经过前文讲述，我们的微服务架构日趋完善，已可使用Spring Cloud构建一个非常健壮的系统！

但假设，你的项目一旦出现问题，如何才能快速定位出来呢？一般项目上要求我们快速定位两种问题：

  • 调用发生失败，快速定位出是哪个环节出了问题。是微服务问题，还是网络？

  • 调用慢，如何快速找到性能瓶颈？

这正是调用链监控要做的事情。Spring Cloud提供Sleuth来实现调用链监控。

简介

Spring Cloud Sleuth为Spring Cloud提供了分布式跟踪的解决方案，它大量借用了Google Dapper、Twitter Zipkin和Apache HTrace的设计。

TIPS

  • Spring Cloud Sleuth的GitHub：https://github.com/spring-cloud/spring-cloud-sleuth

  • Dapper论文：https://research.google.com/pubs/pub36356.html

基本概念

(1) Span（跨度）:

基本工作单元。span用一个64位的id唯一标识。除ID外，span还包含其他数据，例如描述、时间戳事件、键值对的注解（标签），span ID、span父ID等。

span被启动和停止时，记录了时间信息。初始化span被称为“root span”，该span的id和trace的id相等。

(2) Trace（跟踪）:

一组共享“root span”的span组成的树状结构称为trace。trace也用一个64位的ID唯一标识，trace中的所有span都共享该trace的ID。

(3) Annotation（标注）:

annotation用来记录事件的存在，其中，核心annotation用来定义请求的开始和结束。

  1. (1) cs（Client Sent 客户端发送）：客户端发起一个请求，该annotation描述了span的开始。

  2.  

  3. (2) sr（Server Received 服务器端接收）：服务器端获得请求并准备处理它。如果用sr减去cs时间戳，就能得到网络延迟。

  4.  

  5. (3) ss（Server Sent 服务器端发送）：该annotation表明完成请求处理（当响应发回客户端时）。如果用ss减去sr时间戳，就能得到服务器端处理请求所需的时间。

  6.  

  7. (4) cr（Client Received 客户端接收）：span结束的标识。客户端成功接收到服务器端的响应。如果cr减去cs时间戳，就能得到从客户端发送请求到服务器响应的所需的时间。

跟我学Spring Cloud（Finchley版）-24-Spring Cloud Sleuth入门_服务器端

快速入门

1 加依赖：

  1. <dependency>

  2. <groupId>org.springframework.cloud</groupId>

  3. <artifactId>spring-cloud-starter-sleuth</artifactId>

  4. </dependency>

2 加配置：

  1. logging:

  2. level:

  3. root: INFO

  4. org.springframework.cloud.sleuth: DEBUG

其中，配置不是必选的，这里加上日志，只是为了看到更多Sleuth相关的日志。

是不是非常简单！

测试

1 启动 microservice-provider-user-sleuth

2 访问 http://localhost:8000/users/1 ，可看到类似如下的日志：

  1. 2019-03-13 23:32:46.913 INFO [microservice-provider-user,,,] 14759 --- [nio-8000-exec-1] o.apache.tomcat.util.http.parser.Cookie : A cookie header was received [1551574921,1551708812,1552142696] that contained an invalid cookie. That cookie will be ignored.Note: further occurrences of this error will be logged at DEBUG level.

  2. Hibernate: select user0_.id as id1_0_0_, user0_.age as age2_0_0_, user0_.balance as balance3_0_0_, user0_.name as name4_0_0_, user0_.username as username5_0_0_ from user user0_ where user0_.id=?

  3. 2019-03-13 23:32:46.975 TRACE [microservice-provider-user,e22f74e62c06104b,e22f74e62c06104b,false] 14759 --- [nio-8000-exec-1] o.h.type.descriptor.sql.BasicBinder : binding parameter [1] as [BIGINT] - [1]

  4. 2019-03-13 23:32:46.981 TRACE [microservice-provider-user,e22f74e62c06104b,e22f74e62c06104b,false] 14759 --- [nio-8000-exec-1] o.h.type.descriptor.sql.BasicExtractor : extracted value ([age2_0_0_] : [INTEGER]) - [20]

  5. 2019-03-13 23:32:46.982 TRACE [microservice-provider-user,e22f74e62c06104b,e22f74e62c06104b,false] 14759 --- [nio-8000-exec-1] o.h.type.descriptor.sql.BasicExtractor : extracted value ([balance3_0_0_] : [NUMERIC]) - [100.00]

  6. 2019-03-13 23:32:46.982 TRACE [microservice-provider-user,e22f74e62c06104b,e22f74e62c06104b,false] 14759 --- [nio-8000-exec-1] o.h.type.descriptor.sql.BasicExtractor : extracted value ([name4_0_0_] : [VARCHAR]) - [张三]

  7. 2019-03-13 23:32:46.982 TRACE [microservice-provider-user,e22f74e62c06104b,e22f74e62c06104b,false] 14759 --- [nio-8000-exec-1] o.h.type.descriptor.sql.BasicExtractor : extracted value ([username5_0_0_] : [VARCHAR]) - [account1]

从日志可以发现，此时日志多出来类似 [microservice-provider-user,e22f74e62c06104b,e22f74e62c06104b,false] 的内容。

经过数据分析，就能实现本文开始提出的两个诉求啦！如何分析呢？且听下回分解。

TIPS

本文的例子本身意义不大，主要是让大家了解下Sleuth的基本概念以及如何整合。实现分布式应用的监控才有意义；另外完善的监控工具一般都会配备一个良好的界面，便于大家才能迅速了解系统的运行情况。这些都是下一节要探索的问题。

配套代码

  • GitHub：https://github.com/eacdy/spring-cloud-study/tree/master/2018-Finchley/microservice-provider-user-sleuth

  • Gitee：https://gitee.com/itmuch/spring-cloud-study/tree/master/2018-Finchley/microservice-provider-user-sleuth

您的关注是对我最大的支持！

↓