likes
comments
collection
share

探索微服务架构中的链路追踪

作者站长头像
站长
· 阅读数 48

探索微服务架构中的链路追踪

在现代微服务架构中，应用程序通常由多个独立的服务协作完成用户请求。这种复杂性增加了系统调试和性能优化的难度。链路追踪（Tracing）技术通过详细记录请求在系统中的流转路径，提供了一种深入洞察和优化系统性能的方式。本文将详细介绍在Java微服务架构中集成链路追踪的最佳实践，并对市面上的链路追踪工具进行比较，帮助你选择最适合的方案。

链路追踪的基本概念

链路追踪是一种监控和分析技术，旨在记录分布式系统中请求的全生命周期。通过追踪请求的各个阶段，开发者可以清晰地了解请求是如何在不同服务间流转的，从而快速定位和解决性能瓶颈和故障点。

关键概念
  • Trace（链路）： 代表一次完整的请求生命周期，由多个跨度（Span）组成。
  • Span（跨度）： 表示一次单独的操作，包含开始时间、结束时间、服务名称和其他相关信息。
  • Trace ID 和 Span ID： 每个Trace拥有唯一的Trace ID，Trace中的每个Span也有唯一的Span ID，并通过父子关系进行关联。

常用链路追踪工具概述

  1. Spring Cloud Sleuth

    • 简介：一个用于分布式追踪的Spring组件，集成了多个链路追踪系统（如Zipkin和OpenTelemetry）。
    • 优点：与Spring生态系统高度集成，配置简单，支持自动生成和传播追踪信息。
    • 缺点：主要针对Spring框架，非Spring项目使用时需要额外适配。

  2. Zipkin

    • 简介：一个开源的分布式追踪系统，用于收集、存储和展示追踪数据。
    • 优点：简单易用，提供了直观的Web界面，广泛支持各种语言和框架。
    • 缺点：功能相对简单，缺乏一些高级功能。

  3. Jaeger

    • 简介：由Uber开源的分布式追踪系统，支持OpenTracing标准。
    • 优点：功能强大，支持大规模分布式系统，提供丰富的后端存储选项和高级查询功能。
    • 缺点：部署和配置较为复杂，资源消耗较大。

  4. OpenTelemetry

    • 简介：一个开源的统一监控和追踪标准，整合了OpenTracing和OpenCensus的功能。
    • 优点：支持多种语言和框架，提供丰富的后端集成选项，功能强大且灵活。
    • 缺点：标准仍在不断演进中，某些特性可能不够稳定。

  5. Apache SkyWalking

    • 简介：一个开源的应用性能监控和链路追踪系统，支持多种语言和框架。
    • 优点：功能全面，支持分布式链路追踪、性能监控和日志分析，提供直观的Web界面。
    • 缺点：部署和配置相对复杂，资源消耗较大。

  6. AWS X-Ray

    • 简介：Amazon提供的分布式追踪服务，集成了AWS生态系统。
    • 优点：与AWS服务高度集成，易于使用，提供了强大的监控和分析功能。
    • 缺点：依赖于AWS生态系统，可能不适用于非AWS环境。

链路追踪工具对比

工具优点缺点适用场景
Spring Cloud Sleuth与Spring生态系统高度集成，配置简单，支持自动生成和传播追踪信息主要针对Spring框架，非Spring项目使用时需要额外适配Spring Boot和Spring Cloud项目
Zipkin简单易用，提供直观的Web界面，广泛支持各种语言和框架功能相对简单，缺乏一些高级功能小型到中型分布式系统
Jaeger功能强大，支持大规模分布式系统，提供丰富的后端存储和高级查询功能部署和配置较复杂，资源消耗较大大型分布式系统
OpenTelemetry支持多种语言和框架，提供丰富的后端集成选项，功能强大且灵活标准仍在不断演进中，某些特性可能不够稳定各类分布式系统，特别是需要跨语言支持的系统
Apache SkyWalking功能全面，支持分布式链路追踪、性能监控和日志分析，提供直观的Web界面部署和配置相对复杂，资源消耗较大大中型分布式系统，特别是需要综合监控功能的系统
AWS X-Ray与AWS服务高度集成，易于使用，提供强大的监控和分析功能依赖于AWS生态系统，可能不适用于非AWS环境使用AWS云服务的系统

各工具配置与集成

以下是每种工具在Java微服务中的配置与集成示例。

Spring Cloud Sleuth + Zipkin
添加依赖

在service-a和service-b的pom.xml文件中添加必要的依赖：

<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-sleuth</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-sleuth-zipkin</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-openfeign</artifactId>
</dependency>
配置文件

在两个服务的application.yml中配置Zipkin的地址：

spring:
  zipkin:
    base-url: http://localhost:9411
  sleuth:
    sampler:
      probability: 1.0

采样率设置为1.0表示所有请求都会被追踪。

服务间调用

在service-a中定义Feign客户端，用于调用service-b的接口：

@FeignClient(name = "service-b")
public interface ServiceBClient {
    @GetMapping("/service-b-endpoint")
    String callServiceB();
}

@RestController
public class ServiceAController {
    @Autowired
    private ServiceBClient serviceBClient;

    @GetMapping("/call-service-b")
    public String callServiceB() {
        return serviceBClient.callServiceB();
    }
}

在service-b中定义接收请求的Controller：

@RestController
public class ServiceBController {
    @GetMapping("/service-b-endpoint")
    public String serviceBEndpoint() {
        return "Response from Service B";
    }
}
运行服务

启动service-a和service-b，访问service-a的/call-service-b接口，触发对service-b的调用，并生成完整的Trace信息。

Jaeger
添加依赖

在pom.xml中添加Jaeger的依赖：

<dependency>
    <groupId>io.opentracing.contrib</groupId>
    <artifactId>opentracing-spring-jaeger-cloud-starter</artifactId>
    <version>3.1.2</version>
</dependency>
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-openfeign</artifactId>
</dependency>
配置文件

在application.yml中配置Jaeger的地址：

opentracing:
  jaeger:
    http-sender:
      url: http://localhost:14268/api/traces
    log-spans: true
服务间调用

在service-a中定义Feign客户端，用于调用service-b的接口：

@FeignClient(name = "service-b")
public interface ServiceBClient {
    @GetMapping("/service-b-endpoint")
    String callServiceB();
}

@RestController
public class ServiceAController {
    @Autowired
    private ServiceBClient serviceBClient;

    @GetMapping("/call-service-b")
    public String callServiceB() {
        return serviceBClient.callServiceB();
    }
}

在service-b中定义接收请求的Controller：

@RestController
public class ServiceBController {
    @GetMapping("/service-b-endpoint")
    public String serviceBEndpoint() {
        return "Response from Service B";
    }
}
运行服务

启动service-a和service-b，访问service-a的/call-service-b

接口，触发对service-b的调用，并生成完整的Trace信息。

OpenTelemetry
添加依赖

在pom.xml中添加OpenTelemetry的依赖：

<dependency>
    <groupId>io.opentelemetry.instrumentation</groupId>
    <artifactId>opentelemetry-spring-starter</artifactId>
    <version>1.6.0</version>
</dependency>
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-openfeign</artifactId>
</dependency>
配置文件

在application.yml中配置OpenTelemetry：

otel:
  exporter:
    zipkin:
      endpoint: http://localhost:9411/api/v2/spans
  traces:
    sampler:
      probability: 1.0
服务间调用

在service-a中定义Feign客户端，用于调用service-b的接口：

@FeignClient(name = "service-b")
public interface ServiceBClient {
    @GetMapping("/service-b-endpoint")
    String callServiceB();
}

@RestController
public class ServiceAController {
    @Autowired
    private ServiceBClient serviceBClient;

    @GetMapping("/call-service-b")
    public String callServiceB() {
        return serviceBClient.callServiceB();
    }
}

在service-b中定义接收请求的Controller：

@RestController
public class ServiceBController {
    @GetMapping("/service-b-endpoint")
    public String serviceBEndpoint() {
        return "Response from Service B";
    }
}
运行服务

启动service-a和service-b，访问service-a的/call-service-b接口，触发对service-b的调用，并生成完整的Trace信息。

Apache SkyWalking
添加依赖

在pom.xml中添加SkyWalking的依赖：

<dependency>
    <groupId>org.apache.skywalking</groupId>
    <artifactId>apm-toolkit-logback-1.x</artifactId>
    <version>8.7.0</version>
</dependency>
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-openfeign</artifactId>
</dependency>
配置文件

在application.yml中配置SkyWalking：

skywalking:
  agent:
    service_name: ${spring.application.name}
    backend_service: localhost:11800
服务间调用

在service-a中定义Feign客户端，用于调用service-b的接口：

@FeignClient(name = "service-b")
public interface ServiceBClient {
    @GetMapping("/service-b-endpoint")
    String callServiceB();
}

@RestController
public class ServiceAController {
    @Autowired
    private ServiceBClient serviceBClient;

    @GetMapping("/call-service-b")
    public String callServiceB() {
        return serviceBClient.callServiceB();
    }
}

在service-b中定义接收请求的Controller：

@RestController
public class ServiceBController {
    @GetMapping("/service-b-endpoint")
    public String serviceBEndpoint() {
        return "Response from Service B";
    }
}
运行服务

启动service-a和service-b，访问service-a的/call-service-b接口，触发对service-b的调用，并生成完整的Trace信息。

AWS X-Ray
添加依赖

在pom.xml中添加AWS X-Ray的依赖：

<dependency>
    <groupId>com.amazonaws</groupId>
    <artifactId>aws-xray-recorder-sdk-spring</artifactId>
    <version>2.8.0</version>
</dependency>
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-openfeign</artifactId>
</dependency>
配置文件

在application.yml中配置AWS X-Ray：

spring:
  application:
    name: ${SERVICE_NAME}
xray:
  tracing:
    enabled: true
服务间调用

在service-a中定义Feign客户端，用于调用service-b的接口：

@FeignClient(name = "service-b")
public interface ServiceBClient {
    @GetMapping("/service-b-endpoint")
    String callServiceB();
}

@RestController
public class ServiceAController {
    @Autowired
    private ServiceBClient serviceBClient;

    @GetMapping("/call-service-b")
    public String callServiceB() {
        return serviceBClient.callServiceB();
    }
}

在service-b中定义接收请求的Controller：

@RestController
public class ServiceBController {
    @GetMapping("/service-b-endpoint")
    public String serviceBEndpoint() {
        return "Response from Service B";
    }
}
运行服务

启动service-a和service-b，访问service-a的/call-service-b接口，触发对service-b的调用，并生成完整的Trace信息。

总结

通过本文的详细介绍，我们在Java微服务架构中优雅地集成了多种链路追踪技术。利用Spring Cloud Sleuth、Zipkin、Jaeger、OpenTelemetry、Apache SkyWalking和AWS X-Ray等工具，我们能够全面监控和分析系统中的请求流转情况，从而快速定位性能瓶颈和故障点。链路追踪不仅是性能优化和故障排查的利器，更是理解系统内部运作机制的重要工具。希望本文能为你在实际项目中集成和使用链路追踪技术提供有价值的指导，助力系统稳定性和性能的提升。

转载自:https://juejin.cn/post/7380283002481655871
评论
请登录