博客
关于我
十四.SpringCloud极简入门-链路追踪-Spring Cloud Sleuth
阅读量:724 次
发布时间:2019-03-21

本文共 1400 字,大约阅读时间需要 4 分钟。

链路追踪(Spring Cloud Sleuth)

基本概念

为什么需要链路追踪

当应用采用微服务架构时,可能会有十几到几百个服务在运行。一个请求可能需要多个服务的呼吁才能完成。当请求变慢或无法使用时,很难确定是哪个服务导致问题。此时,需要一种方法来快速定位故障点,并追踪服务之间的调用链和通信时间等信息。Zipkin分布式跟踪系统能够有效解决这些问题,而Spring Cloud Sleuth组件基于Zipkin封装,使链路追踪实现更加简单。

ZipKin介绍

ZipKin是Twitter推出的开源项目,基于Google Dapper实现。它用于收集各服务器上的请求链路数据,并通过REST API接口辅助查询分析,帮助发现系统延迟升高和性能瓶颈问题。除了开发者的API接口,ZipKin还提供了直观的UI组件,方便用户查询跟踪信息和分析请求链路。

核心概念

ZipKin通过在请求和响应中加入ID,标注上下游调用关系,以便可视化分析服务链路和依赖关系。其核心概念包括以下几点:- **traceId**:16字符的字符串,用于确定一个追踪链。在一次追踪链中,traceId保持不变。- **spanId**:16字符的字符串,用于标识一个服务中的身份。一个服务处理跟踪选择一个spanId,每个spanId表示一个基本工作单元,包含描述信息如id、parentId、name、timestamp、duration和annotations等。- **parentId**:在跨服务调用时,spanId会被传递给被调用服务,服务将调用者的spanId作为自己的parentId,生成新的spanId。

Spring Cloud Sleuth和ZipKin

Spring Cloud Sleuth主要功能是为分布式系统提供追踪解决方案,兼容支持ZipKin。通过引入spring-cloud-starter-zipkin依赖,可以集成ZipKin实现。Sleuth对Span、Trace等信息的生成和接入HTTP请求以及向ZipKin Server发送采集信息等任务都进行了自动化。它对ZipKin进行了封装,使开发者无需手动配置即可实现链路追踪功能。

实战

搭建Zipkin服务

创建工程并导入依赖,以下是要点:- 使用Spring Boot和依赖管理工具创建项目。- 在配置类中启用@EnableZipkinServer注解开启Zipkin服务端。- 启动应用,访问http://localhost:1080/zipkin/查看效果。

微服务集成Zipkin客户端

所有需要链路追踪的微服务都需要:- 入门 spring-cloud-starter-zipkin依赖。- 配置ZipKin客户端,设置服务端地址和其他必要参数。如: ``` spring: zipkin: base-url: http://localhost:1080 discovery-client-enabled: false sender: type: web sleuth: sampler: probability: 1.0 ```- 开启链路追踪功能,完成后即可使用。

测试

启动集成了ZipKin客户端的微服务,访问应用触发服务调用。通过访问http://localhost:1080/zipkin/查看链路信息。

转载地址:http://bxdgz.baihongyu.com/

你可能感兴趣的文章
Nitrux 3.8 发布!性能全面提升,带来非凡体验
查看>>
NiuShop开源商城系统 SQL注入漏洞复现
查看>>
NI笔试——大数加法
查看>>
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>