SpringCloud集成Sleuth和Zipkin的思路讲解

组件说明

 Zipkin

Zipkin 是 Twitter 的一个开源项目，它基于 Google Dapper 实现，它致力于收集服务的定时数据，以及解决微服务架构中的延迟问题，包括数据的收集、存储、查找和展现。

 sleuth

sleuth是一个工具，它在整个分布式系统中能跟踪一个用户请求的过程(包括数据采集，数据传输，数据存储，数据分析，数据可视化)，捕获这些跟踪数据，就能构建微服务的整个调用链的视图，这是调试和监控微服务的关键工具

微服务架构是一个分布式架构，它按业务划分服务单元，一个分布式系统往往有很多个服务单元。由于服务单元数量众多，业务的复杂性，如果出现了错误和异常，很难去定位 。主要体现在，一个请求可能需要调用很多个服务 ，而内部服务的调用复杂性，决定了问题难以定位。所以微服务架构中，必须实现分布式链路追踪，去跟进一个请求到底有哪些服务参与，参与的顺序又是怎样的，从而达到每个请求的步骤清晰可见，出了问题，很快定位 。

基本术语

Span （跨度）：基本工作单元，发送一个远程调度任务 就会产生一个 Span ， Span 是一个 64 位 ID 唯一标识的， Trace 是用另一个 64 位 ID 唯一标识的， Span 还有其他数据信息，比如摘要、时间戳事件、Span 的 ID 、以及进度 ID 。
Trace （跟踪）：一系列 Span 组成的一个树状结构。请求一个微服务系统的 API 接口，这个 API 接口，需要调用多个微服务，调用每个微服务都会产生一个新的 Span ，所有由这个请求产生的 Span 组成了这个 Trace 。
Annotation （标注）：用来及时记录一个事件的，一些核心注解用来定义一个请求的开始和结束 。这些注解包括以下：
cs - Client Sent - 客户端发送一个请求，这个注解描述了这个 Span 的开始
sr - Server Received - 服务端获得请求并准备开始处理它，如果将其 sr 减去 cs 时间戳便可得到网络传输的时间。
ss - Server Sent （服务端发送响应） – 该注解表明请求处理的完成 ( 当请求返回客户端) ，如果 ss 的时间戳减去 sr 时间戳，就可以得到服务器请求的时间。
cr - Client Received （客户端接收响应） - 此时 Span 的结束，如果 cr 的时间戳减去cs 时间戳便可以得到整个请求所消耗的时间
Sleuth配合ZIPKIN的使用

所有服务都加入以下依赖：

        <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>

使用docker安装zipkin：docker run -d -p 9411:9411 openzipkin/zipkin

所有微服务加入以下配置：

#服务追踪，url填自己的服务器地址
spring.zipkin.base-url=http://192.168.56.10:9411/
#关闭服务发现
spring.zipkin.discovery-client-enabled=false
spring.zipkin.sender.type=web
#配置采样器
spring.sleuth.sampler.probability=1

启动服务，进行一系列业务操作，再进入配置中输入的url：http://192.168.56.10:9411/

Zipkin 数据持久化

Zipkin 默认是将监控数据存储在内存的，如果 Zipkin 挂掉或重启的话，那么监控数据就会丢 失。所以如果想要搭建生产可用的 Zipkin，就需要实现监控数据的持久化。数据可以存到内存，mysql，elasticsearch和Cassandra中。 Zipkin 支持的这几种存储方式中，内存显然是不适用于生产的。而使用 MySQL 的话，当数据量大时，查询较为缓慢，也不建议使用。 Twitter 官方使用的是 Cassandra作为 Zipkin 的存储数据库，但国内用 Cassandra 的公司较少，而且 Cassandra 相关文档也不多。 综上，故采用 Elasticsearch 是个比较好的选择。 使用docker进行配置（前提已经安装了Elasticsearch）： docker run --env STORAGE_TYPE=elasticsearch --env ES_HOSTS=192.168.56.10:9200 openzipkin/zipkin-dependencies 附：使用 es 时 Zipkin Dependencies 支持的环境变量