APM-全链路追踪_TakinTalks稳定性技术交流平台

1. 故障快速定位

跨语言实现开发中在业务日志中添加调用链ID，可以通过调用链结合业务日志快速定位错误信息。

2.各个调用环节的性能分析

分析调用链的各个环节耗时，分析系统的性能瓶颈，找到系统的薄弱环节针对性优化

3.数据分析

分析用户的行为路径，经过了哪些服务器上的哪个服务加以应用。

4.调用拓扑图

4.1 Trace系统设计目标

低侵入、低损耗、大范围部署

4.2 基本实现

埋点日志内容，通过记录traceId、RPCId、调用的开始时间，调用类型，协议类型，调用方ip和端口，请求的服务名等信息；调用耗时，调用结果，异常信息，消息报文等；

4.3 典型应用

非开源：Google的Dapper，淘宝的鹰眼，新浪的Watchman，京东的Hydra

开源：zipkin， pinpoint , skywalking

4.4 应用及分析

1.鼻祖：Google Dapper

谷歌tracing论文，关键字：低损耗、应用透明的、大范围部署需求；大规模集群的跟踪监控系统；跨应用跨服务器；ops-dev；

应用级透明：把核心跟踪代码做的很轻巧，然后把它植入到那些无所不在的公共组件种，比如线程调用、控制流以及RPC库

实现：为服务器上每一次你发送和接收动作来收集跟踪标识符(message identifiers)和时间戳(timestamped events)，通过把代码植入限制在一个很小的通用组件库，实现监测系统的应用对开发人员的透明。

Dapper的跟踪模型：

跟踪树和span

ABCDE 5个span 组成了userRequest的跟踪树。Dapper会记录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。所有这些ID用全局唯一的64位整数标示。

　　一个单独的span的细节图：

注意时间戳的正确性处理：由于客户端和服务器上的时间戳来自不同的主机，我们必须考虑到时间偏差。在我们的分析工具，我们利用了这个事实：RPC客户端发送一个请求之后，服务器端才能接收到，对于响应也是一样的（服务器先响应，然后客户端才能接收到这个响应）。这样一来，服务器端的RPC就有一个时间戳的一个上限和下限。

　　注：为保护Dapper的用户意外的过分热衷于日志的记录，每一个跟踪span有一个可配置的总标注量的上限。

4.5 Dapper日志收集管道

　　span数据写入

　　（1）本地日志文件中,然后Dapper的守护进程和收集组件把这些数据从生产环境的主机中拉出来

　　（2）最终写到

　　（3）Dapper的Bigtable仓库中，一次跟踪被设计成Bigtable中的一行，每一列相当于一个span。

　　　　Dapper守护进程在负载测试时的CPU资源使用率

　　　　Dapper的数据收集在Google的生产环境中的只占用了0.01%的网络资源。

4.6 后台查询WEB UI

　　Dapper的“Depot API”或称作DAPI，对分布式跟踪数据一个直接访问

4.7 阿里EagleEye

EagleEye （鹰眼）是Google 的分布式调用跟踪系统 Dapper 在淘宝的实现（2013）。每次调用分配TraceId、RpcId（dapper中的spanID），放在ThreadLocal的调用上下文上面，调用结束的时候，把TraceId、RpcId打印到访问日志。访问日志里面，一般会记录调用时间、远端IP地址、结果状态码、调用耗时之类，也会记录与这次调用类型相关的一些信息，如URL、服务名、消息topic等。

优化：通过设置全局采样开关，用来在运行期控制调用链的采样率(控制打不打日志)。所谓调用链采样，就是根据TraceId来决定当前的这一次访问日志是否输出

　　　　 鹰眼sdk写log ——>storm集群收集(全量 hdfs；实时hbase)——>鹰眼服务器——>UI

4.8 Pinpoint

韩国naver, Pinpoint is an APM tool for large-scale distributed systems written in Java / PHP. Inspired by Dapper. Show me demo

4.9 Architecture

new release 支持flink处理数据（apache flink：stream vs spark 流式处理来模拟批量处理）

数据结构：（Span, Trace, 和 TraceId组成）同dapper

4.10 Core：字节码增强

使用字节码增强技术，不修改代码就工作。（代码零侵入，只需要加启动参数或通过配置文件加载即可）

JAVA字节码增强（before after 拦截器）在手工方法和自动方法两者之间属于自动方法。

应有尽有：spring全家，mq mw、cache、rpc（dubbo、grpc）、db（hbase、mysql及drivers）……很丰富

4.11 Skywalking

　　中国华为吴晟基于OpenTracking实现的开源项目-2017年加入Apache孵化器，show demo

　　OpenTracking：OpenTracing为了解决不同的分布式追踪系统 API 不兼容的问题，诞生了 OpenTracing 规范。

Component：

H2:Database Engine

ShardingSphere：Sharding-JDBC、Sharding-Proxy和Sharding-Sidecar

支持多语言多来源多格式数据输入：java、php、nodejs、go

Architecture

三层：

agent：探针，用来收集和发送数据到收集器

collector：链路数据收集器，数据可以落地ElasticSearch等Storage。

Storage&web：web可视化平台，用来展示落地的数据

4.12 Agent埋点实现

　　字节码增强：agent java 在类使用之前，增强或修改类的行为

　　Byte Buddy：Apache 2.0许可证的开源库，致力于解决字节码操作和API的复杂性

public class Agent {
public static void premain(String argument, Instrumentation inst) {
　　inst.addTransformer(new ClassFileTransformer() {
　　@Override
　　public byte[] transform(ClassLoader loader,String className,
　　　　Class<?> classBeingRedefined, // 如果类之前没有加载的话，值为null
　　　　ProtectionDomain protectionDomain,byte[] classFileBuffer) {
　　　　// 返回改变后的类文件。
　　}
});
}}

4.13 Agent模块：

1.加载配置信息

2.加载插件

3.加载所需服务

4.使用ByteBuddy增强class

5.接入应用

6.部署启动agent ，程序中简单配置agentconfig即可。

7.同metrics.namespace

APM-全链路追踪