現今業(yè)界分布式服務跟蹤的理論基礎主要來自于 Google 的一篇論文《Dapper, a Large-Scale Distributed Systems Tracing Infrastructure》涤躲，使用最為廣泛的開源實現是 Twitter 的 Zipkin顽分，為了實現平臺無關蝌戒、廠商無關的分布式服務跟蹤，CNCF 發(fā)布了布式服務跟蹤標準 Open Tracing斜姥。國內妈踊，淘寶的 “鷹眼”雪侥、京東的 “Hydra”、大眾點評的 “CAT”哥童、新浪的 “Watchman”、唯品會的 “Microscope”褒翰、窩窩網的 “Tracing” 都是這樣的系統贮懈。
一個分布式服務跟蹤系統主要由三部分構成：數據收集匀泊、數據存儲、數據展示朵你。根據系統大小不同各聘，每一部分的結構又有一定變化。譬如撬呢，對于大規(guī)模分布式系統伦吠，數據存儲可分為實時數據和全量數據兩部分，實時數據用于故障排查（Trouble Shooting）魂拦，全量數據用于系統優(yōu)化毛仪；數據收集除了支持平臺無關和開發(fā)語言無關系統的數據收集，還包括異步數據收集（需要跟蹤隊列中的消息芯勘，保證調用的連貫性）箱靴，以及確保更小的侵入性；數據展示又涉及到數據挖掘和分析荷愕。雖然每一部分都可能變得很復雜衡怀，但基本原理都類似。
服務追蹤的追蹤單元是從客戶發(fā)起請求（request）抵達被追蹤系統的邊界開始安疗，到被追蹤系統向客戶返回響應（response）為止的過程抛杨，稱為一個 trace。每個 trace 中會調用若干個服務荐类，為了記錄調用了哪些服務怖现，以及每次調用的消耗時間等信息，在每次調用服務時玉罐，埋入一個調用記錄屈嗤，稱為一個 span。這樣吊输，若干個有序的 span 就組成了一個 trace饶号。在系統向外界提供服務的過程中，會不斷地有請求和響應發(fā)生季蚂，也就會不斷生成 trace茫船，把這些帶有 span 的 trace 記錄下來，就可以描繪出一幅系統的服務拓撲圖扭屁。附帶上 span 中的響應時間透硝，以及請求成功與否等信息，就可以在發(fā)生問題的時候疯搅，找到異常的服務濒生；根據歷史數據，還可以從系統整體層面分析出哪里性能差幔欧，定位性能優(yōu)化的目標罪治。
SpringCloud Sleuth 也為我們提供了一套完整的解決方案丽声。Sleuth 為服務之間調用提供鏈路追蹤，通過 Sleuth 可以很清楚的了解到一個服務請求經過了哪些服務觉义，每個服務處理花費了多長雁社。從而讓我們可以很方便的理清各微服務間的調用關系。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晒骇，從而分析出哪些服務調用比較耗時霉撵；
可視化錯誤：對于程序未捕捉的異常，可以通過集成 Zipkin 服務界面上看到洪囤；
鏈路優(yōu)化：對于調用比較頻繁的服務徒坡，可以針對這些服務實施一些優(yōu)化措施。
Spring Cloud Sleuth 的概念圖瘤缩，圖中畫圈的部分是Sleuth的標記（Annotation,一個標注可以理解成span生命周期中重要時刻的數據快照喇完，比如一個標注中一般包含發(fā)生時刻（timestamp）、事件類型（value）剥啤、端點（endpoint）等信息）信息锦溪，分別表示：
客戶端發(fā)送 client send：客戶端已經發(fā)出請求。此標記biao描繪了跨度的開始府怯。
服務器接收 server received：服務器端得到請求刻诊，將開始進行處理。
服務器發(fā)送 server send：在完成請求處理后（響應發(fā)送回客戶端時）標記牺丙。
客戶端接收 client received：表示跨度的結束则涯，客戶端已成功接收到服務器端的響應。
通過這四個標記赘被，我們可以計算出相應的四個值：
請求延時=sr-cs
響應延時 cr-ss
服務器處理時間:ss-sr
客戶端請求時間:cr-cs = 請求延時+響應延時+服務器處理時間
?SpringCloud Sleuth 入門
<!-- 1. 加入POM依賴 -->
<dependency>
? ? <groupId>org.springframework.cloud</groupId>
? ? <artifactId>spring-cloud-starter-sleuth</artifactId>
</dependency>
<!-- 2. 修改屬性文件是整，打開sleuth日志 -->
logging.level.org.springframework.cloud.sleuth=debug
啟動項目后肖揣，通過consumer去調用provider觀察輸出的日志信息民假，會發(fā)現多出了：[ms-consumer-user,7d0cbb49820bbacd,551bf65184bbc971,false]，其中四個參數分別代表[微服務應用名,traceId,spanId,是否持久化]
Sleuth 的持久化Sleuth+zipkin
SpringCloud Sleuth結合 Zipkin龙优，將信息發(fā)送到 Zipkin羊异，利用 Zipkin 的存儲來存儲信息，利用 Zipkin UI 來展示數據彤断。Zipkin是Twitter 的一個開源項目野舶，它基于 Google Dapper 實現，它致力于收集服務的定時數據宰衙，以解決微服務架構中的延遲問題平道，包括數據的收集、存儲供炼、查找和展現一屋。我們可以使用它來收集各個服務器上請求鏈路的跟蹤數據窘疮，并通過它提供的 REST API 接口來輔助我們查詢跟蹤數據以實現對分布式系統的監(jiān)控程序，從而及時地發(fā)現系統中出現的延遲升高問題并找出系統性能瓶頸的根源冀墨。除了面向開發(fā)的 API 接口之外闸衫，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，比如：可以查詢某段時間內各用戶請求的處理時間等诽嘉。Zipkin 提供了可插拔數據存儲方式：In-Memory蔚出、MySql、Cassandra 以及 Elasticsearch虫腋，生產推薦 Elasticsearch骄酗。
Zipkin 基礎架構如圖所示，它主要由 4 個核心組件構成：
Collector：收集器組件岔乔，它主要用于處理從外部系統發(fā)送過來的跟蹤信息酥筝，將這些信息轉換為 Zipkin 內部處理的 Span 格式，以支持后續(xù)的存儲雏门、分析嘿歌、展示等功能。
Storage：存儲組件茁影，它主要對處理收集器接收到的跟蹤信息宙帝，默認會將這些信息存儲在內存中，我們也可以修改此存儲策略募闲，通過使用其他存儲組件將跟蹤信息存儲到數據庫中步脓。
RESTful API：API 組件，它主要用來提供外部訪問接口浩螺。比如給客戶端展示跟蹤信息靴患，或是外接系統訪問以實現監(jiān)控等。
Web UI：UI 組件要出，基于 API 組件實現的上層應用鸳君。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 分為兩端患蹂，一個是 Zipkin 服務端或颊，一個是 Zipkin 客戶端，客戶端也就是微服務的應用传于〈烟簦客戶端會配置服務端的 URL 地址，一旦發(fā)生服務間的調用的時候沼溜，會被配置在微服務里面的 Sleuth 的監(jiān)聽器監(jiān)聽平挑，并生成相應的 Trace 和 Span 信息發(fā)送給服務端。發(fā)送的方式主要有兩種系草，一種是 HTTP 報文的方式通熄，還有一種是消息總線的方式如 RabbitMQ否淤。
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的服務端棠隐，在SpringBoot1.x我們需要手動搭建石抡，在Springboot2.x之后我們只需去官網下載，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進入界面助泽，消費者向提供者發(fā)送請求后啰扛，zipkinUI會顯示相關的調用鏈信息。
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. 修改屬性文件嗡贺，打開sleuth日志 -->
spring.zipkin.sender.type=rabbit
spring.sleuth.web.client.enabled=true
#采樣比例默認是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的服務端隐解，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數據持久化
<!-- 1. 創(chuàng)建一個zipkin的數據庫，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的服務端诫睬，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
