链路追踪工具之Zipkin学习小记

（接触了Zipkin，权将所了解或理解的记于此，以备忘）

分布式追踪系统

随着业务发展，系统拆分多个微服务。此时对于一个前端请求可能需要调用多个后端端服务才能完成，当整个请求变慢或不可用时，我们是无法得知该请求是由某个或某些后端服务引起的。此时就需要有某种方式来定位到故障位，这就是分布式系统调用跟踪的诞生。

分布式服务调用追踪的理论基础是Google 2010年发表的论文《Dapper, a Large-Scale Distributed Systems Tracing Infrastructure》（译文：Dapper，大规模分布式系统的跟踪系统）。为了实现平台无关、厂商无关的分布式服务跟踪，CNCF（Cloud Native Computing Foundation，云原生计算基金会，一个厂商中立的基金会，致力于Github上的快速成长的开源技术的推广，如Kubernetes、Prometheus、Envoy等）发布了布式服务跟踪标准 Open Tracing。基于该标准有很多具体实现，如Google的Dapper、Twitter的Zipkin，国内的有淘宝的鹰眼、京东的Hydra、大众点评的CAT、新浪的Watchman等，其中使用的最广泛的是 Twitter 的 Zipkin。

几个概念

trace、span

 Trace 表示对一次请求的追踪，又把每个 Trace 拆分为若干个有依赖关系的 Span（意为持续时间？）。在微服务架构中，一次用户请求可能会由后台若干个服务负责处理，则每个处理请求的服务就可以理解为一个 Span（可包括 API 服务，缓存服务，数据库服务等）。当然这个服务也可能继续请求其他的服务，因此 Span 是一个树形结构，以体现服务之间的调用关系。

 

Zipkin - what

Zipkin是一个开源的分布式追踪系统，用于对服务间的调用链路进行监控追踪。在微服务架构下，用户的一个请求可能涉及到很多个后台服务间的调用，Zipkin可以追踪(trace)调用链路、收集在各个微服务上所花的时间等信息、并上报到Zipkin服务器。

Zipkin是根据Google Dapper设计的，由Twitter公司开发。

官网：https://zipkin.io/

项目GitHub：https://github.com/openzipkin/zipkin

功能

Zipkin项目功能齐全，项目提供了链路追踪（trace）、数据上报（collector）、数据存储（server storage）、数据展示（server ui）等封装模块。

1、链路追踪（request trace）：即Zipkin client，用于对用户的调用进行追踪，Zipkin提供了java、go、js等各种主流语言的追踪库：开箱即用，以少量代码且很少的业务代码侵入代价实现追踪。brave是zipkin提供的java下的trace library，其提供了针对rpc、http、kafka、mysql、jmx等很多调用类型的追踪（参阅：https://github.com/openzipkin/brave），从中收集到调用耗时等信息。

2、数据上报（collector/transport）：即Zipkin server接收Zipkin client所收集信息的方式，Zipkin支持HTTP Restful API、Kafka、rabbitmq等形式来接收数据（参阅：https://github.com/openzipkin/zipkin/tree/master/zipkin-collector），默认为HTTP形式。

3、数据存储（server storage）：即Zipkin server对client上传来的数据的存储形式，Zipkin提供了In-Memory、MySQL、Cassandra、Elasticsearch等形式（参阅：https://github.com/openzipkin/zipkin/tree/master/zipkin-storage）。默认为In-Memory形式。

4、数据展示（server ui）：通过Zipkin server ui展示收集到的调用链信息。

5、... ...

 calc模块用于计算链路拓扑、方法/服务调用次数、错误次数、时延等信息，并写入es，用于查询、展示、分析。

可以预见，万变不离其宗，Zipkin client主要就是各种语言下的library、而一个Zipkin server则是对Collector、Storage、UI等的整合。

 

原理

用traceId、spanId、parentSpanId来完成一次请求中涉及到的多个服务的调用链追踪：

traceId：一次请求时各服务的traceId一样，表示是同一请求的不同服务过程

spanId：不同服务的spanId不同，表示本服务的标识

parentSpanId：用于表示本服务的调用者的spanId，这样就把各服务的调用顺序关系串起来了

sampled：标记本span是否采样

 

采样策略

假设链路是 a -> b -> c 采样策略：

1 request（前置采样，正向调用）：若上节点sampled=true则当前节点sampled=true、否则根据阈值和采样概率判断当前节点的sampled值。

判断标准：超过阈值则按概率确定sampled值、否则sampled=true。每个节点可以有自己的阈值和采样概率的配置

2 response（后置采样，调用返回）：若下节点sampled=true则当前节点sampled=true、否则当前节点根据自己的策略确定sampled值。

判断标准：比如发生错误、耗时超过阈值等则sampled=true

 

 

更多参考资料：分布式服务跟踪及Spring Cloud的实现