每日优鲜三面：在Spring Cloud实战中，如何用服务链路追踪Sleuth？

2021-07-26 519

服务链路追踪:Spring Cloud Sleuth

我们知道,微服务之间通过网络进行通信,但在我们提供服务的同时,不能保证网络一定是畅通的。相反地，网络是很脆弱的，网络资源也有限，因此我们有必要追踪每个网络请求，了解它们经过了哪些微服务，延迟多少，每个请求所耗费的时间等。只有这样能更好地分析系统瓶颈，解决系统问题。

在Spring Cloud 中，我们可以使用Spring Cloud Sleuth组件来实现微服务追踪。

Java学习笔记共享地址：spring cloud面试真题笔记。

Spring Cloud Sleuth简介

我们知道，Spring Cloud不重复造轮子，Spring Cloud Sleuth也不例外，它集成了非常强大的跟踪系统——Zipkin。Zipkin是Twitter开源的分布式跟踪系统，基于Dapper的论文设计而来。它的主要功能是收集系统的时序数据”，从而追踪微服务架构的系统延时。

在学习Spring Cloud Sleuth之前，我们先来认识一些基本术语。

span(跨度):基本工作单元。在一个新建的 span中发送一个RPC，相当于发送一个回应给RPC。span被一个唯一的64位ID标识，它还有其他数据信息，比如摘要、时间戳事件、关键值注释( tags )以及进度ID(通常是地址)。span 在不断地启动和停止，同时记录了时间信息，当你创建了一个span，你必须在未来的某个时刻停止它。
trace(追踪):一组共享root span的 span组成的树状结构称为trace。trace也用一个64位的ID唯一标识，trace中的所有span都共享该trace的 ID。
annotation(标注):用来实时记录一个事件的存在，一些核心annotations 用来定义一个请求的开始和结束。
cs，即client sent，客户端发起一个请求,描述span的开始。
sr，即 server received，服务端获得请求并准备开始处理它，sr时间戳减去cs时间戳可以得到网络延迟。
ss，即server sent，表示请求处理完成(即请求返回客户端)，ss时间戳减去sr时间戳可以得到服务端需要的处理请求时间。
cr，即 client received，表明span 的结束，客户端成功接收到服务端的回复，cr时间戳减去cs时间戳可以得到客户端从服务端获取回复所需的时间。

图12-1演示了请求依次经过SERVICE1→SERVICE2一SERVICE3→SERVICE4时，span、trace、annotation的变化。

利用链路追踪监听网络请求

本节我们将在项目中集成Spring Cloud Sleuth来监听每个请求，从而更好地优化系统架构。我们知道，Spring Cloud Sleuth底层其实是Zipkin，而Zipkin分为服务端和客户端。如果服务端用户开启链路追踪服务，那么客户端在进行网络请求时就需要和Zipkin 的服务端进行通信。

下面我们就来分别实现服务端和客户端。

服务端的实现

以前，我们需要自己实现Zipkin服务端，但从Spring Boot 2.0以后，官方推出了Zipkin服务端，我们只需要把下载好的服务端jar包放到服务器上启动即可。具体操作如下。

(1)从网络上下载Zipkin服务端的可执行jar包，下载地址:

https:/repo1.maven.org/maven2/io/zipkin/java/zipkin-server/2.9.4/zipkin-server-2.9.4-exec.jar。

(2)将

zipkin-server-2.9.4-exec.jar修改为zipkin.jar。

(3)执行下面的命令进入zipkin.jar所在目录:

java -jar zipkin.jar

启动成功后，会出现如图12-2所示的界面。

Zipkin服务端的默认启动端口为9411，浏览器访问localhost:9411即可进入Zipkin服务端管理界面，如图12-3所示。

Spring Boot官方推荐使用此方式。当然，读者也可以自己实现Zipkin服务端。接下来，将介绍如何实现自己的Zipkin服务端。

(1)在blog父工程中创建一个 Module，命名为zipkin，在pom.xml中添加以下依赖:

<dependency>
<groupId>io.zipkin.java</groupId>
<artifactId>zipkin-server</ artifactId><version>2.8.4</version>
</dependency>
<dependency>
<groupId>io.zipkin.java</groupId>
<artifactId>zipkin-autoconfigure-ui</artifactId><version>2.8.4</version>
</dependency>

在上述配置中，zipkin-server是Zipkin的服务端依赖，zipkin-autoconfigure-ui是Zipkin的管理界面依赖。Zipkin提供了Web管理界面，方便我们追踪查看，因此有必要依赖它。

(2)创建工程启动类并加入Zipkin注解:

@SpringBootApplication@EnablezipkinServer
public class ZipkinApplication {
public static void main(String[] args){
SpringApplication.run(ZipkinApplication.class,args);
}
}

其中，@EnableZipkinServer注解表示开启Zipkin服务端。

(3)创建配置文件application.yml :

server:
port: 9411management:
metrics:
web:
server:
auto-time-requests: false

auto-time-requests默认为true,该配置的作用是标识Spring MVC或WebFlux处理的请求是否自动计时，如果要使用计时器可以在每个接口方法处添加@Timed注解。需要注意的是，在Spring Boot 2.0以后，需要将auto-time-requests设置为false，否则会抛出

java.lang.IllegalAngumentException异常。

(4)运行ZipkinApplication.jar，启动Zipkin服务端，通过浏览器访问localhost:9411，依然可以看到图12-3所示的界面。

客户端集成Spring Cloud Sleuth

单纯启动Zipkin服务端还达不到追踪的目的,我们还必须让微服务客户端集成Zipkin才能跟踪微服务。下面是集成Spring Cloud Sleuth的步骤。

(1)在common工程的pom.xml文件中添加以下依赖:

<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-sleuth-zipkin</artifactId>
</dependency>

(2)在Git仓库的配置文件eurekaclient.yml中添加以下内容:

spring:
zipkin:
base-url: http://localhost:9411sender:
type: web
sleuth:
sampler:
probability : 1

其中，spring.zipkin.base-url用来指定Zipkin服务端的地址;

spring.sleutch.sampler.probability用来指定采样请求的百分比（默认为0.1，即 10%); spring.zipkin.sender.type为追踪日志发送类型，可选值有web、kafka、rabbit，默认为空，因此必须进行设置，否则·Zipkin 不知道以何种类型发送日志，就无法正确追踪服务链路。

(3)依次启动注册中心、配置中心和 test 工程，浏览器访问localhost:9999/test和 localhost:9411，进入Zipkin界面后，可以看到trace列表，选择Service Name为 test后点击Find a trace按钮，如图12-4所示。

注意这里test工程需要引入eurekaclient.yml配置文件。在上述界面中，Find Traces按钮以上为搜索条件，Service Name为服务名，当前只访问了test，因此下拉框中只能看到test和 all，all为查询所有服务;Span Name为基本工作单元名，顾名思义为具体请求名，一个请求就是一个span;Lookback为记录时间; Annotations Query为自定义的查询条件,可以对标签进行查询,多个用and 隔开; Duration为服务调用时间，查询大于等于该时间的服务，单位是微秒（需要注意的是，下方的服务请求日志列表中以毫秒为单位，所以在筛选条件时需要进行一次转换，否则无法查询出正确的数据);Limit为显示数量，默认为10;Sort为排序规则。

Find Traces按钮下方，Showing表示当前请求数量，Services为当前选择的服务名，点击右边的JSON可以看到当前请求的JSON结构;下方列表展示了当前的请求情况，包括请求总耗时（单位为毫秒)、调用的时间、span的数量、请求耗时占比等。

在实际项目中，读者可以根据Zipkin统计的这些信息发现速度较慢的请求或查询，从而有针对性地对指定请求进行优化。

通过消息中间件实现链路追踪

上一节，我们集成了服务链路追踪组件Zipkin，客户端通过指定Zipkin提供的HTTP地址即可完成日志收集。我们知道，客户端可以通过spring.zipkin.sender.type 指定发送类型，除了指定为web 类型还可以通过消息中间件来收集日志。

本节将利用消息中间件RabbitMQ来完成服务链路追踪日志的收集。

(1)命令行启动官网提供的zipkin.jar，注意，启动时需要指定RabbitMQ 的 host地址，如:

java -jar zipkin.jar --RABBIT_ADDRESSES=127.0.0.1

其中，--RABBIT_ADDRESSES即为RabbitMQ的host地址。

启动完成后，我们访问RabbitMQ的Web管理界面，可以看到，Zipkin Server已经为我们创建了一个名叫zipkin的队列，如图12-5所示。

(2)在common工程下增加以下依赖:

<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-stream-binder-rabbit</artifactId>
</ dependency>

该依赖实现了消息队列的收发机制，添加该依赖后，客户端就可以通过 RabbitMQ发送消息，ZipkinServer就可以通过RabbitMQ收集日志。

(3)将eurekaclient.xml的spring.zipkin.base-url注释掉并重启test工程,分别访问test工程接口和Zipkin的Web界面，正常情况下读者可以看到与图12-4类似的效果。

存储追踪数据

在前面的操作中，不管是基于Web还是基于消息中间件，收集的日志都默认存放在内存中，即Zipkin Server重启后，追踪的链路数据将被清除，这不符合我们的期望。比较合理的做法是将数据持久化，比如持久化到MySQL、MongoDB、ElasticSearch、Cassandra等数据库中。

下面以MySQL为例，演示如何将追踪数据存储到数据库中。

(1)创建数据库zipkin_db(名字可以随意取）并生成数据表(MySQL 的详细安装过程请查看第14章，Zipkin Server官方推荐使用MariaDB ):

CREATE TABLE IF NOT EXISTS zipkin_spans(
'trace_id_high` BIGINT NOT NULL DEFAULT 0 CONNENT 'Tf non zero,this means the trace uses
128 bit traceIds instead of 64 bit',
`trace_id` BIGINT NOT NULL,
`id BIGINT NOT NULL,
name VARCHAR(255)NOT NULL,`parent_id` BIGINT,
`debug BIT(1),
`start_ts` BIGINT CONMENT 'Span.timestamp(): epoch micros used for endTs query and to
implement TTL',
duration` BIGINT CONMENT 'Span.duration(): micros used for minDuration and maxDuration query'
）ENGINE=InnoDB ROA_FORMAT=CONPRESSED CHARACTER SET=utf8 COLLATE utf8_general_ci;
ALTER TABLE zipkin_spans ADD UNIQUE KEY(`'trace_id_high`, 'trace_id', `id')CONENT 'ignore
insert on duplicate';
ALTER TABLE zipkin_spans ADD INDEX(`trace_id_high ', 'trace_id', `id')CONNENT 'for joining
with zipkin_annotations';
ALTER TABLE zipkin_spans ADD INDEX(` trace_id_high `, 'trace_id"') CONMMENT 'for getTracesByIds ';ALTER TABLE zipkin_spans ADD INDEX(`name`)COMMENT 'for getTraces and getSpanNames ';
ALTER TABLE zipkin_spans ADD INDEX(`start_ts')CONMENT 'for getTraces ordering and range ';
CREATE TABLE IF NOT EXISTS zipkin_annotations (
'trace_id_high’BIGINT NOT NULL DEFAULT O CONMENT 'Tf non zero, this means the trace uses
128 bit traceIds instead of 64 bit',
'trace_id BIGINT NOT NULL COMMENT 'coincides with zipkin_spans.trace_id','span_id BIGINT NOT NULL COMMENT 'coincides with zipkin_spans.id ',
'a_key’ VARCHAR(255) NOT NJLL COWENT 'BinaryAnnotation.key or Annotation.value if type == -1','a_value’ BLOB CONMENT 'BinaryAnnotation.value(), which must be smaller than 64KB','a_type` INT NOT NULL COMMENT‘BinaryAnnotation.type() or -1 if Annotation',
'a_timestamp`BIGINT CONMENT 'Used to implement TTL; Annotation.timestamp or zipkin_spans.
timestamp',
`endpoint_ipv4` INT COMMENT 'Null when Binary/Annotation.endpoint is null',
`endpoint_ipv6` BINARY(16)COMMENT 'Null when Binary/Annotation.endpoint is null, or no
IPv6 address',
endpoint_port`SMALLINT COMMENT 'Null when Binary/Annotation.endpoint is null',
endpoint_service_name'VARCHAR(255)CONMMENT 'Null when Binary/ Annotation.endpoint is null'
）ENGINE=InnoDB RO_FORMAT=COMPRESSED CHARACTER SET=utf8 COLLATE utf8_general_ci;
ALTER TABLE zipkin_annotations ADD UNIQUE KEY( trace_id_high , 'trace_id' , 'span_id , ' a_key ',
'a_timestamp `)COMMENT 'Ignore insert on duplicate';
ALTER TABLE zipkin_annotations ADD INDEX(`trace_id_high , 'trace_id' , 'span_id' ) COMIENT 'for
joining with zipkin_spans ';
ALTER TABLE zipkin_annotations ADD INDEX(` trace_id_high , 'trace_id` ) COMMENT 'for getTraces/
ByIds';
ALTER TABLE zipkin_annotations ADD INDEX(` endpoint_service_name' ) CONMENT 'for getTraces and
getserviceNames';
ALTER TABLE zipkin_annotations ADD INDEX(`a_type') CONMENT 'for getTraces';ALTER TABLE zipkin_annotations ADD INDEX(`a_key') COMMENT 'for getTraces ';
CREATE TABLE IF NOT EXISTS zipkin_dependencies (
dayDATE NOT NULL,
`parent VARCHAR(255)NOT NULL,`child` VARCHAR(255)NOT NULL,`call_count`BIGINT
)）ENGINE=InnoDB ROA_FORMAT=COMPRESSED CHARACTER SET=utf8 COLLATE utf8_general_ci;
ALTER TABLE zipkin_dependencies ADD UNIQUE KEY(` day', 'parent', `child`');

(2)重新启动zipkin.jar，这次启动需要指定数据库连接信息，如:

java -jar zipkin.jar --RABBIT_ADDRESSES=127.0.0.1--MYSQL_HOST=127.0.0.1
--MYSQL_TCP_PORT=3306 --MYSQL_USER=root--MYSQL_PASS=1qaz2wSX 
--MYSQL_DB=zipkin_db--STORAGE_TYPE=mysql

其中--MYSQL_HOST为数据库连接host，默认为localhost; --MYSQL_TCP_PORT为数据库端口，默认为3306; --MYSQL_USER为数据库登录名;--MYSQL_PASs为数据库密码;--MYSQL_DB 为数据库名，默认为zipkin;--STORAGE_TYPE为存储类型,默认为mem，即存储到内存中,可选值有mem、 cassandra、cassandra3、 elasticsearch、mysql，这里设置为mysql。

(3)重启test工程，可以看到数据库已经存储了追踪数据，如图12-6所示。

且重启Zipkin Server后，也能通过localhost:9411查询到追踪数据。

小结

随着业务越来越复杂，一个看似简单的应用，它的后台可能有几十个甚至几百个服务在支撑。一个请求可能需要多次调用服务才能完成，当请求速度变慢或者不可用时，我们无法得知是哪个服务引起的，这时就需要快速定位服务故障点，Zipkin很好地解决了这个问题。

微信关注我们

原文链接：https://my.oschina.net/u/4678580/blog/5146540

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

灵活运用分布式锁解决数据重复插入问题

一、业务背景许多面向用户的互联网业务都会在系统后端维护一份用户数据，快应用中心业务也同样做了这件事。快应用中心允许用户对快应用进行收藏，并在服务端记录了用户的收藏列表，通过用户账号标识OpenID来关联收藏的快应用包名。为了使用户在快应用中心的收藏列表能够与快应用Menubar的收藏状态打通，我们同时也记录了用户账号标识OpenID与客户端本地标识local_identifier的绑定关系。因为快应用Manubar由快应用引擎持有，独立于快应用中心外，无法通过账号体系获取到用户账号标识，只能获取到客户端本地标识local_identifier，所以我们只能通过二者的映射关系来保持状态同步。在具体实现上，我们是在用户启动快应用中心的时候触发一次同步操作，由客户端将OpenID和客户端本地标识提交到服务端进行绑定。服务端的绑定逻辑是：判断OpenID是否已经存在，如果不存在则插入数据库，否则更新对应数据行的local_identifier字段（因为用户可能先后在两个不同的手机上登录同一个vivo账号）。在后续的业务流程中，我们就可以根据OpenID查询对应的local_identif...

2021-07-26

502

7 月 9 日，GOTC 2021 全球开源技术峰会上海站与 WAIC 世界人工智能大会共同举办，峰会聚焦 AI 与云原生两大以开源驱动的前沿技术领域，邀请国家级研究机构与顶级互联网公司的一线技术专家，为参会的开发者和技术爱好者带来了最硬的行业技术干货，提供了一个难得的技术交流平台。在本次会议上，腾讯云高级工程师高策进行了题为“公有云上构建云原生 AI 平台的探索与实践”的技术分享，介绍了 AI 类业务在公有云上的现状以及相应的技术选型和面临的问题。最后通过分析开源社区和业界的趋势，与听众分享了我们对于未来全弹性的 AI 基础设施的展望。本文由此次分享演讲内容整理而成，分享给大家一起回顾精彩内容。关注【腾讯云原生】公众号，后台回复关键词【云原生AI】可获取演讲PPT原稿。背景与现状深度学习发展至今，新的模型结构层出不穷。自 2018 年 GPT-1、Bert 相继问世，模型结构的参数量呈指数级增长。目前 Transformer 等结构不仅在自然语言处理领域发光发热，在计算机视觉等领域，也呈野火燎原之势。由此可见，未来对于算力和显存的需求会越发强烈。而以 Nvidia 为代表的...

2021-07-26

584

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。