引言:最近在调研与选型分布式调用链监控组件。选了主要的三种APM组件进行了实践与比较。本来打算一篇文章写完的,篇幅太长,打算分两篇。本文主要讲下链路traceing的基本概念和几种APM组件的实践,实践部分也没给出特别详细的步骤,因为本文重点不在具体的步骤。第二篇将会讲下几种APM选型的比较与性能测试。
1. 问题背景
微服务架构下,服务按照不同的维度进行拆分,一次请求请求往往需要涉及到多个服务。互联网应用构建在不同的软件模块集上,这些软件模块,有可能是由不同的团队开发、可能使用不同的编程语言来实现、有可能布在了几千台服务器,横跨多个不同的数据中心。因此,就需要一些可以帮助理解系统行为、用于分析性能问题的工具,以便发生故障的时候,能够快速定位和解决问题。
分布式调用链监控组件在这样的环境下产生了。最出名的是谷歌公开的论文提到的。开发Dapper是为了收集更多的复杂分布式系统的行为信息,然后呈现给Google的开发者们。这样的分布式系统有一个特殊的好处,因为那些大规模的低端服务器,作为互联网服务的载体,是一个特殊的经济划算的平台。想要在这个上下文中理解分布式系统的行为,就需要监控那些横跨了不同的应用、不同的服务器之间的关联动作。
市面上的APM(Application Performance Management)理论模型大多都是借鉴(borrow)论文,本文重点关注以下几种APM组件:
Zipkin
由Twitter公司开源,开放源代码分布式的跟踪系统,用于收集服务的定时数据,以解决微服务架构中的延迟问题,包括数据的收集、存储、查找和展现。
Pinpoint
Pinpoint是一款对Java编写的大规模分布式系统的APM工具,由韩国人开源的分布式跟踪组件。
Skywalking
国产的优秀APM组件,是一个对JAVA分布式应用程序集群的业务运行情况进行追踪、告警和分析的系统。
其他类似的组件还有美团点评的CAT,淘宝的鹰眼EgleEye。
如上所述,那么我们选择链路监控组件有哪些要求呢?Dapper中也提到了,笔者总结如下:
探针的性能消耗。
APM组件服务的影响应该做到足够小。在一些高度优化过的服务,即使一点点损耗也会很容易察觉到,而且有可能迫使在线服务的部署团队不得不将跟踪系统关停。
代码的侵入性
对于应用的程序员来说,是不需要知道有跟踪系统这回事的。如果一个跟踪系统想生效,就必须需要依赖应用的开发者主动配合,那么这个跟踪系统也太脆弱了,往往由于跟踪系统在应用中植入代码的bug或疏忽导致应用出问题,这样才是无法满足对跟踪系统“无所不在的部署”这个需求。
可扩展性
能够支持的组件越多当然越好。或者提供便捷的插件开发API,对于一些没有监控到的组件,应用开发者也可以自行扩展。
数据的分析
数据的分析要快 ,分析的维度尽可能多。跟踪系统能提供足够快的信息反馈,就可以对生产环境下的异常状况做出快速反应。分析的全面,能够避免二次开发。
2. 基础概念
上面列出的几种组件,其中Zipkin是严格按照论文实现的,下面介绍下其中涉及的基本概念。
Span
基本工作单元,一次链路调用(可以是RPC,DB等没有特定的限制)创建一个span,通过一个64位ID标识它,uuid较为方便,span中还有其他的数据,例如描述信息,时间戳,key-value对的(Annotation)tag信息,parent-id等,其中parent-id可以表示span调用链路来源。
Trace:类似于树结构的Span集合,表示一条调用链路,存在唯一标识。比如你运行的分布式大数据存储一次Trace就由你的一次请求组成。
Annotation: 注解,用来记录请求特定事件相关信息(例如时间),通常包含四个注解信息:
(1) cs:Client Start,表示客户端发起请求
(2) sr:Server Receive,表示服务端收到请求
(3) ss:Server Send,表示服务端完成处理,并将结果发送给客户端
(4) cr:Client Received,表示客户端获取到服务端返回信息
2.1
Trace
下面看一下,在系统中Trace是什么样子。
每种颜色的note标注了一个span,一条链路通过TraceId唯一标识,Span标识发起的请求信息。树节点是整个架构的基本单元,而每一个节点又是对span的引用。节点之间的连线表示的span和它的父span直接的关系。虽然span在日志文件中只是简单的代表span的开始和结束时间,他们在整个树形结构中却是相对独立的。
2.2
Span
上图说明了span在一次大的跟踪过程中是什么样的。Dapper记录了span名称,以及每个span的ID和父ID,以重建在一次追踪过程中不同span之间的关系。如果一个span没有父ID被称为root span。所有span都挂在一个特定的跟踪上,也共用一个跟踪id。
2.3
Annotation
自动的探针,不需要修改应用程序源代码,对应用开发者近乎零浸入的成本对分布式控制路径进行跟踪,几乎完全依赖于基于少量通用组件库的改造。Dapper还允许应用程序开发人员在Dapper跟踪的过程中添加额外的信息,以监控更高级别的系统行为,或帮助调试问题。
下面章节将会介绍下上述三种APM组件的使用与实践。
zipkin
zipkin主要涉及几个组件:收集agent的数据,存储,图形化界面,查询Storage中存储的数据,提供简单的JSON API获取数据。
我们的项目基于微服务框架spring cloud构建微服务。spring cloud也提供了spring-cloud-sleuth来方便集成zipkin实现。所以笔者就在项目中试了下spring-cloud-sleuth-zipkin。
起了三个服务:
zipkin-server、zipkin-client-backend、zipkin-client。
其中server服务负责收集以及信息展示。client-backend调用client,产生调用链路信息。
3.1
zipkin-server实现
zipkin-server实现主要有两点需要注意,其一是收集到数据的存储,方式包括内存、数据库、ES等;其二是通信方式,包括http通信和mq异步方式通信,http通信会对正常的访问造成影响,所以还是推荐基于mq异步方式通信。
本文使用mysql作为存储,使用MQ通信,MQ通信基于Spring-cloud-Stream。本文重点不在zipkin-server的具体几种实现方式,其他方式,读者可以自己去官网查看。
(1)pom需要添加的引用如下:
(2)启动类:
注解引入了注解,同时还创建了一个rabbit-mq的SleuthSink消息队列监听器。
(3)配置文件
zipkin.sql可以去官网获取,设置了zipkin-server的端口号为9411。
3.2
zipkin-client
两个zipkin-client的配置一样,所以放在一起。
(1)pom依赖
(2) 配置文件
3.3
结果
服务之间的调用关系如下:
可以看到客户端的请求经过gateway,调用内网中的各个服务,部分还涉及到调用notice服务。从图中可以清楚的看出客户端请求所经过的服务。
下面看下demo2-default服务实例中的http path:
上图中demo2-default服务的几个http path按照时长排序,显示了trace调用时长和span数量。点进去可以看到:
图中列出了从父span开始,每一个span的耗时。本次trace中,涉及到两个服务demo1和demo2。demo2调用demo1,从597ms开始调用demo1,完成最终的请求总共耗时1265ms。
pinpoint
对代码零侵入,运用JavaAgent字节码增强技术,只需要加启动参数即可。
pinpoint的几个组件部分和zipkin差不多,架构图如下:
Pinpoint-Collector收集各种性能数据、Pinpoint-Agent和自己运行的应用关联起来的探针、Pinpoint-Web将收集到的数据显示成WEB网页形式、HBase Storage收集到的数据存到HBase中。
4.1
pinpoint安装
主要涉及以下软件的安装:
jdk 1.8
Java环境必须的,没啥好解释。
Hbase
pinpoint收集来的测试数据,主要是存在Hbase数据库的。所以它可以收集大量的数据,可以进行更加详细的分析。Hbase安装完成后,需要初始化Hbase的pinpoint库,由pinpoint提供。Hbase内置了zookeeper。
pinpoint-collector
collector收集agent的数据,将数据存到hbase集群,对外暴露collector的tcp和udp的监听端口9994,9995,9996。
pinpoint-web
页面展示,配置文件中设置环境变量HBASE_HOST、HBASE_PORT等。
pinpoint-agent
到官网release页面下载pinpoint-agent-x-SNAPSHOT.tar.gz,配置pinpoint.config中相关collector的信息。
安装确实还比较麻烦,本文篇幅太长了,具体步骤后面再单独写文章讲解。
4.2
运行pinpoint-agent
笔者使用的是spring-boot项目,所以只需要在启动jar包的命令中加入-javaagent参数,并指定pinpoint-bootstrap包的绝对路径。实例代码如下:
起的id生成器服务比较简单,没有用到数据库等存储介质。服务注册到consul上,本地客户端请求了id-server获取id。其调用链如下:
pinpoint提供的功能比较丰富,下图是调用/api/id接口的详细信息。
可以看到,pinpoint记录了客户端的相应时间、IP地址等,调用树在下面也有详细列出,每个方法的耗时等。
serverMap中还展示了服务器的堆、永久代、CPU等信息,非常强大。
Skywalking
Skywalking是国内开源的APM监控组件,官网OpenSkywalking,根据官网介绍,其着力于性能和实时性两方面。
网上找到的Skywalking的架构图。
可以看到Skywalking也是四部分组成,collector、agent、web、storage。支持集群部署,集群之间还引入了grpc通信。存储支持内置的h2和elasticsearch存储。
5.1
安装
具体安装可见官网。
collector安装
此处笔者使用单机版的collector,在release页面下载好压缩包,解压后,单机版的collector默认使用h2数据库,所以配置文件可以不需要修改,即可以运行。
目录结构如上,logs文件夹中,有启动的日志,可以查看启动情况。
web
解压好skywalking-ui,设置server的config/collector_config.properties、log4j2以及监听端口等相关信息,
agent
拷贝skywalking-agent目录到所需位置,探针包含整个目录,设置/config/agent.config中的collector信息。
5.2
运行agent
Spring boot的项目,启动和上面pinpoint agent启动方式相同。增加JVM启动参数,。
这次起了user服务,涉及到mysql、redis、consul等组件。可以看到其调用链路图如下:
当访问和接口时,形成了上图中的调用链。
上图TraceId为 2.59.15103021777910001的请求。这次trace中,每个涉及的span的耗时都有在图中统计。
上面这张图,是对userService中的Entry Service List接口进行了统计,包括调用数、成功率等信息。(因为内置的h2,这边在UI响应很久)
还有个对instance的统计,统计jvm的相关信息,API响应也很慢,可能与我用的存储有关吧,就不截图了。
总结
本文主要写了链路监控组件的实践。首先介绍了链路监控组件产生与应用的背景,以及选择的要求;其次介绍了opentracing中涉及的基本概念;最后大篇幅介绍了三种APM组件的安装与使用,并展示了每种APM的UI截图。
zipkin-server-stream的源码
github: https://github.com/keets2012/Spring-Boot-Samples/
oschina: https://gitee.com/keets/spring-boot-samples
END
领取专属 10元无门槛券
私享最新 技术干货