Sleuth和ZipKin

Sleuth概述

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，先来了解一下 Sleuth的术语， Sleuth借用了 Dapper的术语。

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）， spanID、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"rootspan"，该 span的 id和 trace的 ID相等。trace（跟踪）：一组共享"rootspan"的 span组成的树状结构称为 traceo trac也用一个64位的 ID唯一标识， trace中的所有 span都共享该 trace的 IDannotation（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。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。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。c)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。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。

Spring Cloud Sleuth可以追踪10种类型的组件：async、Hystrix，messaging，websocket，rxjava，scheduling，web（Spring MVC Controller，Servlet），webclient（Spring RestTemplate）、Feign、Zuul。

下面我们通过一张图来看一下一个简单的微服务调用链：

ZipKin概述

Zipkin是Twitter开源的分布式跟踪系统，基于 Dapper的论文设计而来。它的主要功能是收集系统的时序数据，从而追踪微服务架构的系统延时等问题。 Zipkin还提供了一个非常友好的界面，来帮助分析追踪数据。官网地址：http://zipkin。

因为sleuth对于分布式链路的跟踪仅仅是一些数据的记录， 这些数据我们人为来读取和处理难免会太麻烦了，所以我们一般吧这种数据上交给Zipkin Server 来统一处理。

搭建Zipkin Server

引入依赖

<dependency> <groupId>io.zipkin.java</groupId> <artifactId>zipkin-autoconfigure-ui</artifactId> <version>2.8.4</version> </dependency> <dependency> <groupId>io.zipkin.java</groupId> <artifactId>zipkin-server</artifactId> <version>2.8.4</version> </dependency>

yml配置

加入如下的配置是因为 在zipkin2.7.x以后便不支持自定义服务器需要使用官方的版本或者Docker，但是如果还是要使用的话就得加上这个配置。

management: metrics: web: server: autoTimeRequests: false

启动类

同样是springboot项目的启动方式，不过需要加上@EnableZipkinServer注解

@SpringBootApplication @EnableZipkinServer public class ZipKinStart { public static void main(String[] args) { SpringApplication.run(ZipKinStart.class); } }

结果页面

启动项目，访问/zipkin/ 这是用来查询分布式链路数据的页面， 这里列出了查询条件， 从第一行开始从左到右分别是：

微服务名称（就是你配置文件里面的application name） ， span（即上文所解释的）名称 ， 时间段 ，自定义查询条件，一次调用链的持续时间，一页数量，排序规则。

Sleuth微服务整合Zipkin

注意每一个经过的微服务都需要整合Zipkin和Sleuth，完成下面的配置和依赖引入

引入依赖

在需要进行链路跟踪的微服务项目中加入下面Sleuth和Zipkin整合spring-clound的依赖。

<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>

yml配置

需要在yml文件中加入以下配置

spring: zipkin: base-url: http://localhost:9090 #指定Zipkin server地址 sleuth: sampler: probability: 1.0 #request采样的数量 默认是0.1 也即是10% 顾名思义 采取10%的请求数据 因为在分布式系统中，数据量可能会非常大，因此采样非常重要。我们示例数据少最好配置为1全采样

调用效果

然后启动微服务并模拟一次调用链 我这里是用user 微服务调用了power微服务 （注意，每个微服务都需要和zipkin整合）。

调用完成之后 我们去zipkin server 页面去看看

Zipkin Server数据持久化

刚刚我们介绍了如何把分布式链路调用信息上传到zipkin server，但还是有一个问题，当zipkin重启后我们的分布式链路数据全部清空了。

因为zipkin server 默认数据是存储在内存当中， 所以当你服务重启之后内存自然而然也就清空了。

所以我们需要将Zipkin Server中的数据持久化到我们的硬盘上，这样就算关闭Zipkin Server，再次打开我们也可以看到之前的数据。

Elasticsearch做数据持久化

这里借用ES来做数据持久化， 当然 还可以用ELK来做， 我们这里演示ES 关于Elasticsearch 具体的介绍 我们本文暂时不讨论， 没学习过的同学可以把他当作mysql来看待。

安装并启动Elasticsearch

Elasticsearch下载地址： https://www.elastic.co/cn/downloads/elasticsearch 下载完是个压缩包，解压出来，打开bin目录，找到elasticsearch.bat文件启动

等他启动一会儿然后在页面上输入localhost:9200看见如下信息说明Elasticsearch 启动好了

Zipkin与Elasticsearch整合

引入依赖 <dependency> <groupId>io.zipkin.java</groupId> <artifactId>zipkin-autoconfigure-storage-elasticsearch-http</artifactId> <version>2.3.1</version> </dependency> yml配置 zipkin: storage: type: elasticsearch elasticsearch: cluster: elasticsearch hosts: http://localhost:9200 index: zipkin

至此 zipkin的数据便和Elasticsearch整合起来了，现在再启动zipkin server并且存储几条数据， 就算重启， 数据还会在上面。

微服务总结

由上图可以发现， spring cloud 把各个组件相互配合起来， 整合成一套成熟的微服务架构体系。

eureka做服务注册与发现，很好的把各个服务链接起来ribbon+fegin提供了微服务的调用和负载均衡解决方案hystrix 负责监控微服务之间的调用情况，以及降级和熔断保护Hystrix dashboard监控Hystrix的熔断情况以及监控信息以图形化界面展示spring cloud config 提供了统一的配置中心服务所有外来的请求由zuul统一进行路由和转发，起到了API网关的作用Sleuth+Zipkin把我们微服务的追踪数据记录下来并展示方便我们进行后续分析