前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >研究调用链跟踪技术之jaeger

研究调用链跟踪技术之jaeger

作者头像
jeremyxu
发布2019-03-13 14:41:17
3K0
发布2019-03-13 14:41:17
举报

最近在做微服务构架里有关调用链跟踪(也有叫分布式追踪)的部分,有一些心得,这里总结一些。

为什么有必要跟踪调用链

当我们进行微服务架构开发时,通常会根据业务来划分微服务,各业务之间通过REST进行调用。一个用户操作,可能需要很多微服务的协同才能完成,如果在业务调用链路上任何一个微服务出现问题或者网络超时,都会导致功能失败。随着业务越来越多,对于微服务之间的调用链的分析会越来越复杂。通过追踪调用链,我们可以很方便的理清各微服务间的调用关系,同时调用链还可以帮助我们:

  • 耗时分析: 通过Sleuth可以很方便的了解到每个采样请求的耗时,从而分析出哪些服务调用比较耗时;
  • 可视化错误: 对于程序未捕捉的异常,可以通过集成的界面上看到;
  • 链路优化: 对于调用比较频繁的服务,可以针对这些服务实施一些优化措施。

调用链跟踪系统选型

Distributed Tracing这个关键词在google里搜索,基本第一页就列出了最流行的分布式追踪系统:OpenZipkinJaeger。那就直接在这两个里选型好了。

特性对比

两者的特性对比矩阵(摘自https://sematext.com/blog/jaeger-vs-zipkin-opentracing-distributed-tracers/,截至May 23, 2018):

JAEGER

ZIPKIN

OpenTracing compatibility

Yes

Yes

OpenTracing-compatible clients

PythonGoNodeJavaC++C#Ruby *PHP*Rust

GoJavaRuby*C++Python (work in progress)

Storage support

In-memoryCassandraElasticsearchScyllaDB (work in progress)

In-memoryMySQLCassandraElasticsearch

Sampling

Dynamic sampling rate (supports rate limiting and probabilistic sampling strategies)

Fixed sampling rate (supports probabilistic sampling strategy)

Span transport

UDPHTTP

HTTPKafkaScribeAMQP

Docker ready

Yes

Yes

* non-official OpenTracing clients

从上面的特性矩阵来年,在兼容的客户端语言和采样策略上jaeger胜出,在支持的传输层技术上zipkin胜出,其它都是差不多的水平。

架构对比

两者都是 Google Dapper 这篇pager的实现,因此原理及架构是差不多了,但两者的架构有一点点小差异。

openzipkin的架构图

openzipkin的架构图
openzipkin的架构图

jaeger架构图

jaeger架构图
jaeger架构图

从以上架构图可以看出,jaeger将jaeger-agent从业务应用中抽出,部署在宿主机或容器中,专门负责向collector异步上报调用链跟踪数据,这样做将业务应用与collector解耦了,同时也减少了业务应用的第三方依赖。因此从架构上来看,明显jaeger胜出了。

另外jaeger整体是用go语言编写的,在并发性能、对系统资源的消耗上也对基于java的openzipkin好不少。

社区活跃性对比

github上项目的关键指标如下:

代码语言:javascript
复制
$ curl 'https://api.github.com/repos/openzipkin/zipkin' 2>/dev/null | grep -E 'created_at|updated_at|stargazers_count|watchers_count|forks_count'
  "created_at": "2012-06-06T18:26:16Z",
  "updated_at": "2018-07-22T13:36:01Z",
  "stargazers_count": 9039,
  "watchers_count": 9039,
  "forks_count": 1500,

$ curl 'https://api.github.com/repos/jaegertracing/jaeger' 2>/dev/null | grep -E 'created_at|updated_at|stargazers_count|watchers_count|forks_count'
  "created_at": "2016-04-15T18:49:02Z",
  "updated_at": "2018-07-22T10:46:39Z",
  "stargazers_count": 5184,
  "watchers_count": 5184,
  "forks_count": 414,

两者最近都属于活跃开发中,值得注意的是jaeger比openzipkin晚诞生4年,但start及watch的数量已有后者的一半了,可谓发展迅猛。另外还有一点值得注意的是jaeger是Cloud Native Computing Foundation的项目,因此云原生的项目都会支持它。

结论

综上所述,这里就愉快地选择jaeger了。

Getting Started

为了便于研究,先把官方的Getting started跑起来。不过为了理解其架构,我这里就不用官方的all-in-one启动了,而是将各个组件逐个部署启动起来。另外为了后面能整合ES搜索方案,我这里的storage使用了elasticsearch,这个jaeger也是支持的。下面的部署过程就直接贴docker-compose文件了,比较简单。

.env

代码语言:javascript
复制
COMPOSE_PROJECT_NAME=jaeger_demo
MY_HOST_IP=${your_host_ip}

docker-compose.yml

代码语言:javascript
复制
version: '3'

services:
  elasticsearch:
    image: elasticsearch
    command: -Enode.name=jaegerESNode
    restart: always
    volumes:
      - "esdata:/usr/share/elasticsearch/data"
    ports:
      - "9200:9200"

  jaeger-collector:
    image: jaegertracing/jaeger-collector
    restart: always
    environment:
      SPAN_STORAGE_TYPE: elasticsearch
      ES_SERVER_URLS: http://${MY_HOST_IP:-127.0.0.1}:9200
    ports:
      - "14267:14267"
      - "14268:14268"
      - "9411:9411"

  jaeger-query:
    image: jaegertracing/jaeger-query
    restart: always
    environment:
      SPAN_STORAGE_TYPE: elasticsearch
      ES_SERVER_URLS: http://${MY_HOST_IP:-127.0.0.1}:9200
    ports:
      - "16686:16686"

  jaeger-agent:
    image: jaegertracing/jaeger-agent
    restart: always
    command: --collector.host-port=${MY_HOST_IP:-127.0.0.1}:14267
    ports:
      - "5775:5775/udp"
      - "6831:6831/udp"
      - "6832:6832/udp"
      - "5778:5778/tcp"
      
  jaeger-spark-dependencies:
    image: jaegertracing/spark-dependencies
    restart: always
    environment:
      STORAGE: elasticsearch
      ES_NODES: http://${MY_HOST_IP:-127.0.0.1}:9200
      ES_NODES_WAN_ONLY: 'true'
      JAVA_OPTS: -Dspark.testing.memory=481859200

  example-hotrod:
    image: jaegertracing/example-hotrod
    restart: always
    command: all --jaeger-agent.host-port=${MY_HOST_IP:-127.0.0.1}:6831
    ports:
      - "8080-8083:8080-8083"

volumes:
  esdata:
    driver: local
    driver_opts:
      type: none
      o: bind
      device: "${PWD}/esdata"

docker-compose.yml文件中配置的各个组件可按照jaeger的架构图部署在多台宿主机上,只要配置好正确的地址引用即可。

跑起来后访问http://127.0.0.1:8080/,点击不同的按钮,用以模拟不同的客户订购car。

然后访问http://127.0.0.1:16686/,即可查询调用链信息。

基本功能大概就是这样了,一些强悍的功能可以查看这篇文章

Trace Instrumentation写法

从jaeger的架构图中可以看到,微服务接入分布式调用追踪需要插入一些代码用于进行Trace Instrumentation。因为我们的项目大部分是go语言编写的,因此这里重点说一下go语言的Trace Instrumentation写法,其它语言应该类似。

初始化Tracer

根据相关的配置选项初始化Tracer,初始化方法可参考https://github.com/jaegertracing/jaeger/blob/master/examples/hotrod/pkg/tracing/init.go

代码语言:javascript
复制
// Init creates a new instance of Jaeger tracer.
func Init(serviceName string, metricsFactory metrics.Factory, logger log.Factory, backendHostPort string) opentracing.Tracer {
	cfg := config.Configuration{
		Sampler: &config.SamplerConfig{
			Type:  "const",
			Param: 1,
		},
	}
	// TODO(ys) a quick hack to ensure random generators get different seeds, which are based on current time.
	time.Sleep(100 * time.Millisecond)
	jaegerLogger := jaegerLoggerAdapter{logger.Bg()}
	var sender jaeger.Transport
	if strings.HasPrefix(backendHostPort, "http://") {
		sender = transport.NewHTTPTransport(
			backendHostPort,
			transport.HTTPBatchSize(1),
		)
	} else {
		if s, err := jaeger.NewUDPTransport(backendHostPort, 0); err != nil {
			logger.Bg().Fatal("cannot initialize UDP sender", zap.Error(err))
		} else {
			sender = s
		}
	}
	tracer, _, err := cfg.New(
		serviceName,
		config.Reporter(jaeger.NewRemoteReporter(
			sender,
			jaeger.ReporterOptions.BufferFlushInterval(1*time.Second),
			jaeger.ReporterOptions.Logger(jaegerLogger),
		)),
		config.Logger(jaegerLogger),
		config.Metrics(metricsFactory),
		config.Observer(rpcmetrics.NewObserver(metricsFactory, rpcmetrics.DefaultNameNormalizer)),
	)
	if err != nil {
		logger.Bg().Fatal("cannot initialize Jaeger Tracer", zap.Error(err))
	}
	return tracer
}

嵌入代码至http.Handler

如果微服务是用HTTP提交的restful接口,则需要嵌入代码至http.Handler,可参考https://github.com/jaegertracing/jaeger/blob/master/examples/hotrod/pkg/tracing/mux.go,这里的主要处理逻辑在https://github.com/opentracing-contrib/go-stdlib/blob/master/nethttp/server.go

代码语言:javascript
复制
// Handle implements http.ServeMux#Handle
func (tm *TracedServeMux) Handle(pattern string, handler http.Handler) {
	middleware := nethttp.Middleware(
		tm.tracer,
		handler,
		nethttp.OperationNameFunc(func(r *http.Request) string {
			return "HTTP " + r.Method + " " + pattern
		}))
	tm.mux.Handle(pattern, middleware)
}

其实就是用nethttp包里的middleware将http.Handler包裹起来,可以猜测这个middleware的处理逻辑,如没有Trace的上下文信息,则创建一个全新的Trace,并将Trace的上下文信息放入请求处理上下文;如有Trace的上下文信息,则直接使用该Trace的上下文信息,并将Trace的上下文信息放入请求处理上下文。

嵌入代码至http.Client

如果微服务是用http.Client调用其它微服务的restful接口,则需要嵌入代码至http.Client,可参考https://github.com/jaegertracing/jaeger/blob/master/examples/hotrod/pkg/tracing/http.go,这里的主要处理逻辑在https://github.com/opentracing-contrib/go-stdlib/blob/master/nethttp/client.go

代码语言:javascript
复制
// HTTPClient wraps an http.Client with tracing instrumentation.
type HTTPClient struct {
	Tracer opentracing.Tracer
	Client *http.Client
}

// GetJSON executes HTTP GET against specified url and tried to parse
// the response into out object.
func (c *HTTPClient) GetJSON(ctx context.Context, endpoint string, url string, out interface{}) error {
	req, err := http.NewRequest("GET", url, nil)
	if err != nil {
		return err
	}
	req = req.WithContext(ctx)
	req, ht := nethttp.TraceRequest(c.Tracer, req, nethttp.OperationName("HTTP GET: "+endpoint))
	defer ht.Finish()

	res, err := c.Client.Do(req)
	if err != nil {
		return err
	}

	defer res.Body.Close()

	if res.StatusCode >= 400 {
		body, err := ioutil.ReadAll(res.Body)
		if err != nil {
			return err
		}
		return errors.New(string(body))
	}
	decoder := json.NewDecoder(res.Body)
	return decoder.Decode(out)
}

其实就是用nethttp.TraceRequest方法来跟踪请求,同时将当前Trace的上下文信息传递给下一个微服务。

给Span添加自定义tag

可以给Span添加自定义tag,可参考https://github.com/jaegertracing/jaeger/blob/master/examples/hotrod/services/customer/database.go

代码语言:javascript
复制
// simulate opentracing instrumentation of an SQL query
	if span := opentracing.SpanFromContext(ctx); span != nil {
		span := d.tracer.StartSpan("SQL SELECT", opentracing.ChildOf(span.Context()))
		tags.SpanKindRPCClient.Set(span)
		tags.PeerService.Set(span, "mysql")
		span.SetTag("sql.query", "SELECT * FROM customer WHERE customer_id="+customerID)
		defer span.Finish()
		ctx = opentracing.ContextWithSpan(ctx, span)
	}

这样在jaeger的UI上展开这个Span时,即可看到一些详细的信息。

image-20180722234642553
image-20180722234642553

给Span添加相关的log

可以给Span添加自定义log,可参考https://github.com/jaegertracing/jaeger/blob/master/examples/hotrod/pkg/log/spanlogger.go

代码语言:javascript
复制
type spanLogger struct {
	logger *zap.Logger
	span   opentracing.Span
}

func (sl spanLogger) Info(msg string, fields ...zapcore.Field) {
	sl.logToSpan("info", msg, fields...)
	sl.logger.Info(msg, fields...)
}

func (sl spanLogger) Error(msg string, fields ...zapcore.Field) {
	sl.logToSpan("error", msg, fields...)
	sl.logger.Error(msg, fields...)
}

func (sl spanLogger) Fatal(msg string, fields ...zapcore.Field) {
	sl.logToSpan("fatal", msg, fields...)
	tag.Error.Set(sl.span, true)
	sl.logger.Fatal(msg, fields...)
}

// With creates a child logger, and optionally adds some context fields to that logger.
func (sl spanLogger) With(fields ...zapcore.Field) Logger {
	return spanLogger{logger: sl.logger.With(fields...), span: sl.span}
}

func (sl spanLogger) logToSpan(level string, msg string, fields ...zapcore.Field) {
	// TODO rather than always converting the fields, we could wrap them into a lazy logger
	fa := fieldAdapter(make([]log.Field, 0, 2+len(fields)))
	fa = append(fa, log.String("event", msg))
	fa = append(fa, log.String("level", level))
	for _, field := range fields {
		field.AddTo(&fa)
	}
	sl.span.LogFields(fa...)
}

在打日志的地址使用下面的语句

代码语言:javascript
复制
d.logger.For(ctx).Info("Loading customer", zap.String("customer_id", customerID))

这样在jaeger的UI里展开Span就可看到该Span相关的日志。

image-20180722235354858
image-20180722235354858

其它接口调用的Trace Instrumentation

除了常规restful接口,其它类型如何做Trace Instrumentation可参考opentracing-contrib

jaeger的源码解析

简单浏览下jaeger的源码,整体逻辑还是比较清晰的,通过阅读它的源码还是学到了不少coding技巧的。在网上还找到一位小哥写的jaeger源码解析,写得还挺详细的,这里就不赘述了,直接参考jaeger源码解析就可以了。

THE END

参考

  1. https://medium.com/opentracing/take-opentracing-for-a-hotrod-ride-f6e3141f7941
  2. https://www.jaegertracing.io/
  3. https://zipkin.io/
  4. http://research.google.com/pubs/pub36356.html
  5. https://sematext.com/blog/jaeger-vs-zipkin-opentracing-distributed-tracers/
  6. http://opentracing.io/documentation/
本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2018-07-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 为什么有必要跟踪调用链
  • 调用链跟踪系统选型
    • 特性对比
      • 架构对比
        • 社区活跃性对比
          • 结论
          • Getting Started
          • Trace Instrumentation写法
            • 初始化Tracer
              • 嵌入代码至http.Handler
                • 嵌入代码至http.Client
                  • 给Span添加自定义tag
                    • 给Span添加相关的log
                      • 其它接口调用的Trace Instrumentation
                      • jaeger的源码解析
                      • 参考
                      相关产品与服务
                      Elasticsearch Service
                      腾讯云 Elasticsearch Service(ES)是云端全托管海量数据检索分析服务,拥有高性能自研内核,集成X-Pack。ES 支持通过自治索引、存算分离、集群巡检等特性轻松管理集群,也支持免运维、自动弹性、按需使用的 Serverless 模式。使用 ES 您可以高效构建信息检索、日志分析、运维监控等服务,它独特的向量检索还可助您构建基于语义、图像的AI深度应用。
                      领券
                      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档