm(applicationperformancemanagement
2.javaå¹è®ä¸»è¦å¦ä»ä¹ï¼
3.Spring Cloud Sleuth 原理简介和使用
4.SpringCloud入门实战-Sleuth+Zipkin分布式请求链路跟踪详解
5.还在用Zipkin分布式服务链路追踪?来试试这个吧!
6.javaå¹è®è¦å¦ä¹ åªäºå
容ï¼
有什么知名的开源apm(applicationperformancemanagement
现代APM体系主要基于Google的Dapper系统构建,旨在追踪请求处理过程,搭建监控应用系统在前后端处理及服务端调用时的源码性能消耗。Dapper系统详细介绍可在此链接找到。搭建
知名的源码APM系统包括:
1. Pinpoint - 韩国团队开源的Java领域性能分析工具,通过JavaAgent机制实现字节码植入,搭建京品源码追踪traceid和性能数据。源码NewRelic、搭建Oneapm等在Java平台上的源码性能分析工具采用相似机制。
2. SkyWalking - 由国内吴晟兄弟开源的搭建系统,追踪、源码告警和分析Java分布式应用程序集群业务运行情况,搭建GitHub上有多颗星。源码
3. Zipkin - Twitter开源的搭建分布式追踪系统,基于Dapper体系构建,源码通过Brave组件对Java应用内部性能分析进行数据采集。
4. CAT - 大众点评开源的工具,功能丰富,国内多家公司使用。通过在代码中添加“埋点”实现非侵入式监控。
5. Xhprof/Xhgui - 针对PHP应用提供APM能力的非侵入式工具,包含XHGUI和Xhgui组件。
推荐顺序为Pinpoint→Zipkin→CAT,原因在于侵入性依次递增。Pinpoint几乎无需修改源码及配置文件,酒店html源码仅需在启动命令中指定javaagent参数;Zipkin需要修改配置文件,较复杂;而CAT需要修改源代码设置埋点,通常需要开发人员深度参与。
与传统监控软件(如Zabbix)相比,APM更侧重于系统内部执行及系统间调用的性能瓶颈分析,能更精准定位问题原因,而非仅提供监控点和指标。
javaå¹è®ä¸»è¦å¦ä»ä¹ï¼
åè¿æ ·çé®é¢ï¼æå·²ç»åçäºå¾å¤æ¬¡ï¼ç°å¨å¾å¤æ°æï¼ç¹å«æ¯ååå ¥è¡æ³å¦javaçåå¦ï¼ä¸ç¥é该ä»åªéå ¥æï¼ææ¯å¨æé½è¯¾å·¥åºå¦javaå ¥çè¡ï¼ç°å¨å·²åæèå¸æºï¼ææ´çäºä¸äºjavaçç¥è¯ç¹ï¼ä¸å ±å为å 个é¶æ®µï¼ä¸ªæè½ç¹ï¼ç¬¬ä¸é¶æ®µã第äºé¶æ®µã第ä¸é¶æ®µã第åé¶æ®µæ¯å¿ é¡»è¦ææ¡çï¼å¾å¤æºæ忽æ 人ï¼å°±åªå¦å°ç¬¬åé¶æ®µï¼ç¬¬äºé¶æ®µå第å é¶æ®µå°±æ¯é«èªãé«èçä¿éï¼å°±è¯´è¯´æ³é«èªå¿ é¡»å¾æåé¢ä¸¤ä¸ªé¶æ®µçç»ææ¡äºï¼èéï¼è§å¾åéé纳ä¸åã第ä¸é¶æ®µï¼javaåºæ¬åä¿®ç¼
1. 认è¯è®¡ç®æºç¡¬ä»¶
2. 计ç®æºç»æåç
3. 计ç®æºè½¯ä»¶ç¥è¯
4. 计ç®æºç½ç»ç¥è¯
5. 常ç¨ç½ç»åºç¨æä½
6. 认è¯è®¡ç®æºç æ¯
7. é»è¾è®ç»
8. åè¯Java
9. åéåæ°æ®ç±»å
. éæ©ç»æ
. 循ç¯ç»æfor
. 循ç¯ç»ædo-while
. 循ç¯ç»æwhile
. å¤é循ç¯åç¨åºè°è¯
. 循ç¯è¿é¶
. ä¸ç»´æ°ç»åç»å ¸åºç¨
. äºç»´æ°ç»
. 认è¯ç±»ä¸å¯¹è±¡
. æ¹æ³åæ¹æ³éè½½
. å°è£ ä¸ç»§æ¿
. æ¹æ³éåä¸å¤æ
. 项ç®å®æ-汽车ç§èµç³»ç»
. æ½è±¡ç±»åæ¥å£
. å¼å¸¸
. 项ç®å®æ-QuickHit
. Java ä¸çéåç±»å
. List éå
. Set éå
. HashMap éå
. Iterator
. Collections ç®æ³ç±»å常ç¨æ¹æ³
. enum
. å è£ ç±»åè£ ç®±æç®±
. StringãStringBuffer 类常ç¨æ¹æ³æä½å符串
. DateãCalendar
. Math 类常ç¨æ¹æ³
. IO/NIO
. åèè¾å ¥æµ(InputStreamãFileInputStreamãBufferedInputStream)
. åèè¾åºæµ(OutputStreamãFileOutputStreamãBufferedOutputStream)
. å符è¾å ¥æµ(ReaderãInputStreamReaderãFileReader BufferedReader)
. åèè¾åºæµ(WriterãOutputStreamWriterãFileWriterãBufferedWriter)
. æ件å¤å¶
. SerializeãDeserialize
. èåºæååï¼å象éæ¶é´ç®¡çä¸ç²¾å管ç
. å¤çº¿ç¨(ThreadãRunnable)
. Thread LifeCycle
. 线ç¨çè°åº¦
. 线ç¨çåæ¥åæ»é
. Thread Pool
. èåºæååï¼å¢éåä½
. Socket(TCPãUDP)
. XML æ¦å¿µãä¼å¿ãè§è
. XML ä¸ç¹æ®å符çå¤ç
. 使ç¨DOM 读åãæ·»å ãå é¤ã解æ XML æ°æ®
第äºé¶æ®µï¼javawebå¼å
. æ建åé ç½®MySQL æ°æ®åº
. æ°æ®åºå¢ãå ãæ¥ãæ¹è¯å¥
. äºå¡
. è§å¾
. æ°æ®åºå¤ä»½ä¸æ¢å¤
. æ°æ®åºç¨æ·ç®¡ç
. æ°æ®åºè®¾è®¡
. 项ç®å®æ-é¶è¡ATM åå款æºç³»ç»
. èµ°è¿ HTML åCSS
. åè¡¨è¡¨æ ¼å表åç¾å
. CSS é«çº§æä½
. Bootstrap
. CSS ç»ä»¶
. JavaScript é¢å对象
. JavaScript å¤æã循ç¯
. JavaScript éå
. JavaScript è¯æ³
. Bootstrap 综åæ¡ä¾
. HTML5ãCSS3
. jQuery åºç¡
. jQuery åºæ¬æä½
. jQuery äºä»¶ä¸ç¹æ
. jQuery Ajax
. jQuery æ件
. æ建Web ç¯å¢åè¯JSP
. JSP ä¹å¤§å 置对象
. JSP å®ç°æ°æ®ä¼ éåä¿å
. JDBC
. åä¾æ¨¡å¼ãå·¥å模å¼
. MVCãä¸å±æ¨¡å¼
. Commons-fileuploadãCKEditor
. å页æ¥è¯¢
. EL ä¸ JSTL
. Servlet ä¸Filter
. Listener ä¸MVC
. Ajax ä¸ jQuery
. jQuery çAjax 交äºæ©å±
. 项ç®å®æâ使ç¨Ajax ææ¯æ¹è¿æ°é»åå¸ç³»ç»
. åå°
. Linux ç³»ç»çå®è£
. å¨Linux ä¸ç®¡çç®å½åæ件
. å¨Linux ä¸ç®¡çç¨æ·åæé
. å¨Linux æå¡å¨ç¯å¢ä¸å®è£ 软件åé¨ç½²é¡¹ç®
. èåºæååï¼èåºæ²é
第ä¸é¶æ®µï¼ ä¼ä¸çº§æ¡æ¶å¼å
. MyBatis ç¯å¢æ建
. SQL æ å°æ件
. å¨æSQL
. MyBatis æ¡æ¶åç
. Spring IOC
. æé æ³¨å ¥ãä¾èµæ³¨å ¥ã注解
. Spring æ´åMyBatis(SqlSessionTemplateãMapperFactoryBeanãäºå¡
å¤ç)
. Spring æ°æ®æº(å±æ§æ件ãJNDI)ãBean ä½ç¨å
. Spring æ¡æ¶çè¿è¡åç
. SpringMVC ä½ç³»æ¦å¿µ
. SpringMVC ä¹æ°æ®ç»å®ãæ°æ®æéªã
. SpringMVC ä¹è§å¾åè§å¾è§£æ
. SpringMVC ä¹æ件ä¸ä¼ ãæ¬å°å解æ
. SpringMVC ä¹éæèµæºå¤çã请æ±æ¦æªå¨ãå¼å¸¸å¤ç
. Oracle æ°æ®åºç¯å¢æ建ãå®è£
. Oracle æ°æ®åº SQLãå页ãå¤ä»½ãè¿å
. Hibernate æ¦å¿µãä¾èµ
. HQL æ¥è¯¢è¯è¨
. Hibernate ä¸é ç½®å ³èæ å°
. HQL è¿æ¥æ¥è¯¢ä¸ Hibernate 注解
. Struts 2 æ¦å¿µãä¾èµ
. Struts 2 é ç½®
. OGNL 表达å¼
. Struts 2 æ¦æªå¨
. SSH æ¡æ¶æ´å
. 使ç¨Maven æ建项ç®
. 使ç¨Struts 2 å®ç°Ajax
. Jsoup ç½ç»ç¬è«
. å¤çº¿ç¨ç½ç»ç¬è«
. åç¬åååç¬çç¥
. éç¨ç¬è«è®¾è®¡
. Echart å¾è¡¨åæ
. IKAnalyzer åè¯
. ä¼ä¸æ¡æ¶é¡¹ç®å®æ-代çå管çç³»ç»
. ä¼ä¸æ¡æ¶é¡¹ç®å®æ-SL ä¼ååå
. ä¼ä¸æ¡æ¶é¡¹ç®å®æ-ä¼å管çç³»ç»
.ä¼ä¸æ¡æ¶é¡¹ç®å®æ-äºèç½æèä¿¡æ¯ééåæå¹³å°
第åé¶æ®µï¼ åå端å离å¼å
. GitHub
. Git åºç¡(checkoutãpullãcommitãpushãmerge ç)
. Git è¿é¶(å¤åæ¯åä½)
. GitLab
. IDEA ç使ç¨
. Maven ä»ç»(æ¦å¿µãä»åºãæ建ãå½ä»¤)
. 使ç¨Maven æ建WEB 项ç®
. 使ç¨Maven æ建å¤æ¨¡å项ç®
. 使ç¨Maven æ建ç§æä»åº
. Scrum æ¡æ¶ä»ç»(ä¸ä¸ªè§è²ãä¸ä¸ªå·¥ä»¶ãå个ä¼è®®)
. Scrum Team ç»å»ºå¢é
. 产åéæ±åç¨æ·æ äº
. æ¯æ¥ç«ä¼
. 使ç¨ææ·-Scrum æ¹å¼å¼å管çå®æ
. åå端å离ãåå¸å¼é群æ¶æãåç´æ¶æ
. SSMï¼SpringMVC+Spring+MyBatisï¼æ´åå®æ
. GitãMaven ç§æNexus
. 第ä¸æ¹æ¥å ¥ææ¯ï¼å¾®ä¿¡ãé¿éï¼
. MySQL çµåå®æ
. Redisï¼ç¼åæå¡ï¼
. æç´¢å¼æ-Solr
. éæAPI Doc å·¥å ·-Swagger
. å¾çèªå¨åå¤çï¼Tengine+LUA+GraphicsMagic
. ææºãé®ç®±æ³¨å
. åç¹ç»å½ Token
. OAuth2.0 认è¯
. Jsoup ç½ç»ç¬è«(å¤çº¿ç¨ç¬è«/代ç IP ç¬è«)
. ExecutorService 线ç¨æ±
. IK ä¸æåè¯
. Postman
. ReactJS
. webpack
. èåºæååï¼ç®åæ°å
. ç¨åºç¿é¢è¯å®å ¸ä¹é¡¹ç®é¢è¯
.大åäºèç½æ 游çµå项ç®å®æ-ç±æ è¡
第äºé¶æ®µï¼ åå¸å¼å¾®ææ¶æå¼å
. Spring Boot ç¯å¢æ建
. Spring Boot 常ç¨æè½
. Spring Boot æ´åRedis
. Spring Boot æ´åMybatis
. å¾®æå¡æ¶æåæ¶æ设计
. æ¶æ¯éå
ActiveMQ\RabbitMQ
. åå¸å¼äºå¡
. åå¸å¼é Redis-setnx
. Zookeeper 注åä¸å¿
. åºäº ActiveMQ å®ç°é«å¹¶å
. Docker ç¯å¢æ建
. Docker éåå é
. Docker 容å¨ç®¡ç
. Docker éå管ç
. Docker 容å¨æ件å¤ä»½
. Dockerfile
. Docker ç§æä»åº
. çå®äºèç½é«å¹¶åçµå项ç®å®æ-ååä¸æ¢è´
. å¯è§åçæ§ Portainer
. Docker Compose 容å¨ç¼æ
. Docker Compose æ©å®¹ã缩容
. Docker Swarm é群ç¼æ
. Jenkins å®è£ ãæ件é ç½®
. Jenkins é ç½®æ®éä»»å¡
. Jenkins é 置管éä»»å¡
. Jenkins èªå¨åå¸æå¡
. Spring Cloud Eureka
. Spring Cloud Feign
. Spring Cloud Ribbon
. Spring Cloud Zuul
. Spring Cloud Config
. Spring Cloud Hystrix
. Spring Cloud Sleuth
. Spring Boot Admin
.Eureka 注ååçæ¢ç§
. Spring Cloud 大å解读
. Zipkin
. Zipkin æ´åRabbitMQ
. Zipkin æ´åMySQL
. ELK æ¥å¿æ¶é
.Kafka
. Elasticsearch æ å°ç®¡ç
. Elasticsearch æ¥è¯¢/å¤åæ¥è¯¢
. Elasticsearch é群/é群è§å
. Elasticsearch èå
. Elasticsearch é群çæ§
. Elasticsearch æ件
(Head/BigDesk)
. Mycat 读åå离
. Mycat ä¸ä¸»å¤ä»
. Mycat å¤ä¸»å¤ä»
. Mycat æ°æ®åç
. Redis
. Redis-Redlock
. Elasticsearch ç¯å¢æ建
. Elasticsearch 客æ·ç«¯
. Elasticsearch ç´¢å¼ç®¡ç
. Elasticsearch æ档管ç
. Mycat é群
. Jmeter 并åæµè¯
. Jmeter çææµè¯æ¥å
. 微信ç»å½
. 微信æ¯ä»
. æ¯ä»å®æ¯ä»
. ç¾åº¦å°å¾
. Sonar æ¬å°æ£æµ
. Sonar +Jenkins 线ä¸æ£æµ
. CI/CD
. Spring Boot æ¹é ç±æ è¡é¡¹ç®å®æ
. 大åäºèç½ç¥¨å¡ç±»çµå项ç®å®æ-å¤§è§ ç½
. ES6 æ¦å¿µ(lesãconst)
. ES6 对象åæ°ç»
. ES6 å½æ°æ©å±
. VUE ç¯å¢æ建
. VUE.JS æ令
.VUE 交äº
. VUE å®ä¾çå½å¨æ
. VUE ç»ä»¶
. VUE 项ç®ç¯å¢é ç½®ååæ件ç»ä»¶
.VUE è·¯ç±
第å é¶æ®µï¼ccæå¡
. Spring Cloud Gateway
. Consul
. Nacos
. EurekaãConsuãlNacosãZookeeper 对æ¯åæ
. Prometheus + Grafana
. ES åå¸å¼åå¨åç
. NoSQL æ°æ®åºè§£å³æ¹æ¡(RedisãMongoDB)
. OAuth2.0 认è¯( authorization code 模å¼)
. OAuth2.0 认è¯( implicit 模å¼)
. OAuth2.0 认è¯( resource owner password credentials 模å¼)
. OAuth2.0 认è¯( client credentials 模å¼)
. NAS/FastDFS åå¸å¼æ件åå¨
. Python åºç¡
. Python ç¬è«
. 大æ°æ®å Hadoop æ¦è¿°
. åå¸å¼æä»¶ç³»ç» HDFS
. åå¸å¼è®¡ç®æ¡æ¶MapReduce
. åå¸å¼åå¼æ°æ®åº HBase
. Hadoop 综ååºç¨
. é¢è¯å¤§å±è§
. èä¸è§å
. 项ç®é¢è¯
. å ·ä½ä¸å¡åºæ¯å解å³æ¹æ¡
. æ´å¤ææ¯ä¸é¢æç»å¢å ä¸
æ估计è½æä½ çæï¼æä¸æ¸ æ¥çå¯ä»¥ç§ä¿¡æ
Spring Cloud Sleuth 原理简介和使用
在微服务架构中,用户请求通常从前端A出发,经过中间件B、C(如负载均衡和网关)转发,最终到达后端服务D、E。为了追踪这种多服务请求流程,我们需要服务链路追踪工具,如Spring Cloud Sleuth。它基于Google的Dapper项目,提供了一套专业术语来记录和追踪服务间的交互。
首先,我们需要在`maven pom`文件中配置Spring Cloud Sleuth相关依赖,如构建zipkin-server和user-service等服务。在gateway-service中,通过ZuulFilter实现链路数据的拦截和自定义,比如添加操作人信息,asp源码写法同时利用`Tracer`的`addTag`方法。此外,Spring Cloud Sleuth支持通过消息组件(如RabbitMQ)来传输链路数据,这比HTTP方式更灵活和持久。
在案例中,将原先通过HTTP上传的链路数据改为通过RabbitMQ发送,使得数据存储更为可靠。Zipkin Server原本存储在内存中,可通过配置将其数据持久化到Mysql,如8.0.版本的数据库。同样,Elasticsearch也是存储链路数据的可行选择,通过安装和配置ES和Kibana,可以实时查看和分析数据。
最后,要将链路数据存储在Elasticsearch中,需要安装对应版本的ES,通过Kibana界面访问,如..2.:,然后在Zipkin中配置ES索引,以便在Kibana中可视化和分析请求链路。所有这些操作基于Spring Cloud Sleuth提供的API和工具进行,同时,项目源码和相关文献是idea maven源码进一步学习和实践的重要资源。
SpringCloud入门实战-Sleuth+Zipkin分布式请求链路跟踪详解
探索SpringCloud实战:Sleuth+Zipkin实现分布式请求链路跟踪详解 在SpringCloud入门实战系列中,我们将深入理解SpringCloud Sleuth如何协助解决微服务中的挑战。通过源码地址的项目demo,一步步掌握这一关键组件。Sleuth是Spring Cloud的分布式跟踪解决方案,它跟踪用户请求从数据采集到处理的全过程,构建调用链视图,对微服务监控至关重要。 Sleuth借鉴了Dapper的术语,核心概念包括:Span(跨度):一次请求的标识,每个微服务调用产生一个,由位ID唯一标识,包含摘要、时间戳等信息。
Trace(跟踪):调用链路集合,由一个请求产生的所有Span组成,每个跨度有各自的跟踪ID。
Annotation(标注):记录请求的开始和结束事件,如发送请求、接收请求等。
Sleuth与Zipkin紧密相关,通常一起使用进行可视化追踪。Sleuth特性包括将跟踪信息添加到日志、在应用程序边界自动插入跟踪、预测计划源码提供分布式跟踪数据模型抽象等。在项目集成时,可以搭建Zipkin服务,添加依赖,配置通过HTTP或消息传递方式发送跟踪数据,以及在业务代码中应用Sleuth。测试时,通过访问特定接口可以查看请求链路信息。 通过实践SpringCloud Sleuth,你可以更好地理解和应用它在微服务架构中的作用,提升监控和调试的效率。还在用Zipkin分布式服务链路追踪?来试试这个吧!
微服务架构的兴起,为全球企业带来了转型的机遇与挑战。微服务的双刃剑效应,在带来诸多优势的同时,亦对运维、性能监控及错误排查提出了严峻考验。面对大型项目中服务节点的繁多与请求链路的复杂,分布式系统的APM管理系统应运而生,旨在帮助理解系统行为,分析性能问题,快速定位和解决问题。
APM系统,全称Application Performance Monitor,是用于监控和管理应用程序性能的工具。谷歌的Dapper论文,作为最早的APM系统原型,为开发者和运维团队提供了强大支持。基于Dapper原理,Pinpoint、SkyWalking等出色APM框架相继问世。SpringCloud官网也集成了一套基于Zipkin的系统:Spring Cloud Sleuth。
APM系统的基本原理主要围绕Google Dapper设计的几个核心概念:Span(请求的基本工作单元)与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)。通过spanId、parentId,请求的每个链路得以串联。每次请求从发起至服务器开始,至返回response结束,每个span共享相同的唯一标识trace_id。
在选择APM框架时,主要需考虑以下几方面:探针的性能、收集器的可扩展性、全面的调用链路数据分析能力、对开发的透明性以及对应用拓扑的完整展现。Zipkin、Pinpoint与SkyWalking等框架各有优劣,SkyWalking凭借其在探针性能、开发透明性与数据分析能力上的优势,以及部署的便利性,成为了中小型企业的理想选择。
SkyWalking是一款提供分布式追踪功能的系统,自年起发展成为完整的APM解决方案。它适用于追踪、监控和诊断分布式系统,特别是在使用微服务架构、云原生或容积技术的场景。SkyWalking提供了分布式追踪与上下文传输、应用实例与服务性能指标分析、根源分析、应用拓扑分析、应用和服务依赖分析、慢服务检测、性能优化等主要功能。
其特色包括多语言探针或类库支持、Java自动探针,无需修改源码即可追踪和监控程序、社区提供的其他多语言探针、.NET Core与Node.js支持、多种后端存储选择、与OpenTracing API协同工作、轻量级、完善功能的后端聚合与分析、现代化Web UI、日志集成以及应用、实例和服务的告警。
为了使用SkyWalking,需要先确保Linux环境中的Elasticsearch服务已启动,并开放相应端口。安装过程分为三步:下载安装包、安装Skywalking的OAP服务和WebUI、部署微服务探针。在完成安装后,通过访问WebUI(默认端口为)可查看服务实例的性能监控、服务拓扑图、请求链路追踪信息与表格视图。
本文内容由黑马程序员Java培训学院编写并发布,欢迎转载,但需注明作者及出处,以尊重版权。
javaå¹è®è¦å¦ä¹ åªäºå 容ï¼
ç®åJavaå¹è®å 容å æ¬ï¼1ãHTML+CSS3+æ°æ®åº
2ãJava SEï¼Javaé¢å对象ææ³ï¼è®¾è®¡æ¨¡å¼ãé¢å对象ååãJavaé«é¶APIã线ç¨ãç½ç»ç¼ç¨ãåå°ãNIOï¼
3ãJava webï¼Java webåºç¡ãJSãDOMæä½ãJSP/Servletã第ä¸æ¹å·¥å ·å ãTomcat...ï¼
4ãæ¡æ¶ï¼ç½ç»åçãHTTPåè®®ãLinuxæä½ç³»ç»ãäºæå¡æ建ãSSMæ¡æ¶åºç¨ãOracleåºç¨ãSpring JPAãHibernate...ï¼
5ãé«å¯ç¨ãé«å¹¶åãé«æ©å±ï¼SpringBootãç¼åãåå¸å¼ãæ件ãå ¨æç´¢å¼ãæå¡ä¸é´ä»¶ãæ¶æ¯ä¸é´ä»¶ãäºæå¡å¨ãäºåå¨ãäºæ°æ®åºãååæå¡...ï¼
6ãå¾®æå¡ã大æ°æ®
以ä¸æ¯æ们年æ´æ°ç课ç¨ï¼æ¨å¯ä»¥äºè§£ä¸ä¸ï¼
å¦æ³å¦ä¹ ï¼å¯ä»¥å¨æ们线ä¸å¦ä¹ å¹³å°ï¼ç¾æç¨åºåè¿è¡äºè§£ï¼
微服务实践之全链路追踪(sleuth,zipkin)详解-SpringCloud(.0.x)-4
本文介绍微服务架构中链路追踪组件Sleuth与Zipkin在SpringCloud入门的使用。
链路追踪为何重要?在微服务中,服务间频繁调用,若调用链路出现问题,追踪请求路径、服务耗时变得困难。特别是服务数量增加到个时,链路追踪显得至关重要。
链路追踪基于Dapper论文原理,Dapper论文提供了分布式追踪的核心概念,如Trace(跟踪)、Span(跨度)、Annotations(注解)、Sampling(采样率)等。追踪链路包括一个全局唯一标识的traceId和每个跨度的唯一spanId,记录服务名称、IP、调用时间等信息,采样率用于在高并发下高效采集。
在SpringCloud中,通过Sleuth和Zipkin实现全链路追踪。Sleuth负责信息采集,Zipkin负责处理与展示。
部署Zipkin服务需安装并配置Docker和MySQL数据库。Docker-compose文件用于启动服务,执行SQL脚本创建表。
在POM文件中引入Sleuth和Zipkin依赖。配置Zipkin服务地址及采样率(测试中设置为%)。每个服务配置才能实现全链路追踪。
引入Sleuth starter自动在调用中添加追踪信息。例如,OpenFeign接口调用会输出日志,显示traceId和spanId,传递至Zipkin。
登录Zipkin后台查看链路详情。使用浏览器访问http://localhost:,可按条件查询链路,展示调用链、每个跨度耗时,定位性能瓶颈,优化服务。
Zipkin展示动态链路图,直观显示服务间调用关系。利用traceId查询特定链路,获取详细信息。追踪可视化,有助于快速定位问题。
本文介绍了SpringCloud中链路追踪的基础使用,实践操作需在实际项目中深入探索与优化。
相关源代码可在GitHub上查找:master-microservice。