現(xiàn)今業(yè)界分布式服務(wù)跟蹤的理論基礎(chǔ)主要來自于 Google 的一篇論文《Dapper, a Large-Scale Distributed Systems Tracing Infrastructure》，使用最為廣泛的開源實現(xiàn)是 Twitter 的 Zipkin，為了實現(xiàn)平臺無關(guān)、廠商無關(guān)的分布式服務(wù)跟蹤，CNCF 發(fā)布了布式服務(wù)跟蹤標(biāo)準(zhǔn) Open Tracing。國內(nèi)，淘寶的 “鷹眼”、京東的 “Hydra”、大眾點評的 “CAT”、新浪的 “Watchman”、唯品會的 “Microscope”、窩窩網(wǎng)的 “Tracing” 都是這樣的系統(tǒng)。
一個分布式服務(wù)跟蹤系統(tǒng)主要由三部分構(gòu)成：數(shù)據(jù)收集、數(shù)據(jù)存儲、數(shù)據(jù)展示。根據(jù)系統(tǒng)大小不同，每一部分的結(jié)構(gòu)又有一定變化。譬如，對于大規(guī)模分布式系統(tǒng)，數(shù)據(jù)存儲可分為實時數(shù)據(jù)和全量數(shù)據(jù)兩部分，實時數(shù)據(jù)用于故障排查（Trouble Shooting），全量數(shù)據(jù)用于系統(tǒng)優(yōu)化；數(shù)據(jù)收集除了支持平臺無關(guān)和開發(fā)語言無關(guān)系統(tǒng)的數(shù)據(jù)收集，還包括異步數(shù)據(jù)收集（需要跟蹤隊列中的消息，保證調(diào)用的連貫性），以及確保更小的侵入性；數(shù)據(jù)展示又涉及到數(shù)據(jù)挖掘和分析。雖然每一部分都可能變得很復(fù)雜，但基本原理都類似。
服務(wù)追蹤的追蹤單元是從客戶發(fā)起請求（request）抵達被追蹤系統(tǒng)的邊界開始，到被追蹤系統(tǒng)向客戶返回響應(yīng)（response）為止的過程，稱為一個 trace。每個 trace 中會調(diào)用若干個服務(wù)，為了記錄調(diào)用了哪些服務(wù)，以及每次調(diào)用的消耗時間等信息，在每次調(diào)用服務(wù)時，埋入一個調(diào)用記錄，稱為一個 span。這樣，若干個有序的 span 就組成了一個 trace。在系統(tǒng)向外界提供服務(wù)的過程中，會不斷地有請求和響應(yīng)發(fā)生，也就會不斷生成 trace，把這些帶有 span 的 trace 記錄下來，就可以描繪出一幅系統(tǒng)的服務(wù)拓?fù)鋱D。附帶上 span 中的響應(yīng)時間，以及請求成功與否等信息，就可以在發(fā)生問題的時候，找到異常的服務(wù)；根據(jù)歷史數(shù)據(jù)，還可以從系統(tǒng)整體層面分析出哪里性能差，定位性能優(yōu)化的目標(biāo)。
SpringCloud Sleuth 也為我們提供了一套完整的解決方案。Sleuth 為服務(wù)之間調(diào)用提供鏈路追蹤，通過 Sleuth 可以很清楚的了解到一個服務(wù)請求經(jīng)過了哪些服務(wù)，每個服務(wù)處理花費了多長。從而讓我們可以很方便的理清各微服務(wù)間的調(diào)用關(guān)系。此外 Sleuth 可以幫助我們：
耗時分析：通過 Sleuth 可以很方便的了解到每個采樣請求的耗時，從而分析出哪些服務(wù)調(diào)用比較耗時；
可視化錯誤：對于程序未捕捉的異常，可以通過集成 Zipkin 服務(wù)界面上看到；
鏈路優(yōu)化：對于調(diào)用比較頻繁的服務(wù)，可以針對這些服務(wù)實施一些優(yōu)化措施。
Spring Cloud Sleuth 的概念圖，圖中畫圈的部分是Sleuth的標(biāo)記（Annotation,一個標(biāo)注可以理解成span生命周期中重要時刻的數(shù)據(jù)快照，比如一個標(biāo)注中一般包含發(fā)生時刻（timestamp）、事件類型（value）、端點（endpoint）等信息）信息，分別表示：
客戶端發(fā)送 client send：客戶端已經(jīng)發(fā)出請求。此標(biāo)記biao描繪了跨度的開始。
服務(wù)器接收 server received：服務(wù)器端得到請求，將開始進行處理。
服務(wù)器發(fā)送 server send：在完成請求處理后（響應(yīng)發(fā)送回客戶端時）標(biāo)記。
客戶端接收 client received：表示跨度的結(jié)束，客戶端已成功接收到服務(wù)器端的響應(yīng)。
通過這四個標(biāo)記，我們可以計算出相應(yīng)的四個值：
請求延時=sr-cs
響應(yīng)延時 cr-ss
服務(wù)器處理時間:ss-sr
客戶端請求時間:cr-cs = 請求延時+響應(yīng)延時+服務(wù)器處理時間
?SpringCloud Sleuth 入門
<!-- 1. 加入POM依賴 -->
<dependency>
? ? <groupId>org.springframework.cloud</groupId>
? ? <artifactId>spring-cloud-starter-sleuth</artifactId>
</dependency>
<!-- 2. 修改屬性文件，打開sleuth日志 -->
logging.level.org.springframework.cloud.sleuth=debug
啟動項目后，通過consumer去調(diào)用provider觀察輸出的日志信息，會發(fā)現(xiàn)多出了：[ms-consumer-user,7d0cbb49820bbacd,551bf65184bbc971,false]，其中四個參數(shù)分別代表[微服務(wù)應(yīng)用名,traceId,spanId,是否持久化]
Sleuth 的持久化Sleuth+zipkin
SpringCloud Sleuth結(jié)合 Zipkin，將信息發(fā)送到 Zipkin，利用 Zipkin 的存儲來存儲信息，利用 Zipkin UI 來展示數(shù)據(jù)。Zipkin是Twitter 的一個開源項目，它基于 Google Dapper 實現(xiàn)，它致力于收集服務(wù)的定時數(shù)據(jù)，以解決微服務(wù)架構(gòu)中的延遲問題，包括數(shù)據(jù)的收集、存儲、查找和展現(xiàn)。我們可以使用它來收集各個服務(wù)器上請求鏈路的跟蹤數(shù)據(jù)，并通過它提供的 REST API 接口來輔助我們查詢跟蹤數(shù)據(jù)以實現(xiàn)對分布式系統(tǒng)的監(jiān)控程序，從而及時地發(fā)現(xiàn)系統(tǒng)中出現(xiàn)的延遲升高問題并找出系統(tǒng)性能瓶頸的根源。除了面向開發(fā)的 API 接口之外，它也提供了方便的 UI 組件來幫助我們直觀的搜索跟蹤信息和分析請求鏈路明細(xì)，比如：可以查詢某段時間內(nèi)各用戶請求的處理時間等。Zipkin 提供了可插拔數(shù)據(jù)存儲方式：In-Memory、MySql、Cassandra 以及 Elasticsearch，生產(chǎn)推薦 Elasticsearch。
Zipkin 基礎(chǔ)架構(gòu)如圖所示，它主要由 4 個核心組件構(gòu)成：
Collector：收集器組件，它主要用于處理從外部系統(tǒng)發(fā)送過來的跟蹤信息，將這些信息轉(zhuǎn)換為 Zipkin 內(nèi)部處理的 Span 格式，以支持后續(xù)的存儲、分析、展示等功能。
Storage：存儲組件，它主要對處理收集器接收到的跟蹤信息，默認(rèn)會將這些信息存儲在內(nèi)存中，我們也可以修改此存儲策略，通過使用其他存儲組件將跟蹤信息存儲到數(shù)據(jù)庫中。
RESTful API：API 組件，它主要用來提供外部訪問接口。比如給客戶端展示跟蹤信息，或是外接系統(tǒng)訪問以實現(xiàn)監(jiān)控等。
Web UI：UI 組件，基于 API 組件實現(xiàn)的上層應(yīng)用。通過 UI 組件用戶可以方便而有直觀地查詢和分析跟蹤信息。
?Zipkin 入門
Zipkin 分為兩端，一個是 Zipkin 服務(wù)端，一個是 Zipkin 客戶端，客戶端也就是微服務(wù)的應(yīng)用?？蛻舳藭渲梅?wù)端的 URL 地址，一旦發(fā)生服務(wù)間的調(diào)用的時候，會被配置在微服務(wù)里面的 Sleuth 的監(jiān)聽器監(jiān)聽，并生成相應(yīng)的 Trace 和 Span 信息發(fā)送給服務(wù)端。發(fā)送的方式主要有兩種，一種是 HTTP 報文的方式，還有一種是消息總線的方式如 RabbitMQ。
方法一?HTTP 報文的方式：
<!-- 1. 加入POM依賴 -->
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-sleuth</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-zipkin</artifactId>
</dependency>
<!-- 2. 修改屬性文件，打開sleuth日志 -->
#zipkin server的地址
spring.zipkin.base-url=http://localhost:9411/
spring.sleuth.web.client.enabled=true
#采樣比例默認(rèn)是0.1 為1表示全部上報
spring.sleuth.sampler.probability=1
<!-- 3.啟動一個Zipkin的服務(wù)端，在SpringBoot1.x我們需要手動搭建，在Springboot2.x之后我們只需去官網(wǎng)下載，通過java -jar啟動即可
下載鏈接為https://search.maven.org/remote_content?g=io.zipkin.java&a=zipkin-server&v=LATEST&c=exec -->
啟動后通過http://localhost:9411/zipkin進入界面，消費者向提供者發(fā)送請求后，zipkinUI會顯示相關(guān)的調(diào)用鏈信息。
方法二 RabbitMQ的方式：
<!-- 1. 加入POM依賴 -->
<dependency>
? ? <groupId>org.springframework.cloud</groupId>
? ? <artifactId>spring-cloud-stream-binder-rabbit</artifactId>
</dependency>
<!-- 2. 修改屬性文件，打開sleuth日志 -->
spring.zipkin.sender.type=rabbit
spring.sleuth.web.client.enabled=true
#采樣比例默認(rèn)是0.1 為1表示全部上報
spring.sleuth.sampler.probability=1
spring.rabbitmq.host=127.0.0.1
spring.rabbitmq.port=5672
spring.rabbitmq.password=guest
spring.rabbitmq.username=guest
spring.rabbitmq.virtual-host=/
<!-- 3.啟動一個Zipkin的服務(wù)端，通過命令指定rabbit -->
java -jar zipkin-server-2.12.9-exec.jar --zipkin.collector.rabbitmq.address=127.0.0.1
?Zipkin+mysql數(shù)據(jù)持久化
<!-- 1. 創(chuàng)建一個zipkin的數(shù)據(jù)庫，并執(zhí)行建表語句 -->
CREATE TABLE `zipkin_annotations` (
? `trace_id_high` bigint(20) NOT NULL DEFAULT '0' COMMENT 'If non zero, this means the trace uses 128 bit traceIds instead of 64 bit',
? `trace_id` bigint(20) NOT NULL COMMENT 'coincides with zipkin_spans.trace_id',
? `span_id` bigint(20) NOT NULL COMMENT 'coincides with zipkin_spans.id',
? `a_key` varchar(255) NOT NULL COMMENT 'BinaryAnnotation.key or Annotation.value if type == -1',
? `a_value` blob COMMENT 'BinaryAnnotation.value(), which must be smaller than 64KB',
? `a_type` int(11) NOT NULL COMMENT 'BinaryAnnotation.type() or -1 if Annotation',
? `a_timestamp` bigint(20) DEFAULT NULL COMMENT 'Used to implement TTL; Annotation.timestamp or zipkin_spans.timestamp',
? `endpoint_ipv4` int(11) DEFAULT NULL COMMENT 'Null when Binary/Annotation.endpoint is null',
? `endpoint_ipv6` binary(16) DEFAULT NULL COMMENT 'Null when Binary/Annotation.endpoint is null, or no IPv6 address',
? `endpoint_port` smallint(6) DEFAULT NULL COMMENT 'Null when Binary/Annotation.endpoint is null',
? `endpoint_service_name` varchar(255) DEFAULT NULL COMMENT 'Null when Binary/Annotation.endpoint is null',
? UNIQUE KEY `trace_id_high` (`trace_id_high`,`trace_id`,`span_id`,`a_key`,`a_timestamp`),
? KEY `trace_id_high_2` (`trace_id_high`,`trace_id`,`span_id`),
? KEY `trace_id_high_3` (`trace_id_high`,`trace_id`),
? KEY `endpoint_service_name` (`endpoint_service_name`),
? KEY `a_type` (`a_type`),
? KEY `a_key` (`a_key`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 ROW_FORMAT=COMPRESSED;
<!-- 2.啟動一個Zipkin的服務(wù)端，通過命令指定mysql -->
zipkin server啟動java -jar zipkin-server-2.11.1-exec.jar --STORAGE_TYPE=mysql --MYSQL_DB=zipkin --MYSQL_USER=root --MYSQL_PASS=root --MYSQL_HOST=127.0.0.1 --MYSQL_TCP_PORT=3306
