建站
咨詢
售后
建站咨詢
新聞中心
開發(fā) | 一文讀懂微服務(wù)監(jiān)控之分布式追蹤
作者：陶剛 2019-08-07 10:44:28
開發(fā)
前端
分布式 現(xiàn)在越來越多的應(yīng)用遷移到基于微服務(wù)的云原生的架構(gòu)之上，微服務(wù)架構(gòu)很強大，但是同時也帶來了很多的挑戰(zhàn)，尤其是如何對應(yīng)用進(jìn)行調(diào)試，如何監(jiān)控多個服務(wù)間的調(diào)用關(guān)系和狀態(tài)。如何有效的對微服務(wù)架構(gòu)進(jìn)行有效的監(jiān)控成為微服務(wù)架構(gòu)運維成功的關(guān)鍵。
[[272944]]
現(xiàn)在越來越多的應(yīng)用遷移到基于微服務(wù)的云原生的架構(gòu)之上，微服務(wù)架構(gòu)很強大，但是同時也帶來了很多的挑戰(zhàn)，尤其是如何對應(yīng)用進(jìn)行調(diào)試，如何監(jiān)控多個服務(wù)間的調(diào)用關(guān)系和狀態(tài)。如何有效的對微服務(wù)架構(gòu)進(jìn)行有效的監(jiān)控成為微服務(wù)架構(gòu)運維成功的關(guān)鍵。用軟件架構(gòu)的語言來說就是要增強微服務(wù)架構(gòu)的可觀測性(Observability)。
微服務(wù)的監(jiān)控主要包含一下三個方面：
- 通過收集日志，對系統(tǒng)和各個服務(wù)的運行狀態(tài)進(jìn)行監(jiān)控
- 通過收集量度(Metrics)，對系統(tǒng)和各個服務(wù)的性能進(jìn)行監(jiān)控
- 通過分布式追蹤，追蹤服務(wù)請求是如何在各個分布的組件中進(jìn)行處理的細(xì)節(jié)
對于是日志和量度的收集和監(jiān)控，大家會比較熟悉。常見的日志收集架構(gòu)包含利用Fluentd對系統(tǒng)日志進(jìn)行收集，然后利用ELK或者Splunk進(jìn)行日志分析。而對于性能監(jiān)控，Prometheus是常見的流行的選擇。
分布式追蹤正在被越來越多的應(yīng)用所采用。分布式追蹤可以通過對微服務(wù)調(diào)用鏈的跟蹤，構(gòu)建一個從服務(wù)請求開始到各個微服務(wù)交互的全部調(diào)用過程的視圖。用戶可以從中了解到諸如應(yīng)用調(diào)用的時延，網(wǎng)絡(luò)調(diào)用(HTTP，RPC)的生命周期，系統(tǒng)的性能瓶頸等等信息。那么分布式追蹤是如何實現(xiàn)的呢?
1.分布式追蹤的概念
谷歌在2010年4月發(fā)表了一篇論文《Dapper, a Large-Scale Distributed Systems Tracing Infrastructure》(http://1t.click/6EB)，介紹了分布式追蹤的概念。
對于分布式追蹤，主要有以下的幾個概念：
- 追蹤 Trace：就是由分布的微服務(wù)協(xié)作所支撐的一個事務(wù)。一個追蹤，包含為該事務(wù)提供服務(wù)的各個服務(wù)請求。
- 跨度 Span：Span是事務(wù)中的一個工作流，一個Span包含了時間戳，日志和標(biāo)簽信息。Span之間包含父子關(guān)系，或者主從(Followup)關(guān)系。
- 跨度上下文 Span Context：跨度上下文是支撐分布式追蹤的關(guān)鍵，它可以在調(diào)用的服務(wù)之間傳遞，上下文的內(nèi)容包括諸如：從一個服務(wù)傳遞到另一個服務(wù)的時間，追蹤的ID，Span的ID還有其它需要從上游服務(wù)傳遞到下游服務(wù)的信息。
2.OpenTracing 標(biāo)準(zhǔn)概念
基于谷歌提出的概念OpenTracing(http://1t.click/6tC)定義了一個開放的分布式追蹤的標(biāo)準(zhǔn)。
Span是分布式追蹤的基本組成單元，表示一個分布式系統(tǒng)中的單獨的工作單元。每一個Span可以包含其它Span的引用。多個Span在一起構(gòu)成了Trace。
OpenTracing的規(guī)范定義每一個Span都包含了以下內(nèi)容：
- 操作名(Operation Name)，標(biāo)志該操作是什么
- 標(biāo)簽 (Tag)，標(biāo)簽是一個名值對，用戶可以加入任何對追蹤有意義的信息
- 日志(Logs)，日志也定義為名值對。用于捕獲調(diào)試信息，或者相關(guān)Span的相關(guān)信息
- 跨度上下文呢 (SpanContext)，SpanContext負(fù)責(zé)子微服務(wù)系統(tǒng)邊界傳遞數(shù)據(jù)。它主要包含兩部分：
- 和實現(xiàn)無關(guān)的狀態(tài)信息，例如Trace ID，Span ID
- 行李項 (Baggage Item)。如果把微服務(wù)調(diào)用比做從一個城市到另一個城市的飛行, 那么SpanContext就可以看成是飛機運載的內(nèi)容。Trace ID和Span ID就像是航班號，而行李項就像是運送的行李。每次服務(wù)調(diào)用，用戶都可以決定發(fā)送不同的行李。
這里是一個Span的例子：
- t=0 operation name: db_query t=x
- +-----------------------------------------------------+
- | · · · · · · · · · · Span · · · · · · · · · · |
- +-----------------------------------------------------+
- Tags:
- - db.instance:"jdbc:mysql://127.0.0.1:3306/customers
- - db.statement: "SELECT * FROM mytable WHERE foo='bar';" ?
- Logs:
- - message:"Can't connect to mysql server on '127.0.0.1'(10061)" ?
- SpanContext:
- - trace_id:"abc123"
- - span_id:"xyz789"
- - Baggage Items:
- - special_id:"vsid1738"
要實現(xiàn)分布式追蹤，如何傳遞SpanContext是關(guān)鍵。OpenTracing定義了兩個方法Inject和Extract用于SpanContext的注入和提取。
Inject 偽代碼
- span_context = ...
- outbound_request = ... ?
- # We'll use the (builtin) HTTP_HEADERS carrier format. We
- # start by using an empty map as the carrier prior to the
- # call to `tracer.inject`.
- carrier = {}
- tracer.inject(span_context, opentracing.Format.HTTP_HEADERS, carrier) ?
- # `carrier` now contains (opaque) key:value pairs which we pass
- # along over whatever wire protocol we already use.
- for key, value in carrier:
- outbound_request.headers[key] = escape(value)
這里的注入的過程就是把context的所有信息寫入到一個叫Carrier的字典中，然后把字典中的所有名值對寫入 HTTP Header。
Extract 偽代碼
- inbound_request = ... ?
- # We'll again use the (builtin) HTTP_HEADERS carrier format. Per the
- # HTTP_HEADERS documentation, we can use a map that has extraneous data
- # in it and let the OpenTracing implementation look for the subset
- # of key:value pairs it needs.
- #
- # As such, we directly use the key:value `inbound_request.headers`
- # map as the carrier.
- carrier = inbound_request.headers
- span_context = tracer.extract(opentracing.Format.HTTP_HEADERS, carrier)
- # Continue the trace given span_context. E.g.,
- span = tracer.start_span("...", child_of=span_context) ?
- # (If `carrier` held trace data, `span` will now be ready to use.)
抽取過程是注入的逆過程，從carrier，也就是HTTP Headers，構(gòu)建SpanContext。
整個過程類似客戶端和服務(wù)器傳遞數(shù)據(jù)的序列化和反序列化的過程。這里的Carrier字典支持Key為string類型，value為string或者Binary格式(Bytes)。
3.怎么用能?
好了講了一大堆的概念，作為程序猿的你早已經(jīng)不耐煩了，不要講那些有的沒的，快上代碼。不急我們這就看看具體如何使用Tracing。
我們用一個程序猿喜聞樂見的打印‘hello world’的Python應(yīng)用來說明OpenTracing是如何工作的。
客戶端代碼
- import requests
- import sys
- import time
- from lib.tracing import init_tracer
- from opentracing.ext import tags
- from opentracing.propagation import Format ?
- def say_hello(hello_to):
- with tracer.start_active_span('say-hello') as scope:
- scope.span.set_tag('hello-to', hello_to)
- hello_str = format_string(hello_to)
- print_hello(hello_str)
- def format_string(hello_to):
- with tracer.start_active_span('format') as scope:
- hello_str = http_get(8081, 'format', 'helloTo', hello_to)
- scope.span.log_kv({'event': 'string-format', 'value': hello_str})
- return hello_str ?
- def print_hello(hello_str):
- with tracer.start_active_span('println') as scope:
- http_get(8082, 'publish', 'helloStr', hello_str)
- scope.span.log_kv({'event': 'println'}) ?
- def http_get(port, path, param, value):
- url = 'http://localhost:%s/%s' % (port, path) ?
- span = tracer.active_span
- span.set_tag(tags.HTTP_METHOD, 'GET')
- span.set_tag(tags.HTTP_URL, url)
- span.set_tag(tags.SPAN_KIND, tags.SPAN_KIND_RPC_CLIENT)
- headers = {}
- tracer.inject(span, Format.HTTP_HEADERS, headers) ?
- r = requests.get(url, params={param: value}, headers=headers)
- assert r.status_code == 200
- return r.text
- # main
- assert len(sys.argv) == 2 ?
- tracer = init_tracer('hello-world') ?
- hello_to = sys.argv[1]
- say_hello(hello_to)
- # yield to IOLoop to flush the spans
- time.sleep(2)
- tracer.close()
客戶端完成了以下的工作：
- 初始化Tracer，trace的名字是‘hello-world’
- 創(chuàng)建以個客戶端操作say_hello，該操作關(guān)聯(lián)一個Span，取名‘say-hello’，并調(diào)用span.set_tag加入標(biāo)簽
- 在操作say_hello中調(diào)用第一個HTTP 服務(wù)A，format_string， 該操作關(guān)聯(lián)另一個Span取名‘format’，并調(diào)用span.log_kv加入日志
- 之后調(diào)用另一個HTTP 服務(wù)B，print_hello， 該操作關(guān)聯(lián)另一個Span取名‘println’，并調(diào)用span.log_kv加入日志
- 對于每一個HTTP請求，在Span中都加入標(biāo)簽，標(biāo)志http method，http url和span kind。并調(diào)用tracer.inject把SpanContext注入到http header 中。
服務(wù)A代碼
- from flask import Flask
- from flask import request
- from lib.tracing import init_tracer
- from opentracing.ext import tags
- from opentracing.propagation import Format ?
- app = Flask(__name__)
- tracer = init_tracer('formatter')
- @app.route("/format")
- def format():
- span_ctx = tracer.extract(Format.HTTP_HEADERS, request.headers)
- span_tags = {tags.SPAN_KIND: tags.SPAN_KIND_RPC_SERVER}
- with tracer.start_active_span('format', child_of=span_ctx, tags=span_tags):
- hello_to = request.args.get('helloTo')
- return 'Hello, %s!' % hello_to
- if __name__ == "__main__":
- app.run(port=8081)
服務(wù)A響應(yīng)format請求，調(diào)用tracer.extract從http headers中提取信息，構(gòu)建spanContext。
服務(wù)B代碼
- from flask import Flask
- from flask import request
- from lib.tracing import init_tracer
- from opentracing.ext import tags
- from opentracing.propagation import Format
- app = Flask(__name__)
- tracer = init_tracer('publisher')
- @app.route("/publish")
- def publish():
- span_ctx = tracer.extract(Format.HTTP_HEADERS, request.headers)
- span_tags = {tags.SPAN_KIND: tags.SPAN_KIND_RPC_SERVER}
- with tracer.start_active_span('publish', child_of=span_ctx, tags=span_tags):
- hello_str = request.args.get('helloStr')
- print(hello_str)
- return 'published' ?
- if __name__ == "__main__":
- app.run(port=8082)
服務(wù)B和A類似。
之后在支持分布式追蹤的軟件UI上(下圖是Jaeger UI)，就可以看到類似下圖的追蹤信息。我們可以看到服務(wù)hello-word和三個操作say-hello/format/println的詳細(xì)追蹤信息。
當(dāng)前有很多分布式追蹤軟件都提供了OpenTracing的支持，包括：Jaeger，LightStep，Instanna，Apache SkyWalking，inspectIT，stagemonitor，Datadog，Wavefront，Elastic APM等等。其中作為開源軟件的Zipkin(http://1t.click/6Ec)和Jaeger(http://1t.click/6DY)最為流行。
Zipkin
Zipkin(http://1t.click/6Ec)是Twitter基于Dapper開發(fā)的分布式追蹤系統(tǒng)。它的設(shè)計架構(gòu)如下圖：
- 藍(lán)色實體是Zipkin要追蹤的目標(biāo)組件，Non-Intrumented Server表示不直接調(diào)用Tracing API的微服務(wù)。通過Intrumented Client從Non-Intrumented Server中收集信息并發(fā)送給Zipkin的收集器Collector。Intrumented Server 直接調(diào)用Tracing API，發(fā)送數(shù)據(jù)到Zipkin的收集器。
- Transport是傳輸通道，可以通過HTTP直接發(fā)送到Zipkin或者通過消息/事件隊列的方式。
- Zipkin本身是一個Java應(yīng)用，包含了：收集器Collector負(fù)責(zé)數(shù)據(jù)采集，對外提供數(shù)據(jù)接口;存儲;API和UI。
Zipkin的用戶界面像這個樣子：
Zipkin官方支持以下幾種語言的客戶端：C#，Go，Java，JavaScript，Ruby，Scala，PHP。開源社區(qū)也有其它語言的支持。
Zipkin發(fā)展到現(xiàn)在有快4年的時間，是一個相對成熟的項目。
Jaeger
Jaeger(http://1t.click/6DY)最早是由Uber開發(fā)的分布式追蹤系統(tǒng)，同樣基于Dapper的設(shè)計理念。現(xiàn)在Jaeger是CNCF(Cloud Native Computing Foundation)的一個項目。如果你對CNCF這個組織有所了解，那么你可以推測出這個項目應(yīng)該和Kubernetes有非常緊密的集成。
Jaeger基于分布式的架構(gòu)設(shè)計，主要包含以下幾個組件：
- Jaeger Client，負(fù)責(zé)在客戶端收集跟蹤信息。
- Jaeger Agent，負(fù)責(zé)和客戶端通信，把收集到的追蹤信息上報個收集器 Jaeger Collector
- Jaeger Colletor把收集到的數(shù)據(jù)存入數(shù)據(jù)庫或者其它存儲器
- Jaeger Query 負(fù)責(zé)對追蹤數(shù)據(jù)進(jìn)行查詢
- Jaeger UI負(fù)責(zé)用戶交互
這個架構(gòu)很像ELK，Collector之前類似Logstash負(fù)責(zé)采集數(shù)據(jù)，Query類似Elastic負(fù)責(zé)搜索，而UI類似Kibana負(fù)責(zé)用戶界面和交互。這樣的分布式架構(gòu)使得Jaeger的擴展性更好，可以根據(jù)需要，構(gòu)建不同的部署。
Jaeger作為分布式追蹤的后起之秀，隨著云原生和K8s的廣泛采用，正變得越來越流行。利用官方給出的K8s部署模版(http://1t.click/6DU)，用戶可以快速的在自己的k8s集群上部署Jaeger。
4.分布式跟蹤系統(tǒng)——產(chǎn)品對比
當(dāng)然除了支持OpenTracing標(biāo)準(zhǔn)的產(chǎn)品之外，還有其它的一些分布式追蹤產(chǎn)品。這里引用一些其它博主的分析，給大家一些參考：
- 調(diào)用鏈選型之Zipkin，Pinpoint，SkyWalking，CAT(http://1t.click/6tY)
- 分布式調(diào)用鏈調(diào)研(pinpoint,skywalking,jaeger,zipkin等對比)(http://1t.click/6DK)
- 分布式跟蹤系統(tǒng)——產(chǎn)品對比(http://1t.click/6ug)
5.總結(jié)
在微服務(wù)大行其道，云原生成為架構(gòu)設(shè)計的主流的情況下，微服務(wù)系統(tǒng)監(jiān)控，包含日志，指標(biāo)和追蹤成為了系統(tǒng)工程的重中之重。OpenTracing基于Dapper的分布式追蹤設(shè)計理念，定義了分布式追蹤的實現(xiàn)標(biāo)準(zhǔn)。在開源項目中，Zipkin和Jaeger是相對優(yōu)秀的選擇。尤其是Jaeger，由于對云原生框架的良好集成，是構(gòu)建微服務(wù)追蹤系統(tǒng)的必備良器。
分享文章：開發(fā)|一文讀懂微服務(wù)監(jiān)控之分布式追蹤
本文URL：http://www.dlmjj.cn/article/cceeohi.html
