3步玩轉鏈路追蹤，快速排查微服務各類問題！

在現有的微服務體系架構下，一套大型軟件系統可能涵蓋幾十種服務單元，各服務之間的調用錯綜複雜，可能1個客戶請求須要調用N個服務才能造成業務閉環。遇到 bug 時，開發人員不得不對各服務日誌一一進行排查，整個過程耗時耗力、效率低下，甚至可能所以致使系統長時間處於不可用狀態，直接形成一大筆業務損失。

針對這種現象，谷歌開發了開源 Dapper 鏈路追蹤組件，而且在2010年發表了論文《Dapper, a Large-Scale Distributed Systems Tracing Infrastructure 大規模分佈式系統的基礎跟蹤設施》。

連接：
https://static.googleusercont...

這篇文章自發表後，一直是業內實現鏈路追蹤的標杆和理論基礎，具備很是大的參考價值。像你們熟知的鏈路追蹤組件—— Uber 的 Jeager，Twitter 的 Zipkin，阿里的 Eagleeye（鷹眼），Skywalking 與 ddtrace 等，都是基於這篇論文開發出來的。

簡單來講，鏈路追蹤即經過跟蹤一個請求從發佈到被響應的整個過程，瞭解到每一個請求的詳細通過，好比有哪些服務參與，參與順序是什麼，各服務調用了多少次數據庫等。如此一來，當出現異常問題，開發就能快速定位問題根源，快速解決問題。

鏈路追蹤優勢：

• 服務關係：能夠很清晰地展示服務間的依賴或者調用關係；
• 故障定位：在系統出現故障時候能夠快速高效定位問題；
• 系統監測：在系統服務性能變差時能夠及時發現，提早採起預防措施；
• 系統瓶頸分析與優化：基於全鏈路分析，很容易找出系統性能瓶頸點並做出優化改進，驗證優化措施是否奏效。

鏈路追蹤技術受到市場的熱烈歡迎，相關監測產品層出不窮，但因爲技術細節的實現各有特色（好比數據編碼格式不一樣( json/protobuf/thrift 等)、數據傳輸方式不一樣(http/udp/rpc 等)、相同語言 SDK 的 API 不一樣等），各產品、各客戶端的互操做性不好。爲解決這個問題，OpenTracing 出現了。OpenTracing 制定了一套無關平臺、無關廠商的鏈路追蹤API規範，只要每一個實現鏈路追蹤技術的廠家都遵照規範，當須要從一種技術實現切換到另外一種時，並不會產生特別多的額外工做量。開發者只需在初始化部分進行少許配置修改便可。

OpenTracing GitHub 網址：
https://github.com/opentracing

OpenTracing 的出現減小了開發編碼方面的工做量，然而隨着雲計算技術不斷髮展，企業系統、產品結構不斷調整，企業仍然沒法擺脫因爲數據格式轉換、存儲方式、前端UI界面風格等不一樣，而致使的bug難定位、數據難監測的發展困境。

那如今有沒有一款產品，既能兼容市面上主流的鏈路追蹤技術，又能多維度分析與展現數據？

3步玩轉鏈路追蹤，輕鬆定位Bug！

來自國內的 DataFlux ——一站式數據監測雲平臺，不但能夠兼容 Jeager、Zipkin、Skywalking 與 ddtrace等主流技術，並且能幫助用戶專一於業務開發，更直觀、更專業、更高效地展現數據監測分析結果。

在 DataFlux 上咱們能夠按如下三個步驟進行分佈式鏈路追蹤：

• 在 Datakit 開啓鏈路數據採集；
• 開啓須要監控的應用(有的須要代碼埋點這具體取決於使用何種鏈路追蹤技術)；
• 在 DataFlux 前端頁面查看鏈路數據。

DataKit 開啓鏈路數據採集

在 DataFlux 中有專用於各類數據採集的工具—— DataKit。針對鏈路數據，它提供了四種類型的採集器分別對應不一樣技術實現：traceJaeger、traceZipkin、traceSkywalking 和 ddtrace。這裏以 ddtrace 爲例，其不須要代碼埋點，咱們介紹下它在 Linux 平臺的基本使用。

《3分鐘快速安裝 DataKit 採集器》
https://help.dataflux.cn/doc/...

安裝好 DataKit 後，在 /usr/local/cloudcare/dataflux/datakit/conf.d/ddtrace/ 目錄下，複製一份 ddtrace 鏈路數據採集配置。

$ sudo cp ddtrace.conf.sample ddtrace.conf

編輯 ddtrace.conf：

#[inputs.ddtrace]
#       path = "/v0.4/traces"                # ddtrace 鏈路數據接收路徑，默認與ddtrace官方定義的路徑相同
#       [inputs.ddtrace.tags]                # 自定義標籤組
#               tag1 = "tag1"                # 自定義標籤1
#               tag2 = "tag2"                # 自定義標籤2
#               tag3 = "tag3"                # 自定義標籤3
#               env  = "your_env_name"       # 設置環境名
#               version  = "your_version"    # 設置版本信息

至此，鏈路數據採集就配置好了，從新啓動一下 DataKit 的便可。
https://help.dataflux.cn/doc/...

開啓須要監控的應用

經過 ddtarce 採集數據須要根據當前項目開發語言參考對應幫助文檔 Datadog Tracing。

這裏以 Python 應用做爲示範：

第一步，安裝相關依賴包

pip install ddtrace

第二步，在應用初始化時設置上報地址

import os
from ddtrace import tracer

#經過環境變量設置服務名os.environ["DD_SERVICE"] = "your_service_name"

#經過環境變量設置項目名，環境名，版本號
os.environ["DD_TAGS"] = "project:your_project_name,env=test,version=v1"

#設置鏈路數據datakit接收地址，
tracer.configure(
    # datakit IP 地址` 
    hostname="127.0.0.1",

    # datakit http 服務端口號
    port="9529",
)

第三步，開啓應用

ddtrace-run python your_app.py

若經過 gunicorn 運行，須要在應用初始化時進行以下配置，不然會產生相同的 traceID

patch(gevent=True)

其餘語言應用與此相似，配置成功後約 1-2 分鐘便可在 DataFlux Studio 的 「鏈路追蹤」中查看相關的鏈路數據。

除了在應用初始化時設置項目名，環境名以及版本號外，還可經過以下兩種方式設置：

• 經過環境變量設置

export DD_TAGS="project:your_project_name,env=test,version=v1"

• 經過採集器自定義標籤設置

[inputs.ddtrace]
       path = "/v0.4/traces" # ddtrace 鏈路數據接收路徑，默認與ddtrace官方定義的路徑相同
       [inputs.ddtrace.tags] # 自定義標籤組
               project = "your_project_name" # 設置項目名
               env = "your_env_name" # 設置環境名
               version = "your_version" # 設置版本信息`

查看鏈路數據採集

接下來，咱們就能在 DataFlux 平臺看到對應的鏈路數據了：
每一個服務相關統計信息：

某次調用詳細信息：

服務之間的調用關係：

隨着科技的普及與發展，鏈路追蹤技術將直接對企業或我的的系統異常、業務bug等問題的解決產生重大影響，也將成爲愈來愈多的企業或我的開發者的發展共識。