关键词：
在分布式系统，尤其是微服务系统中，一次外部请求往往需要内部多个模块，多个中间件，多台机器的相互调用才能完成。在这一系列的调用中，可能有些是串行的，而有些是并行的。在这种情况下，我们如何才能确定这整个请求调用了哪些应用？哪些模块？哪些节点？以及它们的先后顺序和各部分的性能如何呢？
这就是涉及到链路追踪。
什么是链路追踪？
链路追踪是分布式系统下的一个概念，它的目的就是要解决上面所提出的问题，也就是将一次分布式请求还原成调用链路，将一次分布式请求的调用情况集中展示，比如，各个服务节点上的耗时、请求具体到达哪台机器上、每个服务节点的请求状态等等。
链路追踪的原理
衡量一个接口，我们一般会看三个指标：
1、接口的 RT（Route-Target）你怎么知道?
2、接口是否有异常响应?
3、接口请求慢在哪里?
1、单体架构时代
在创业初期，我们的系统一般是单体架构，如下：
对于单体架构，我们可以使用 AOP（切面编程）来统计这三个指标，如下：
使用 AOP（切面编程），对原本的逻辑代码侵入更少，我们只需要在调用具体的业务逻辑前后分别打印一下时间即可计算出整体的调用时间。另外，使用 AOP（切面编程）来捕获异常也可知道是哪里的调用导致的异常。
2、微服务架构
随着业务的快速发展，单体架构越来越不能满足需要，我们的系统慢慢会朝微服务架构发展，如下：
在微服务架构下，当有用户反馈某个页面很慢时，虽然我们知道这个请求可能的调用链是 A -----> C -----> B -----> D，但服务这么多，而且每个服务都有好几台机器，怎么知道问题具体出在哪个服务？哪台机器呢？
这也是微服务这种架构下的几个痛点：
1、排查问题难度大，周期长
2、特定场景难复现
3、系统性能瓶颈分析较难
分布式调用链就是为了解决以上几个问题而生，它主要的作用如下：
1、自动采取数据
2、分析数据，产生完整调用链：有了请求的完整调用链，问题有很大概率可复现
3、数据可视化：每个组件的性能可视化，能帮助我们很好地定位系统的瓶颈，及时找出问题所在
通过分布式追踪系统，我们能很好地定位请求的每条具体请求链路，从而轻易地实现请求链路追踪，进而定位和分析每个模块的性能瓶颈。
3、分布式调用链标准（OpenTracing）
OpenTracing 是一个轻量级的标准化层，它位于应用程序/类库和追踪或日志分析程序之间。它的出现是为了解决不同的分布式追踪系统 API 不兼容的问题。
OpenTracing 通过提供与平台和厂商无关的 API，使得开发人员能够方便地添加追踪系统，就像单体架构下的AOP（切面编程）一样。
说到这里，大家是否想过 Java 中类似的实现？还记得 JDBC 吧？JDBC 就是通过提供一套标准的接口让各个厂商去实现，程序员即可面对接口编程，不用关心具体的实现。这里的接口其实就是标准。所以，制定一套标准非常重要，可以实现组件的可插拔。
OpenTracing 的数据模型，主要有以下三个：
Trace：一个完整请求链路
Span：一次调用过程（需要有开始时间和结束时间）
SpanContext：Trace 的全局上下文信息，如里面有traceId
为了让大家更好地理解这三个概念，我特意画了一张图：
如图所示，一次下单的完整请求就是一个 Trace。TraceId是这个请求的全局标识。内部的每一次调用就称为一个 Span，每个 Span 都要带上全局的 TraceId，这样才可把全局 TraceId 与每个调用关联起来。这个 TraceId 是通过 SpanContext 传输的，既然要传输，显然都要遵循协议来调用。如图所示，如果我们把传输协议比作车，把 SpanContext 比作货，把 Span 比作路应该会更好理解一些。
理解了这三个概念，接下来我们就看看分布式追踪系统是如何采集图中的微服务调用链。
我们可以看到底层有一个 Collector 一直在默默无闻地收集数据，那么每一次调用 Collector 会收集哪些信息呢。
1、全局 trace_id：这是显然的，这样才能把每一个子调用与最初的请求关联起来
2、span_id: 图中的 0，1，1.1，2，这样就能标识是哪一个调用
3、parent_span_id：比如 b 调用 d 的 span_id 是 1.1，那么它的 parent_span_id 即为 a 调用 b 的 span_id 即 1，这样才能把两个紧邻的调用关联起来。
有了这些信息，Collector 收集的每次调用的信息如下：
根据这些图表信息显然可以据此来画出调用链的可视化视图如下：
于是一个完整的分布式追踪系统就实现了。
以上实现看起来确实简单，但有以下几个问题需要我们仔细思考一下：
1、怎么自动采集 span 数据：自动采集，对业务代码无侵入
2、如何跨进程传递 context
3、traceId 如何保证全局唯一
4、请求量这么多采集会不会影响性能
接下来，我们来看看链路追踪系统 SkyWalking 是如何解决以上四个问题的。
链路追踪系统SkyWalking的原理
1、怎么自动采集 span 数据
SkyWalking 采用了插件化 + javaagent 的形式来实现了 span 数据的自动采集，这样可以做到对代码的无侵入性。插件化意味着可插拔，扩展性好。如下图所示：
2、如何跨进程传递 context
我们知道数据一般分为 header 和 body，就像 http 有 header 和 body，RocketMQ 也有 MessageHeader，Message Body。body 一般放着业务数据，所以不宜在 body 中传递 context，应该在 header 中传递 context，如图所示：
dubbo 中的 attachment 就相当于 header，所以我们把 context 放在 attachment 中，这样就解决了 context 的传递问题。
3、traceId 如何保证全局唯一
要保证全局唯一 ，我们可以采用分布式或者本地生成的 ID。使用分布式的话，需要有一个发号器，每次请求都要先请求一下发号器，会有一次网络调用的开销。所以 SkyWalking 最终采用了本地生成 ID 的方式，它采用了大名鼎鼎的 snowflow 算法，性能很高。
不过 snowflake 算法有一个众所周知的问题：时间回拨，这个问题可能会导致生成的 id 重复。那么 SkyWalking 是如何解决时间回拨问题的呢。
每生成一个 id，都会记录一下生成 id 的时间（lastTimestamp），如果发现当前时间比上一次生成 id 的时间（lastTimestamp）还小，那说明发生了时间回拨，此时会生成一个随机数来作为 traceId。这里可能就有同学要较真了，可能会觉得生成的这个随机数也会和已生成的全局 id 重复，是否再加一层校验会好点。
这里要说一下系统设计上的方案取舍问题了，首先如果针对产生的这个随机数作唯一性校验无疑会多一层调用，会有一定的性能损耗，但其实时间回拨发生的概率很小（发生之后由于机器时间紊乱，业务会受到很大影响，所以机器时间的调整必然要慎之又慎），再加上生成的随机数重合的概率也很小，综合考虑这里确实没有必要再加一层全局唯一性校验。对于技术方案的选型，一定要避免过度设计，过犹不及。
4、请求量这么多，全部采集会不会影响性能?
如果对每个请求调用都采集，那毫无疑问数据量会非常大，但反过来想一下，是否真的有必要对每个请求都采集呢？其实没有必要，我们可以设置采样频率，只采样部分数据，SkyWalking 默认设置了 3 秒采样 3 次，其余请求不采样，如图所示：
这样的采样频率其实足够我们分析组件的性能了，按 3 秒采样 3 次，这样的频率来采样数据会有啥问题呢。理想情况下，每个服务调用都在同一个时间点，这样的话每次都在同一时间点采样确实没问题。如下图所示：
但在生产上，每次服务调用基本不可能都在同一时间点调用，因为期间有网络调用延时等，实际调用情况很可能是下图这样：
这样的话就会导致某些调用在服务 A 上被采样了，在服务 B，C 上不被采样，也就没法分析调用链的性能。
那么 SkyWalking 是如何解决的呢？
它是这样解决的：如果上游有携带 Context 过来（说明上游采样了），则下游将强制采集数据，这样可以保证链路完整。
SkyWalking 的基础架构
SkyWalking 的基础如下架构，可以说几乎所有的的分布式调用都是由以下几个组件组成的。
首先当然是节点数据的定时采样，采样后将数据定时上报，将其存储到 ES, MySQL 等持久化层，有了数据自然而然可根据数据做可视化分析。
SkyWalking 的性能如何
如下是官方的测评数据：
图中蓝色代表未使用 SkyWalking 的表现，橙色代表使用了 SkyWalking 的表现，以上是在 TPS 为 5000 的情况下测出的数据，可以看出，不论是 CPU，内存，还是响应时间，使用 SkyWalking 带来的性能损耗几乎可以忽略不计。
接下来我们再来看 SkyWalking 与另一款业界比较知名的分布式追踪工具 Zipkin、Pinpoint 的对比（在采样率为 1 秒 1 个，线程数 500，请求总数为 5000 的情况下做的对比）。
可以看到在关键的响应时间上， Zipkin（117ms），PinPoint（201ms）远逊于 SkyWalking（22ms）！从性能损耗这个指标上看，SkyWalking 完胜！
再看下另一个指标：对代码的侵入性如何。
ZipKin 是需要在应用程序中埋点的，对代码的侵入强，而 SkyWalking 采用 javaagent + 插件化这种修改字节码的方式可以做到对代码无任何侵入。除了性能和对代码的侵入性上 SkyWaking 表现不错外，它还有以下优势几个优势：
对多语言的支持，组件丰富：目前其支持 Java、 .Net Core、PHP、NodeJS、Golang、LUA 语言，组件上也支持dubbo, mysql 等常见组件，大部分能满足我们的需求。
扩展性：对于不满足的插件，我们按照 SkyWalking 的规则手动写一个即可，新实现的插件对代码无入侵。
以上虽然主要以SkyWalking为例来介绍链路追踪系统，但是并不是说其他链路追踪系统一点不适用。具体选择什么样的，大家可按实际场景灵活选择。
作者：猿话
来源：toutiao.com/i6884571378981274123/
推荐
PS：因为公众号平台更改了推送规则，如果不想错过内容，记得读完点一下“在看”，加个“星标”，这样每次新文章推送才会第一时间出现在你的订阅列表里。点“在看”支持我们吧!
自实现分布式链路追踪方案&实践
前言：排查问题是程序员的基本能力也是必须要会的，在开发环境，我们可以debug,但是一旦到了服务器上，就很难debug了，最有效的方式就是通过日志揪出bug，而一次请求的日志如果没有一个唯一的链路标识（我们下边称他为trac... 查看详情
分布式链路追踪系统预研第二篇
...原创文章，未经博主允许不得转载。 在上篇随笔后，分布式链路在缓慢推进。一直没什么兴致写，zipkin使用elasticsearch作为数据完全是可行的。但是揉合这两者，就存在两种方案： 第一种，保持zipkin，替换掉存储。即保... 查看详情
一文详解｜go分布式链路追踪实现原理
在分布式、微服务架构下，应用一个请求往往贯穿多个分布式服务，这给应用的故障排查、性能优化带来新的挑战。分布式链路追踪作为解决分布式应用可观测问题的重要技术，愈发成为分布式应用不可缺少的基础设施。本文将... 查看详情
聊聊分布式链路追踪(代码片段)
...p://lidawn.github.io/2018/12/26/distribute-tracing/起因最近一直在做分布式链路追踪的调研和实践，整理一下其中的知识点。什么是链路追踪分布式系统变得日趋复杂，越来越多的组件开始走向分布式化，如微服务、分布式数据库、分布式... 查看详情
如何通过链路追踪进行定时任务诊
背景简介什么是定时任务定时任务是业务应用系统中存在定时周期性运行的业务逻辑。由于其运行于后端进程中往往存在执行状态和执行链路的不可见性《常见定时任务技术方案》。什么是链路追踪随着分布式微服务化架构在企... 查看详情
分布式链路监控与追踪系统(代码片段)
1.分布式链路监控与追踪产生背景2.SpringCloudSleuth+Zipkin3.分布式服务追踪实现原理4.搭建Zipkin服务追踪系统5.搭建Zipkin集成RabbitMQ异步传输6.SpringCloud2.x新知识介绍7.发布SpringCloud2.0x百级完整超清视频教程含源码 分布式链路监控与... 查看详情
opentracing链路追踪(代码片段)
...我们定位异常服务和发现性能瓶颈。OpentracingOpentracing是分布式链路追踪的一种规范标准，是CNCF（云原生计算基金会）下的项目之一。和一般的规范标准不同，Opentracing不是传输协议，消息格式层面上的规范标准，而是一种语言... 查看详情
分布式链路追踪—overview
目录文章目录目录分布式链路追踪OpenTelemetryTracing分布式链路追踪分布式链路追踪最早在Google在2010年发表的论文《Dapper:aLarge-ScaleDistributedSystemsTracingInfrastructure》中提出。主要包含了2个概念：追踪（Trace）：从Client发起的RequestX抵... 查看详情
springcloud整合分布式链路追踪系统sleuth和zipkin实战，分析系统瓶颈
导读 微服务架构中，是否遇到过这种情况，服务间调用链过长，导致性能迟迟上不去，不知道哪里出问题了，巴拉巴拉....，回归正题，今天我们使用SpringCloud组件，来分析一下微服务架构中系统调用的瓶颈问题~SpringCloud链路... 查看详情
使用skywalking+elasticsearch实现全链路监控(代码片段)
...以便发生故障的时候，能够快速定位和解决问题。这时候分布式追踪系统就该闪亮登场了。一、分布式追踪系统skywalking1、什么是分布式追踪？上图是常见的微服务的框架，4个实例，2个MySQL、1个Redis。实际上它有两次完全不同的... 查看详情
第八篇:服务链路追踪(springcloudsleuth)
一、简介一个分布式系统由若干分布式服务构成，每一个请求会经过多个业务系统并留下足迹，但是这些分散的数据对于问题排查，或是流程优化都很有限。 要能做到追踪每个请求的完整链路调用，收集链路调用上每个服务... 查看详情
基础篇丨链路追踪（tracing）其实很简单
说起分布式系统与微服务的兴起，就不得不谈分布式链路追踪。让我们一文详解链路追踪的诞生以及基础概念~作者：涯海一、分布式链路追踪的起源当周末躺在被窝里，点外卖时；双11的零点，疯狂提交订单时；假期和基友激情... 查看详情
链路追踪（tracing）的前世今生（上）(代码片段)
...设计链路追踪的时候，想法都是这么一致吗？为什么要在调用链路传递元数据？元数据的这些信息都是必要的吗？不侵入修改代码可以接入到链路追踪系统吗？为什么要异步分散上报，离线聚合？设置... 查看详情
链路追踪（tracing）的前世今生（上）
...设计链路追踪的时候，想法都是这么一致吗？为什么要在调用链路传递元数据？元数据的这些信息都是必要的吗？不侵入修改代码可以接入到链路追踪系统吗？为什么要异步分散上报，离线聚合？ 查看详情
envoy集成jaeger实现分布式链路追踪
本文内容分布式跟踪Envoy&Jaeger第一个实例本文小结当我们的应用架构，从单体系统演变为微服务时，一个永远不可能回避的现实是，业务逻辑会被拆分到不同的服务中。因此，微服务实际就是不同服务间的互相请求和调用。... 查看详情
原来10张图就可以搞懂分布式链路追踪系统原理
...进阶技术知识地图以及我的系列文章，欢迎大家Star。分布式系统为什么需要链路追踪？随着互联网业务快速扩展，软件架构也日益变得复杂，为了适应海量用户高并发请求，系统中越来越多的组件开始走向分... 查看详情
sleuth+zipkin服务链路追踪(代码片段)
...-cloud-sleuth.html一、为什么要用链路追踪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& 查看详情
sleuth+zipkin服务链路追踪(代码片段)
...-cloud-sleuth.html一、为什么要用链路追踪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& 查看详情