建站
咨詢(xún)
售后
建站咨詢(xún)
新聞中心
問(wèn)題背景
隨著微服務(wù)架構(gòu)的流行，服務(wù)按照不同的維度進(jìn)行拆分，一次請(qǐng)求往往需要涉及到多個(gè)服務(wù)?；ヂ?lián)網(wǎng)應(yīng)用構(gòu)建在不同的軟件模塊集上，這些軟件模塊，有可能是由不同的團(tuán)隊(duì)開(kāi)發(fā)、可能使用不同的編程語(yǔ)言來(lái)實(shí)現(xiàn)、有可能布在了幾千臺(tái)服務(wù)器，橫跨多個(gè)不同的數(shù)據(jù)中心。因此，就需要一些可以幫助理解系統(tǒng)行為、用于分析性能問(wèn)題的工具，以便發(fā)生故障的時(shí)候，能夠快速定位和解決問(wèn)題。
創(chuàng)新互聯(lián)專(zhuān)注于含山企業(yè)網(wǎng)站建設(shè),響應(yīng)式網(wǎng)站建設(shè),商城系統(tǒng)網(wǎng)站開(kāi)發(fā)。含山網(wǎng)站建設(shè)公司,為含山等地區(qū)提供建站服務(wù)。全流程按需求定制制作，專(zhuān)業(yè)設(shè)計(jì)，全程項(xiàng)目跟蹤，創(chuàng)新互聯(lián)專(zhuān)業(yè)和態(tài)度為您提供的服務(wù)
全鏈路監(jiān)控組件就在這樣的問(wèn)題背景下產(chǎn)生了。最出名的是谷歌公開(kāi)的論文提到的 Google Dapper。想要在這個(gè)上下文中理解分布式系統(tǒng)的行為，就需要監(jiān)控那些橫跨了不同的應(yīng)用、不同的服務(wù)器之間的關(guān)聯(lián)動(dòng)作。
所以，在復(fù)雜的微服務(wù)架構(gòu)系統(tǒng)中，幾乎每一個(gè)前端請(qǐng)求都會(huì)形成一個(gè)復(fù)雜的分布式服務(wù)調(diào)用鏈路。一個(gè)請(qǐng)求完整調(diào)用鏈可能如下圖所示：
一個(gè)請(qǐng)求完整調(diào)用鏈
那么在業(yè)務(wù)規(guī)模不斷增大、服務(wù)不斷增多以及頻繁變更的情況下，面對(duì)復(fù)雜的調(diào)用鏈路就帶來(lái)一系列問(wèn)題：
-
如何快速發(fā)現(xiàn)問(wèn)題？
-
如何判斷故障影響范圍？
-
如何梳理服務(wù)依賴(lài)以及依賴(lài)的合理性？
-
如何分析鏈路性能問(wèn)題以及實(shí)時(shí)容量規(guī)劃？
同時(shí)我們會(huì)關(guān)注在請(qǐng)求處理期間各個(gè)調(diào)用的各項(xiàng)性能指標(biāo)，比如：吞吐量（TPS）、響應(yīng)時(shí)間及錯(cuò)誤記錄等。
-
吞吐量 ，根據(jù)拓?fù)淇捎?jì)算相應(yīng)組件、平臺(tái)、物理設(shè)備的實(shí)時(shí)吞吐量。
-
響應(yīng)時(shí)間 ，包括整體調(diào)用的響應(yīng)時(shí)間和各個(gè)服務(wù)的響應(yīng)時(shí)間等。
-
錯(cuò)誤記錄 ，根據(jù)服務(wù)返回統(tǒng)計(jì)單位時(shí)間異常次數(shù)。
全鏈路性能監(jiān)控 從整體維度到局部維度展示各項(xiàng)指標(biāo) ，將跨應(yīng)用的所有調(diào)用鏈性能信息集中展現(xiàn)，可方便度量整體和局部性能，并且方便找到故障產(chǎn)生的源頭，生產(chǎn)上可極大縮短故障排除時(shí)間。
有了全鏈路監(jiān)控工具，我們能夠達(dá)到 ：
-
請(qǐng)求鏈路追蹤，故障快速定位：可以通過(guò)調(diào)用鏈結(jié)合業(yè)務(wù)日志快速定位錯(cuò)誤信息。
-
可視化：各個(gè)階段耗時(shí)，進(jìn)行性能分析。
-
依賴(lài)優(yōu)化：各個(gè)調(diào)用環(huán)節(jié)的可用性、梳理服務(wù)依賴(lài)關(guān)系以及優(yōu)化。
-
數(shù)據(jù)分析，優(yōu)化鏈路：可以得到用戶的行為路徑，匯總分析應(yīng)用在很多業(yè)務(wù)場(chǎng)景。
目標(biāo)要求
如上所述，那么我們選擇全鏈路監(jiān)控組件有哪些目標(biāo)要求呢？Google Dapper中也提到了，總結(jié)如下：
探針的性能消耗
APM組件服務(wù)的影響應(yīng)該做到足夠小。服務(wù)調(diào)用埋點(diǎn)本身會(huì)帶來(lái)性能損耗，這就需要調(diào)用跟蹤的低損耗，實(shí)際中還會(huì)通過(guò)配置采樣率的方式，選擇一部分請(qǐng)求去分析請(qǐng)求路徑。在一些高度優(yōu)化過(guò)的服務(wù)，即使一點(diǎn)點(diǎn)損耗也會(huì)很容易察覺(jué)到，而且有可能迫使在線服務(wù)的部署團(tuán)隊(duì)不得不將跟蹤系統(tǒng)關(guān)停。
代碼的侵入性
即也作為業(yè)務(wù)組件，應(yīng)當(dāng)盡可能少入侵或者無(wú)入侵其他業(yè)務(wù)系統(tǒng)，對(duì)于使用方透明，減少開(kāi)發(fā)人員的負(fù)擔(dān)。
對(duì)于應(yīng)用的程序員來(lái)說(shuō)，是不需要知道有跟蹤系統(tǒng)這回事的。如果一個(gè)跟蹤系統(tǒng)想生效，就必須需要依賴(lài)應(yīng)用的開(kāi)發(fā)者主動(dòng)配合，那么這個(gè)跟蹤系統(tǒng)也太脆弱了，往往由于跟蹤系統(tǒng)在應(yīng)用中植入代碼的bug或疏忽導(dǎo)致應(yīng)用出問(wèn)題，這樣才是無(wú)法滿足對(duì)跟蹤系統(tǒng)“無(wú)所不在的部署”這個(gè)需求。
可擴(kuò)展性
一個(gè)優(yōu)秀的調(diào)用跟蹤系統(tǒng)必須支持分布式部署，具備良好的可擴(kuò)展性。能夠支持的組件越多當(dāng)然越好?；蛘咛峁┍憬莸牟寮_(kāi)發(fā)API，對(duì)于一些沒(méi)有監(jiān)控到的組件，應(yīng)用開(kāi)發(fā)者也可以自行擴(kuò)展。
數(shù)據(jù)的分析
數(shù)據(jù)的分析要快 ，分析的維度盡可能多。跟蹤系統(tǒng)能提供足夠快的信息反饋，就可以對(duì)生產(chǎn)環(huán)境下的異常狀況做出快速反應(yīng)。分析的全面，能夠避免二次開(kāi)發(fā)。
功能模塊
一般的全鏈路監(jiān)控系統(tǒng)，大致可分為四大功能模塊：
埋點(diǎn)與生成日志
埋點(diǎn)即系統(tǒng)在當(dāng)前節(jié)點(diǎn)的上下文信息，可以分為 客戶端埋點(diǎn)、服務(wù)端埋點(diǎn)，以及客戶端和服務(wù)端雙向型埋點(diǎn)。埋點(diǎn)日志通常要包含以下內(nèi)容traceId、spanId、調(diào)用的開(kāi)始時(shí)間，協(xié)議類(lèi)型、調(diào)用方ip和端口，請(qǐng)求的服務(wù)名、調(diào)用耗時(shí)，調(diào)用結(jié)果，異常信息等，同時(shí)預(yù)留可擴(kuò)展字段，為下一步擴(kuò)展做準(zhǔn)備；
-
不能造成性能負(fù)擔(dān)：一個(gè)價(jià)值未被驗(yàn)證，卻會(huì)影響性能的東西，是很難在公司推廣的！
-
因?yàn)橐獙?xiě)log，業(yè)務(wù)QPS越高，性能影響越重。通過(guò)采樣和異步log解決。
收集和存儲(chǔ)日志
主要支持分布式日志采集的方案，同時(shí)增加MQ作為緩沖；
-
每個(gè)機(jī)器上有一個(gè) deamon 做日志收集，業(yè)務(wù)進(jìn)程把自己的Trace發(fā)到daemon，daemon把收集Trace往上一級(jí)發(fā)送；
-
多級(jí)的collector，類(lèi)似pub/sub架構(gòu)，可以負(fù)載均衡；
-
對(duì)聚合的數(shù)據(jù)進(jìn)行 實(shí)時(shí)分析和離線存儲(chǔ)；
-
離線分析 需要將同一條調(diào)用鏈的日志匯總在一起；
分析和統(tǒng)計(jì)調(diào)用鏈路數(shù)據(jù)，以及時(shí)效性
調(diào)用鏈跟蹤分析：把同一TraceID的Span收集起來(lái)，按時(shí)間排序就是timeline。把ParentID串起來(lái)就是調(diào)用棧。
拋異常或者超時(shí)，在日志里打印TraceID。利用TraceID查詢(xún)調(diào)用鏈情況，定位問(wèn)題。
依賴(lài)度量：
-
離線分析：按TraceID匯總，通過(guò)Span的ID和ParentID還原調(diào)用關(guān)系，分析鏈路形態(tài)。
-
實(shí)時(shí)分析：對(duì)單條日志直接分析，不做匯總，重組。得到當(dāng)前QPS，延遲。
-
強(qiáng)依賴(lài)：調(diào)用失敗會(huì)直接中斷主流程
-
高度依賴(lài)：一次鏈路中調(diào)用某個(gè)依賴(lài)的幾率高
-
頻繁依賴(lài)：一次鏈路調(diào)用同一個(gè)依賴(lài)的次數(shù)多
-
展現(xiàn)以及決策支持
Google Dapper
Span
基本工作單元，一次鏈路調(diào)用（可以是RPC，DB等沒(méi)有特定的限制）創(chuàng)建一個(gè)span，通過(guò)一個(gè)64位ID標(biāo)識(shí)它，uuid較為方便，span中還有其他的數(shù)據(jù)，例如描述信息，時(shí)間戳，key-value對(duì)的（Annotation）tag信息，parent_id等,其中parent-id可以表示span調(diào)用鏈路來(lái)源。
上圖說(shuō)明了span在一次大的跟蹤過(guò)程中是什么樣的。Dapper記錄了span名稱(chēng)，以及每個(gè)span的ID和父ID，以重建在一次追蹤過(guò)程中不同span之間的關(guān)系。如果一個(gè)span沒(méi)有父ID被稱(chēng)為root span。所有span都掛在一個(gè)特定的跟蹤上，也共用一個(gè)跟蹤id。
Span數(shù)據(jù)結(jié)構(gòu)：
- type Span struct {
- TraceID int64 // 用于標(biāo)示一次完整的請(qǐng)求id
- Name string
- ID int64 // 當(dāng)前這次調(diào)用span_id
- ParentID int64 // 上層服務(wù)的調(diào)用span_id 最上層服務(wù)parent_id為null
- Annotation []Annotation // 用于標(biāo)記的時(shí)間戳
- Debug bool
- }
Trace
類(lèi)似于 樹(shù)結(jié)構(gòu)的Span集合，表示一次完整的跟蹤，從請(qǐng)求到服務(wù)器開(kāi)始，服務(wù)器返回response結(jié)束，跟蹤每次rpc調(diào)用的耗時(shí)，存在唯一標(biāo)識(shí)trace_id。比如：你運(yùn)行的分布式大數(shù)據(jù)存儲(chǔ)一次Trace就由你的一次請(qǐng)求組成。
每種顏色的note標(biāo)注了一個(gè)span，一條鏈路通過(guò)TraceId唯一標(biāo)識(shí)，Span標(biāo)識(shí)發(fā)起的請(qǐng)求信息。樹(shù)節(jié)點(diǎn)是整個(gè)架構(gòu)的基本單元，而每一個(gè)節(jié)點(diǎn)又是對(duì)span的引用。節(jié)點(diǎn)之間的連線表示的span和它的父span直接的關(guān)系。雖然span在日志文件中只是簡(jiǎn)單的代表span的開(kāi)始和結(jié)束時(shí)間，他們?cè)谡麄€(gè)樹(shù)形結(jié)構(gòu)中卻是相對(duì)獨(dú)立的。
Annotation
注解，用來(lái)記錄請(qǐng)求特定事件相關(guān)信息（例如時(shí)間），一個(gè)span中會(huì)有多個(gè)annotation注解描述。通常包含四個(gè)注解信息：
(1) cs：Client Start，表示客戶端發(fā)起請(qǐng)求 (2) sr：Server Receive，表示服務(wù)端收到請(qǐng)求 (3) ss：Server Send，表示服務(wù)端完成處理，并將結(jié)果發(fā)送給客戶端 (4) cr：Client Received，表示客戶端獲取到服務(wù)端返回信息
Annotation數(shù)據(jù)結(jié)構(gòu)：
- type Annotation struct {
- Timestamp int64
- Value string
- Host Endpoint
- Duration int32
- }
調(diào)用示例
-
請(qǐng)求調(diào)用示例
當(dāng)用戶發(fā)起一個(gè)請(qǐng)求時(shí)，首先到達(dá)前端A服務(wù)，然后分別對(duì)B服務(wù)和C服務(wù)進(jìn)行RPC調(diào)用；B服務(wù)處理完給A做出響應(yīng)，但是C服務(wù)還需要和后端的D服務(wù)和E服務(wù)交互之后再返還給A服務(wù)，最后由A服務(wù)來(lái)響應(yīng)用戶的請(qǐng)求；
-
調(diào)用過(guò)程追蹤
整個(gè)調(diào)用過(guò)程追蹤
-
請(qǐng)求到來(lái)生成一個(gè)全局TraceID，通過(guò)TraceID可以串聯(lián)起整個(gè)調(diào)用鏈，一個(gè)TraceID代表一次請(qǐng)求。
-
除了TraceID外，還需要SpanID用于記錄調(diào)用父子關(guān)系。每個(gè)服務(wù)會(huì)記錄下parent id和span id，通過(guò)他們可以組織一次完整調(diào)用鏈的父子關(guān)系。
-
一個(gè)沒(méi)有parent id的span成為root span，可以看成調(diào)用鏈入口。
-
所有這些ID可用全局唯一的64位整數(shù)表示；
-
整個(gè)調(diào)用過(guò)程中每個(gè)請(qǐng)求都要透?jìng)鱐raceID和SpanID。
-
每個(gè)服務(wù)將該次請(qǐng)求附帶的TraceID和附帶的SpanID作為parent id記錄下，并且將自己生成的SpanID也記錄下。
-
要查看某次完整的調(diào)用則 只要根據(jù)TraceID查出所有調(diào)用記錄，然后通過(guò)parent id和span id組織起整個(gè)調(diào)用父子關(guān)系。
-
調(diào)用鏈核心工作
-
調(diào)用鏈數(shù)據(jù)生成，對(duì)整個(gè)調(diào)用過(guò)程的所有應(yīng)用進(jìn)行埋點(diǎn)并輸出日志。
-
調(diào)用鏈數(shù)據(jù)采集，對(duì)各個(gè)應(yīng)用中的日志數(shù)據(jù)進(jìn)行采集。
-
調(diào)用鏈數(shù)據(jù)存儲(chǔ)及查詢(xún)，對(duì)采集到的數(shù)據(jù)進(jìn)行存儲(chǔ)，由于日志數(shù)據(jù)量一般都很大，不僅要能對(duì)其存儲(chǔ)，還需要能提供快速查詢(xún)。
-
指標(biāo)運(yùn)算、存儲(chǔ)及查詢(xún)，對(duì)采集到的日志數(shù)據(jù)進(jìn)行各種指標(biāo)運(yùn)算，將運(yùn)算結(jié)果保存起來(lái)。
-
告警功能，提供各種閥值警告功能。
-
-
整體部署架構(gòu)
-
通過(guò)AGENT生成調(diào)用鏈日志。
-
通過(guò)logstash采集日志到kafka。
-
kafka負(fù)責(zé)提供數(shù)據(jù)給下游消費(fèi)。
-
storm計(jì)算匯聚指標(biāo)結(jié)果并落到es。
-
storm抽取trace數(shù)據(jù)并落到es，這是為了提供比較復(fù)雜的查詢(xún)。比如通過(guò)時(shí)間維度查詢(xún)調(diào)用鏈，可以很快查詢(xún)出所有符合的traceID，根據(jù)這些traceID再去 Hbase 查數(shù)據(jù)就快了。
-
logstash將kafka原始數(shù)據(jù)拉取到hbase中。hbase的rowkey為traceID，根據(jù)traceID查詢(xún)是很快的。
-
AGENT無(wú)侵入部署
通過(guò)AGENT代理無(wú)侵入式部署，將性能測(cè)量與業(yè)務(wù)邏輯完全分離，可以測(cè)量任意類(lèi)的任意方法的執(zhí)行時(shí)間，這種方式大大提高了采集效率，并且減少運(yùn)維成本。根據(jù)服務(wù)跨度主要分為兩大類(lèi)AGENT：
服務(wù)內(nèi)AGENT，這種方式是通過(guò) Java 的agent機(jī)制，對(duì)服務(wù)內(nèi)部的方法調(diào)用層次信息進(jìn)行數(shù)據(jù)收集，如方法調(diào)用耗時(shí)、入?yún)?、出參等信息?/p>
跨服務(wù)AGENT，這種情況需要對(duì)主流RPC框架以插件形式提供無(wú)縫支持。并通過(guò)提供標(biāo)準(zhǔn)數(shù)據(jù)規(guī)范以適應(yīng)自定義RPC框架：
-
（1）Dubbo支持；
-
（2）Rest支持；
-
（3）自定義RPC支持；
調(diào)用鏈監(jiān)控好處
-
準(zhǔn)確掌握生產(chǎn)一線應(yīng)用部署情況；
-
從調(diào)用鏈全流程性能角度，識(shí)別對(duì)關(guān)鍵調(diào)用鏈，并進(jìn)行優(yōu)化；
-
提供可追溯的性能數(shù)據(jù)，量化 IT 運(yùn)維部門(mén)業(yè)務(wù)價(jià)值；
-
快速定位代碼性能問(wèn)題，協(xié)助開(kāi)發(fā)人員持續(xù)性的優(yōu)化代碼；
-
協(xié)助開(kāi)發(fā)人員進(jìn)行白盒測(cè)試，縮短系統(tǒng)上線穩(wěn)定期；
方案比較
市面上的全鏈路監(jiān)控理論模型大多都是借鑒Google Dapper論文，本文重點(diǎn)關(guān)注以下三種APM組件：
-
Zipkin：由Twitter公司開(kāi)源，開(kāi)放源代碼分布式的跟蹤系統(tǒng)，用于收集服務(wù)的定時(shí)數(shù)據(jù)，以解決微服務(wù)架構(gòu)中的延遲問(wèn)題，包括：數(shù)據(jù)的收集、存儲(chǔ)、查找和展現(xiàn)。
-
Pinpoint：一款對(duì)Java編寫(xiě)的大規(guī)模分布式系統(tǒng)的APM工具，由韓國(guó)人開(kāi)源的分布式跟蹤組件。
-
Skywalking：國(guó)產(chǎn)的優(yōu)秀APM組件，是一個(gè)對(duì)JAVA分布式應(yīng)用程序集群的業(yè)務(wù)運(yùn)行情況進(jìn)行追蹤、告警和分析的系統(tǒng)。
以上三種全鏈路監(jiān)控方案需要對(duì)比的項(xiàng)提煉出來(lái)：
探針的性能
主要是agent對(duì)服務(wù)的吞吐量、CPU和內(nèi)存的影響。微服務(wù)的規(guī)模和動(dòng)態(tài)性使得數(shù)據(jù)收集的成本大幅度提高。
collector的可擴(kuò)展性
能夠水平擴(kuò)展以便支持大規(guī)模服務(wù)器集群。
全面的調(diào)用鏈路數(shù)據(jù)分析
提供代碼級(jí)別的可見(jiàn)性以便輕松定位失敗點(diǎn)和瓶頸。
對(duì)于開(kāi)發(fā)透明，容易開(kāi)關(guān)
添加新功能而無(wú)需修改代碼，容易啟用或者禁用。
完整的調(diào)用鏈應(yīng)用拓?fù)?/h4>
自動(dòng)檢測(cè)應(yīng)用拓?fù)洌瑤椭愀闱宄?yīng)用的架構(gòu)
探針的性能
比較關(guān)注探針的性能，畢竟APM定位還是工具，如果啟用了鏈路監(jiān)控組建后，直接導(dǎo)致吞吐量降低過(guò)半，那也是不能接受的。對(duì)skywalking、zipkin、pinpoint進(jìn)行了壓測(cè)，并與基線（未使用探針）的情況進(jìn)行了對(duì)比。
選用了一個(gè)常見(jiàn)的基于Spring的應(yīng)用程序，他包含Spring Boot, Spring MVC，redis客戶端，mysql。監(jiān)控這個(gè)應(yīng)用程序，每個(gè)trace，探針會(huì)抓取5個(gè)span(1 Tomcat, 1 SpringMVC, 2 Jedis, 1 Mysql)。這邊基本和 skywalkingtest 的測(cè)試應(yīng)用差不多。
模擬了三種并發(fā)用戶：500，750，1000。使用jmeter測(cè)試，每個(gè)線程發(fā)送30個(gè)請(qǐng)求，設(shè)置思考時(shí)間為10ms。使用的采樣率為1，即100%，這邊與生產(chǎn)可能有差別。pinpoint默認(rèn)的采樣率為20，即50%，通過(guò)設(shè)置agent的配置文件改為100%。zipkin默認(rèn)也是1。組合起來(lái)，一共有12種。下面看下匯總表：
探針性能對(duì)比
從上表可以看出，在三種鏈路監(jiān)控組件中，skywalking的探針對(duì)吞吐量的影響最小，zipkin的吞吐量居中。pinpoint的探針對(duì)吞吐量的影響較為明顯，在500并發(fā)用戶時(shí)，測(cè)試服務(wù)的吞吐量從1385降低到774，影響很大。然后再看下CPU和memory的影響，在內(nèi)部服務(wù)器進(jìn)行的壓測(cè)，對(duì)CPU和memory的影響都差不多在10%之內(nèi)。
collector的可擴(kuò)展性
collector的可擴(kuò)展性，使得能夠水平擴(kuò)展以便支持大規(guī)模服務(wù)器集群。
-
zipkin
開(kāi)發(fā)zipkin-Server（其實(shí)就是提供的開(kāi)箱即用包），zipkin-agent與zipkin-Server通過(guò)http或者mq進(jìn)行通信，http通信會(huì)對(duì)正常的訪問(wèn)造成影響，所以還是推薦基于mq異步方式通信，zipkin-Server通過(guò)訂閱具體的topic進(jìn)行消費(fèi)。這個(gè)當(dāng)然是可以擴(kuò)展的，多個(gè)zipkin-Server實(shí)例進(jìn)行異步消費(fèi)mq中的監(jiān)控信息。
-
skywalking
skywalking的collector支持兩種部署方式：?jiǎn)螜C(jī)和集群模式。collector與agent之間的通信使用了gRPC。
-
pinpoint
同樣，pinpoint也是支持集群和單機(jī)部署的。pinpoint agent通過(guò)thrift通信框架，發(fā)送鏈路信息到collector。
全面的調(diào)用鏈路數(shù)據(jù)分析
全面的調(diào)用鏈路數(shù)據(jù)分析，提供代碼級(jí)別的可見(jiàn)性以便輕松定位失敗點(diǎn)和瓶頸。
-
zipkin
zipkin鏈路調(diào)用分析
zipkin的鏈路監(jiān)控粒度相對(duì)沒(méi)有那么細(xì)，從上圖可以看到調(diào)用鏈中具體到接口級(jí)別，再進(jìn)一步的調(diào)用信息并未涉及。
-
skywalking
skywalking鏈路調(diào)用分析
skywalking 還支持20+的中間件、框架、類(lèi)庫(kù)，比如：主流的dubbo、Okhttp，還有DB和消息中間件。上圖skywalking鏈路調(diào)用分析截取的比較簡(jiǎn)單，網(wǎng)關(guān)調(diào)用user服務(wù)，由于支持眾多的中間件，所以skywalking鏈路調(diào)用分析比zipkin完備些。
-
pinpoint
pinpoint鏈路調(diào)用分析
pinpoint應(yīng)該是這三種APM組件中，數(shù)據(jù)分析最為完備的組件。提供代碼級(jí)別的可見(jiàn)性以便輕松定位失敗點(diǎn)和瓶頸，上圖可以看到對(duì)于執(zhí)行的sql語(yǔ)句，都進(jìn)行了記錄。還可以配置報(bào)警規(guī)則等，設(shè)置每個(gè)應(yīng)用對(duì)應(yīng)的負(fù)責(zé)人，根據(jù)配置的規(guī)則報(bào)警，支持的中間件和框架也比較完備。
對(duì)于開(kāi)發(fā)透明，容易開(kāi)關(guān)
對(duì)于開(kāi)發(fā)透明，容易開(kāi)關(guān)，添加新功能而無(wú)需修改代碼，容易啟用或者禁用。我們期望功能可以不修改代碼就工作并希望得到代碼級(jí)別的可見(jiàn)性。
對(duì)于這一點(diǎn)，Zipkin 使用修改過(guò)的類(lèi)庫(kù)和它自己的容器(Finagle)來(lái)提供分布式事務(wù)跟蹤的功能。但是，它要求在需要時(shí)修改代碼。skywalking和pinpoint都是基于字節(jié)碼增強(qiáng)的方式，開(kāi)發(fā)人員不需要修改代碼，并且可以收集到更多精確的數(shù)據(jù)因?yàn)橛凶止?jié)碼中的更多信息。
完整的調(diào)用鏈應(yīng)用拓?fù)?/h4>
自動(dòng)檢測(cè)應(yīng)用拓?fù)洌瑤椭愀闱宄?yīng)用的架構(gòu)。
pinpoint鏈路拓?fù)?/p>
skywalking鏈路拓?fù)?/p>
zipkin鏈路拓?fù)?/p>
上面三幅圖，分別展示了APM組件各自的調(diào)用拓?fù)洌寄軐?shí)現(xiàn)完整的調(diào)用鏈應(yīng)用拓?fù)?。相?duì)來(lái)說(shuō)，pinpoint界面顯示的更加豐富，具體到調(diào)用的DB名，zipkin的拓?fù)渚窒抻诜?wù)于服務(wù)之間。
Pinpoint與Zipkin細(xì)化比較
-
Pinpoint與Zipkin差異性
-
Pinpoint 是一個(gè)完整的性能監(jiān)控解決方案：有從探針、收集器、存儲(chǔ)到 Web 界面等全套體系；而 Zipkin 只側(cè)重收集器和存儲(chǔ)服務(wù)，雖然也有用戶界面，但其功能與 Pinpoint 不可同日而語(yǔ)。反而 Zipkin 提供有 Query 接口，更強(qiáng)大的用戶界面和系統(tǒng)集成能力，可以基于該接口二次開(kāi)發(fā)實(shí)現(xiàn)。
-
Zipkin 官方提供有基于 Finagle 框架（Scala 語(yǔ)言）的接口，而其他框架的接口由社區(qū)貢獻(xiàn)，目前可以支持 Java、Scala、Node、Go、Python、Ruby 和 C# 等主流開(kāi)發(fā)語(yǔ)言和框架；但是 Pinpoint 目前只有官方提供的 Java Agent 探針，其他的都在請(qǐng)求社區(qū)支援中（請(qǐng)參見(jiàn) #1759 和 #1760）。
-
Pinpoint 提供有 Java Agent 探針，通過(guò)字節(jié)碼注入的方式實(shí)現(xiàn)調(diào)用攔截和數(shù)據(jù)收集，可以做到真正的代碼無(wú)侵入，只需要在啟動(dòng)服務(wù)器的時(shí)候添加一些參數(shù)，就可以完成探針的部署；而 Zipkin 的 Java 接口實(shí)現(xiàn) Brave，只提供了基本的操作 API，如果需要與框架或者項(xiàng)目集成的話，就需要手動(dòng)添加配置文件或增加代碼。
-
Pinpoint 的后端存儲(chǔ)基于 HBase，而 Zipkin 基于 Cassandra。
-
-
Pinpoint與Zipkin相似性
-
Pinpoint 與 Zipkin 都是基于 Google Dapper 的那篇論文，因此理論基礎(chǔ)大致相同。兩者都是將服務(wù)調(diào)用拆分成若干有級(jí)聯(lián)關(guān)系的 Span，通過(guò) SpanId 和 ParentSpanId 來(lái)進(jìn)行調(diào)用關(guān)系的級(jí)聯(lián)；最后再將整個(gè)調(diào)用鏈流經(jīng)的所有的 Span 匯聚成一個(gè) Trace，報(bào)告給服務(wù)端的 collector 進(jìn)行收集和存儲(chǔ)。
-
即便在這一點(diǎn)上，Pinpoint 所采用的概念也不完全與那篇論文一致。比如他采用 TransactionId 來(lái)取代 TraceId，而真正的 TraceId 是一個(gè)結(jié)構(gòu)，里面包含了 TransactionId, SpanId 和 ParentSpanId。而且 Pinpoint 在 Span 下面又增加了一個(gè) SpanEvent 結(jié)構(gòu)，用來(lái)記錄一個(gè) Span 內(nèi)部的調(diào)用細(xì)節(jié)（比如具體的方法調(diào)用等等），因此 Pinpoint 默認(rèn)會(huì)比 Zipkin 記錄更多的跟蹤數(shù)據(jù)。但是理論上并沒(méi)有限定 Span 的粒度大小，所以一個(gè)服務(wù)調(diào)用可以是一個(gè) Span，那么每個(gè)服務(wù)中的方法調(diào)用也可以是個(gè) Span，這樣的話，其實(shí) Brave 也可以跟蹤到方法調(diào)用級(jí)別，只是具體實(shí)現(xiàn)并沒(méi)有這樣做而已。
-
-
字節(jié)碼注入 vs API 調(diào)用
-
Pinpoint 實(shí)現(xiàn)了基于字節(jié)碼注入的 Java Agent 探針，而 Zipkin 的 Brave 框架僅僅提供了應(yīng)用層面的 API，但是細(xì)想問(wèn)題遠(yuǎn)不那么簡(jiǎn)單。字節(jié)碼注入是一種簡(jiǎn)單粗暴的解決方案，理論上來(lái)說(shuō)無(wú)論任何方法調(diào)用，都可以通過(guò)注入代碼的方式實(shí)現(xiàn)攔截，也就是說(shuō)沒(méi)有實(shí)現(xiàn)不了的，只有不會(huì)實(shí)現(xiàn)的。但 Brave 則不同，其提供的應(yīng)用層面的 API 還需要框架底層驅(qū)動(dòng)的支持，才能實(shí)現(xiàn)攔截。比如，MySQL 的 JDBC 驅(qū)動(dòng)，就提供有注入 interceptor 的方法，因此只需要實(shí)現(xiàn) StatementInterceptor 接口，并在 Connection String 中進(jìn)行配置，就可以很簡(jiǎn)單的實(shí)現(xiàn)相關(guān)攔截；而與此相對(duì)的，低版本的 MongoDB 的驅(qū)動(dòng)或者是 Spring Data MongoDB 的實(shí)現(xiàn)就沒(méi)有如此接口，想要實(shí)現(xiàn)攔截查詢(xún)語(yǔ)句的功能，就比較困難。
-
因此在這一點(diǎn)上，Brave 是硬傷，無(wú)論使用字節(jié)碼注入多么困難，但至少也是可以實(shí)現(xiàn)的，但是 Brave 卻有無(wú)從下手的可能，而且是否可以注入，能夠多大程度上注入，更多的取決于框架的 API 而不是自身的能力。
-
-
難度及成本
-
經(jīng)過(guò)簡(jiǎn)單閱讀 Pinpoint 和 Brave 插件的代碼，可以發(fā)現(xiàn)兩者的實(shí)現(xiàn)難度有天壤之別。在都沒(méi)有任何開(kāi)發(fā)文檔支撐的前提下，Brave 比 Pinpoint 更容易上手。Brave 的代碼量很少，核心功能都集中在 brave-core 這個(gè)模塊下，一個(gè)中等水平的開(kāi)發(fā)人員，可以在一天之內(nèi)讀懂其內(nèi)容，并且能對(duì) API 的結(jié)構(gòu)有非常清晰的認(rèn)識(shí)。
-
Pinpoint 的代碼封裝也是非常好的，尤其是針對(duì)字節(jié)碼注入的上層 API 的封裝非常出色，但是這依然要求閱讀人員對(duì)字節(jié)碼注入多少有一些了解，雖然其用于注入代碼的核心 API 并不多，但要想了解透徹，恐怕還得深入 Agent 的相關(guān)代碼，比如很難一目了然的理解 addInterceptor 和 addScopedInterceptor 的區(qū)別，而這兩個(gè)方法就是位于 Agent 的有關(guān)類(lèi)型中。
-
因?yàn)?Brave 的注入需要依賴(lài)底層框架提供相關(guān)接口，因此并不需要對(duì)框架有一個(gè)全面的了解，只需要知道能在什么地方注入，能夠在注入的時(shí)候取得什么數(shù)據(jù)就可以了。就像上面的例子，我們根本不需要知道 MySQL 的 JDBC Driver 是如何實(shí)現(xiàn)的也可以做到攔截 SQL 的能力。但是 Pinpoint 就不然，因?yàn)?Pinpoint 幾乎可以在任何地方注入任何代碼，這需要開(kāi)發(fā)人員對(duì)所需注入的庫(kù)的代碼實(shí)現(xiàn)有非常深入的了解，通過(guò)查看其 MySQL 和 Http Client 插件的實(shí)現(xiàn)就可以洞察這一點(diǎn)，當(dāng)然這也從另外一個(gè)層面說(shuō)明 Pinpoint 的能力確實(shí)可以非常強(qiáng)大，而且其默認(rèn)實(shí)現(xiàn)的很多插件已經(jīng)做到了非常細(xì)粒度的攔截。
-
針對(duì)底層框架沒(méi)有公開(kāi) API 的時(shí)候，其實(shí) Brave 也并不完全無(wú)計(jì)可施，我們可以采取 AOP 的方式，一樣能夠?qū)⑾嚓P(guān)攔截注入到指定的代碼中，而且顯然 AOP 的應(yīng)用要比字節(jié)碼注入簡(jiǎn)單很多。
-
以上這些直接關(guān)系到實(shí)現(xiàn)一個(gè)監(jiān)控的成本，在 Pinpoint 的官方技術(shù)文檔中，給出了一個(gè)參考數(shù)據(jù)。如果對(duì)一個(gè)系統(tǒng)集成的話，那么用于開(kāi)發(fā) Pinpoint 插件的成本是 100，將此插件集成入系統(tǒng)的成本是 0；但對(duì)于 Brave，插件開(kāi)發(fā)的成本只有 20，而集成成本是 10。從這一點(diǎn)上可以看出官方給出的成本參考數(shù)據(jù)是 5:1。但是官方又強(qiáng)調(diào)了，如果有 10 個(gè)系統(tǒng)需要集成的話，那么總成本就是 10 * 10 + 20 = 120，就超出了 Pinpoint 的開(kāi)發(fā)成本 100，而且需要集成的服務(wù)越多，這個(gè)差距就越大。
-
-
通用性和擴(kuò)展性
-
很顯然，這一點(diǎn)上 Pinpoint 完全處于劣勢(shì)，從社區(qū)所開(kāi)發(fā)出來(lái)的集成接口就可見(jiàn)一斑。
-
Pinpoint 的數(shù)據(jù)接口缺乏文檔，而且也不太標(biāo)準(zhǔn)（參考論壇討論帖），需要閱讀很多代碼才可能實(shí)現(xiàn)一個(gè)自己的探針（比如 Node 的或者 PHP 的）。而且團(tuán)隊(duì)為了性能考慮使用了 Thrift 作為數(shù)據(jù)傳輸協(xié)議標(biāo)準(zhǔn)，比起 HTTP 和 JSON 而言難度增加了不少。
-
-
社區(qū)支持
-
這一點(diǎn)也不必多說(shuō)，Zipkin 由 Twitter 開(kāi)發(fā)，可以算得上是明星團(tuán)隊(duì)，而 Naver 的團(tuán)隊(duì)只是一個(gè)默默無(wú)聞的小團(tuán)隊(duì)（從 #1759 的討論中可以看出）。雖然說(shuō)這個(gè)項(xiàng)目在短期內(nèi)不太可能消失或停止更新，但畢竟不如前者用起來(lái)更加放心。而且沒(méi)有更多社區(qū)開(kāi)發(fā)出來(lái)的插件，讓 Pinpoint 只依靠團(tuán)隊(duì)自身的力量完成諸多框架的集成實(shí)屬困難，而且他們目前的工作重點(diǎn)依然是在提升性能和穩(wěn)定性上。
-
-
其他
-
Pinpoint 在實(shí)現(xiàn)之初就考慮到了性能問(wèn)題，www.naver.com 網(wǎng)站的后端某些服務(wù)每天要處理超過(guò) 200 億次的請(qǐng)求，因此他們會(huì)選擇 Thrift 的二進(jìn)制變長(zhǎng)編碼格式、而且使用 UDP 作為傳輸鏈路，同時(shí)在傳遞常量的時(shí)候也盡量使用數(shù)據(jù)參考字典，傳遞一個(gè)數(shù)字而不是直接傳遞字符串等等。這些優(yōu)化也增加了系統(tǒng)的復(fù)雜度：包括使用 Thrift 接口的難度、UDP 數(shù)據(jù)傳輸?shù)膯?wèn)題、以及數(shù)據(jù)常量字典的注冊(cè)問(wèn)題等等。
-
相比之下，Zipkin 使用熟悉的 Restful 接口加 JSON，幾乎沒(méi)有任何學(xué)習(xí)成本和集成難度，只要知道數(shù)據(jù)傳輸結(jié)構(gòu)，就可以輕易的為一個(gè)新的框架開(kāi)發(fā)出相應(yīng)的接口。
-
另外 Pinpoint 缺乏針對(duì)請(qǐng)求的采樣能力，顯然在大流量的生產(chǎn)環(huán)境下，不太可能將所有的請(qǐng)求全部記錄，這就要求對(duì)請(qǐng)求進(jìn)行采樣，以決定什么樣的請(qǐng)求是我需要記錄的。Pinpoint 和 Brave 都支持采樣百分比，也就是百分之多少的請(qǐng)求會(huì)被記錄下來(lái)。但是，除此之外 Brave 還提供了 Sampler 接口，可以自定義采樣策略，尤其是當(dāng)進(jìn)行 A/B 測(cè)試的時(shí)候，這樣的功能就非常有意義了。
-
-
總結(jié)
-
從短期目標(biāo)來(lái)看，Pinpoint 確實(shí)具有壓倒性的優(yōu)勢(shì)：無(wú)需對(duì)項(xiàng)目代碼進(jìn)行任何改動(dòng)就可以部署探針、追蹤數(shù)據(jù)細(xì)?；椒椒ㄕ{(diào)用級(jí)別、功能強(qiáng)大的用戶界面以及幾乎比較全面的 Java 框架支持。但是長(zhǎng)遠(yuǎn)來(lái)看，學(xué)習(xí) Pinpoint 的開(kāi)發(fā)接口，以及未來(lái)為不同的框架實(shí)現(xiàn)接口的成本都還是個(gè)未知數(shù)。相反，掌握 Brave 就相對(duì)容易，而且 Zipkin 的社區(qū)更加強(qiáng)大，更有可能在未來(lái)開(kāi)發(fā)出更多的接口。在最壞的情況下，我們也可以自己通過(guò) AOP 的方式添加適合于我們自己的監(jiān)控代碼，而并不需要引入太多的新技術(shù)和新概念。而且在未來(lái)業(yè)務(wù)發(fā)生變化的時(shí)候，Pinpoint 官方提供的報(bào)表是否能滿足要求也不好說(shuō)，增加新的報(bào)表也會(huì)帶來(lái)不可以預(yù)測(cè)的工作難度和工作量。
-
Tracing和Monitor區(qū)別
Monitor可分為系統(tǒng)監(jiān)控和應(yīng)用監(jiān)控。系統(tǒng)監(jiān)控比如CPU，內(nèi)存，網(wǎng)絡(luò)，磁盤(pán)等等整體的系統(tǒng)負(fù)載的數(shù)據(jù)，細(xì)化可具體到各進(jìn)程的相關(guān)數(shù)據(jù)。這一類(lèi)信息是直接可以從系統(tǒng)中得到的。應(yīng)用監(jiān)控需要應(yīng)用提供支持，暴露了相應(yīng)的數(shù)據(jù)。比如應(yīng)用內(nèi)部請(qǐng)求的QPS，請(qǐng)求處理的延時(shí)，請(qǐng)求處理的error數(shù)，消息隊(duì)列的隊(duì)列長(zhǎng)度，崩潰情況，進(jìn)程垃圾回收信息等等。Monitor主要目標(biāo)是發(fā)現(xiàn)異常，及時(shí)報(bào)警。
Tracing的基礎(chǔ)和核心都是調(diào)用鏈。相關(guān)的metric大多都是圍繞調(diào)用鏈分析得到的。Tracing主要目標(biāo)是系統(tǒng)分析。提前找到問(wèn)題比出現(xiàn)問(wèn)題后再去解決更好。
Tracing和應(yīng)用級(jí)的Monitor技術(shù)棧上有很多共同點(diǎn)。都有數(shù)據(jù)的采集，分析，存儲(chǔ)和展式。只是具體收集的數(shù)據(jù)維度不同，分析過(guò)程不一樣。
新聞名稱(chēng)：牛逼哄哄的全鏈路監(jiān)控系統(tǒng)！搭建起來(lái)也沒(méi)有想象中的那么難啊...
文章來(lái)源：http://fisionsoft.com.cn/article/djhdgpg.html
