?

0 問題背景

隨著微服務(wù)架構(gòu)的流行，服務(wù)按照不同的維度進行拆分 ，一次請求往往需要涉及到多個服務(wù)。互聯(lián)網(wǎng)應(yīng)用構(gòu)建在不同的軟件模塊集上 ，這些軟件模塊，有可能是由不同的團隊開發(fā)、可能使用不同的編程語言來實現(xiàn)、有可能布在了幾千臺服務(wù)器，橫跨多個不同的數(shù)據(jù)中心 。因此，就需要一些可以幫助理解系統(tǒng)行為、用于分析性能問題的工具，以便發(fā)生故障的時候，能夠快速定位和解決問題。

全鏈路監(jiān)控組件就在這樣的問題背景下產(chǎn)生了。最出名的是谷歌公開的論文提到的 Google Dapper。想要在這個上下文中理解分布式系統(tǒng)的行為，就需要監(jiān)控那些橫跨了不同的應(yīng)用、不同的服務(wù)器之間的關(guān)聯(lián)動作 。

所以，在復(fù)雜的微服務(wù)架構(gòu)系統(tǒng)中，幾乎每一個前端請求都會形成一個復(fù)雜的分布式服務(wù)調(diào)用鏈路 。一個請求完整調(diào)用鏈可能如下圖所示：

一個請求完整調(diào)用鏈

那么在業(yè)務(wù)規(guī)模不斷增大、服務(wù)不斷增多以及頻繁變更的情況下，面對復(fù)雜的調(diào)用鏈路就帶來一系列問題：

如何快速發(fā)現(xiàn)問題？

如何判斷故障影響范圍？

如何梳理服務(wù)依賴以及依賴的合理性？

如何分析鏈路性能問題以及實時容量規(guī)劃？

同時我們會關(guān)注在請求處理期間各個調(diào)用的各項性能指標(biāo) ，比如：吞吐量（TPS）、響應(yīng)時間及錯誤記錄等。

吞吐量 ，根據(jù)拓撲可計算相應(yīng)組件、平臺、物理設(shè)備的實時吞吐量。

響應(yīng)時間 ，包括整體調(diào)用的響應(yīng)時間和各個服務(wù)的響應(yīng)時間等。

錯誤記錄 ，根據(jù)服務(wù)返回統(tǒng)計單位時間異常次數(shù)。

全鏈路性能監(jiān)控 從整體維度到局部維度展示各項指標(biāo) ，將跨應(yīng)用的所有調(diào)用鏈性能信息集中展現(xiàn)，可方便度量整體和局部性能，并且方便找到故障產(chǎn)生的源頭，生產(chǎn)上可極大縮短故障排除時間。

有了全鏈路監(jiān)控工具，我們能夠達到：

請求鏈路追蹤，故障快速定位 ：可以通過調(diào)用鏈結(jié)合業(yè)務(wù)日志快速定位錯誤信息。

可視化 ：各個階段耗時，進行性能分析。

依賴優(yōu)化 ：各個調(diào)用環(huán)節(jié)的可用性、梳理服務(wù)依賴關(guān)系以及優(yōu)化。

數(shù)據(jù)分析，優(yōu)化鏈路 ：可以得到用戶的行為路徑，匯總分析應(yīng)用在很多業(yè)務(wù)場景。

基于 Spring Boot + MyBatis Plus + Vue & Element 實現(xiàn)的后臺管理系統(tǒng) + 用戶小程序，支持 RBAC 動態(tài)權(quán)限、多租戶、數(shù)據(jù)權(quán)限、工作流、三方登錄、支付、短信、商城等功能

項目地址：https://github.com/YunaiV/ruoyi-vue-pro

視頻教程：https://doc.iocoder.cn/video/

1 目標(biāo)要求

如上所述，那么我們選擇全鏈路監(jiān)控組件有哪些目標(biāo)要求呢？Google Dapper中也提到了，總結(jié)如下：

探針的性能消耗

APM組件服務(wù)的影響應(yīng)該做到足夠小。服務(wù)調(diào)用埋點本身會帶來性能損耗，這就需要調(diào)用跟蹤的低損耗，實際中還會通過配置采樣率的方式，選擇一部分請求去分析請求路徑 。在一些高度優(yōu)化過的服務(wù)，即使一點點損耗也會很容易察覺到，而且有可能迫使在線服務(wù)的部署團隊不得不將跟蹤系統(tǒng)關(guān)停。

代碼的侵入性

即也作為業(yè)務(wù)組件，應(yīng)當(dāng)盡可能少入侵或者無入侵其他業(yè)務(wù)系統(tǒng)，對于使用方透明，減少開發(fā)人員的負擔(dān) 。

對于應(yīng)用的程序員來說，是不需要知道有跟蹤系統(tǒng)這回事的。如果一個跟蹤系統(tǒng)想生效，就必須需要依賴應(yīng)用的開發(fā)者主動配合，那么這個跟蹤系統(tǒng)也太脆弱了，往往由于跟蹤系統(tǒng)在應(yīng)用中植入代碼的bug或疏忽導(dǎo)致應(yīng)用出問題，這樣才是無法滿足對跟蹤系統(tǒng)“無所不在的部署”這個需求。

可擴展性

一個優(yōu)秀的調(diào)用跟蹤系統(tǒng)必須支持分布式部署，具備良好的可擴展性。能夠支持的組件越多當(dāng)然越好 。或者提供便捷的插件開發(fā)API，對于一些沒有監(jiān)控到的組件，應(yīng)用開發(fā)者也可以自行擴展。

數(shù)據(jù)的分析

數(shù)據(jù)的分析要快 ，分析的維度盡可能多 。跟蹤系統(tǒng)能提供足夠快的信息反饋，就可以對生產(chǎn)環(huán)境下的異常狀況做出快速反應(yīng)。分析的全面，能夠避免二次開發(fā) 。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 實現(xiàn)的后臺管理系統(tǒng) + 用戶小程序，支持 RBAC 動態(tài)權(quán)限、多租戶、數(shù)據(jù)權(quán)限、工作流、三方登錄、支付、短信、商城等功能

項目地址：https://github.com/YunaiV/yudao-cloud

視頻教程：https://doc.iocoder.cn/video/

2 功能模塊

一般的全鏈路監(jiān)控系統(tǒng)，大致可分為四大功能模塊：

埋點與生成日志

埋點即系統(tǒng)在當(dāng)前節(jié)點的上下文信息，可以分為 客戶端埋點、服務(wù)端埋點，以及客戶端和服務(wù)端雙向型埋點 。埋點日志通常要包含以下內(nèi)容traceId、spanId、調(diào)用的開始時間，協(xié)議類型、調(diào)用方ip和端口，請求的服務(wù)名、調(diào)用耗時，調(diào)用結(jié)果，異常信息等，同時預(yù)留可擴展字段，為下一步擴展做準(zhǔn)備；

不能造成性能負擔(dān) ：一個價值未被驗證，卻會影響性能的東西，是很難在公司推廣的！

因為要寫log，業(yè)務(wù)QPS越高，性能影響越重。通過采樣和異步log解決 。

收集和存儲日志

主要支持分布式日志采集的方案，同時增加MQ作為緩沖；

每個機器上有一個 deamon 做日志收集，業(yè)務(wù)進程把自己的Trace發(fā)到daemon，daemon把收集Trace往上一級發(fā)送；

多級的collector ，類似pub/sub架構(gòu)，可以負載均衡；

對聚合的數(shù)據(jù)進行 實時分析和離線存儲 ；

離線分析 需要將同一條調(diào)用鏈的日志匯總在一起；

分析和統(tǒng)計調(diào)用鏈路數(shù)據(jù)，以及時效性

調(diào)用鏈跟蹤分析 ：把同一TraceID的Span收集起來，按時間排序就是timeline。把ParentID串起來就是調(diào)用棧 。

拋異常或者超時，在日志里打印TraceID。利用TraceID查詢調(diào)用鏈情況，定位問題。

依賴度量 ：

離線分析 ：按TraceID匯總，通過Span的ID和ParentID還原調(diào)用關(guān)系，分析鏈路形態(tài)。

實時分析 ：對單條日志直接分析，不做匯總，重組。得到當(dāng)前QPS，延遲。

強依賴 ：調(diào)用失敗會直接中斷主流程

高度依賴 ：一次鏈路中調(diào)用某個依賴的幾率高

頻繁依賴 ：一次鏈路調(diào)用同一個依賴的次數(shù)多

展現(xiàn)以及決策支持

3 Google Dapper

3.1 Span

基本工作單元 ，一次鏈路調(diào)用（可以是RPC，DB等沒有特定的限制）創(chuàng)建一個span，通過一個64位ID標(biāo)識它，uuid較為方便，span中還有其他的數(shù)據(jù)，例如描述信息，時間戳，key-value對的（Annotation）tag信息，parent_id等,其中parent-id可以表示span調(diào)用鏈路來源。

Span

上圖說明了span在一次大的跟蹤過程中是什么樣的。Dapper記錄了span名稱，以及每個span的ID和父ID，以重建在一次追蹤過程中不同span之間的關(guān)系 。如果一個span沒有父ID被稱為root span。所有span都掛在一個特定的跟蹤上，也共用一個跟蹤id 。

Span數(shù)據(jù)結(jié)構(gòu) ：

?

?

type?Span?struct?{
????TraceID????int64?//?用于標(biāo)示一次完整的請求id
????Name???????string
????ID?????????int64?//?當(dāng)前這次調(diào)用span_id
????ParentID???int64?//?上層服務(wù)的調(diào)用span_id??最上層服務(wù)parent_id為null
????Annotation?[]Annotation?//?用于標(biāo)記的時間戳
????Debug??????bool
}

?

?

3.2 Trace

類似于 樹結(jié)構(gòu)的Span集合 ，表示一次完整的跟蹤，從請求到服務(wù)器開始，服務(wù)器返回response結(jié)束，跟蹤每次rpc調(diào)用的耗時，存在唯一標(biāo)識trace_id。比如：你運行的分布式大數(shù)據(jù)存儲一次Trace就由你的一次請求組成。

Trace

每種顏色的note標(biāo)注了一個span，一條鏈路通過TraceId唯一標(biāo)識，Span標(biāo)識發(fā)起的請求信息。樹節(jié)點是整個架構(gòu)的基本單元，而每一個節(jié)點又是對span的引用 。節(jié)點之間的連線表示的span和它的父span直接的關(guān)系。雖然span在日志文件中只是簡單的代表span的開始和結(jié)束時間，他們在整個樹形結(jié)構(gòu)中卻是相對獨立的。

3.3 Annotation

注解，用來記錄請求特定事件相關(guān)信息（例如時間），一個span中會有多個annotation注解描述 。通常包含四個注解信息：

(1) cs ：Client Start，表示客戶端發(fā)起請求(2) sr ：Server Receive，表示服務(wù)端收到請求(3) ss ：Server Send，表示服務(wù)端完成處理，并將結(jié)果發(fā)送給客戶端(4) cr ：Client Received，表示客戶端獲取到服務(wù)端返回信息

Annotation數(shù)據(jù)結(jié)構(gòu) ：

?

?

type?Annotation?struct?{
????Timestamp?int64
????Value?????string
????Host??????Endpoint
????Duration??int32
}

?

?

3.4 調(diào)用示例

請求調(diào)用示例

請求調(diào)用示例

當(dāng)用戶發(fā)起一個請求時，首先到達前端A服務(wù)，然后分別對B服務(wù)和C服務(wù)進行RPC調(diào)用；

B服務(wù)處理完給A做出響應(yīng)，但是C服務(wù)還需要和后端的D服務(wù)和E服務(wù)交互之后再返還給A服務(wù)，最后由A服務(wù)來響應(yīng)用戶的請求；

調(diào)用過程追蹤

整個調(diào)用過程追蹤

請求到來生成一個全局TraceID ，通過TraceID可以串聯(lián)起整個調(diào)用鏈，一個TraceID代表一次請求。

除了TraceID外，還需要SpanID用于記錄調(diào)用父子關(guān)系 。每個服務(wù)會記錄下parent id和span id，通過他們可以組織一次完整調(diào)用鏈的父子關(guān)系 。

一個沒有parent id的span成為root span，可以看成調(diào)用鏈入口。

所有這些ID可用全局唯一的64位整數(shù)表示；

整個調(diào)用過程中每個請求都要透傳TraceID和SpanID 。

每個服務(wù)將該次請求附帶的TraceID和附帶的SpanID作為parent id記錄下，并且將自己生成的SpanID也記錄下。

要查看某次完整的調(diào)用則 只要根據(jù)TraceID查出所有調(diào)用記錄，然后通過parent id和span id組織起整個調(diào)用父子關(guān)系 。

調(diào)用鏈核心工作

調(diào)用鏈數(shù)據(jù)生成 ，對整個調(diào)用過程的所有應(yīng)用進行埋點并輸出日志。

調(diào)用鏈數(shù)據(jù)采集 ，對各個應(yīng)用中的日志數(shù)據(jù)進行采集。

調(diào)用鏈數(shù)據(jù)存儲及查詢 ，對采集到的數(shù)據(jù)進行存儲，由于日志數(shù)據(jù)量一般都很大，不僅要能對其存儲，還需要能提供快速查詢。

指標(biāo)運算、存儲及查詢 ，對采集到的日志數(shù)據(jù)進行各種指標(biāo)運算，將運算結(jié)果保存起來。

告警功能 ，提供各種閥值警告功能。

整體部署架構(gòu)

整體部署架構(gòu)

通過AGENT生成調(diào)用鏈日志。

通過logstash采集日志到kafka。

kafka負責(zé)提供數(shù)據(jù)給下游消費。

storm計算匯聚指標(biāo)結(jié)果并落到es。

storm抽取trace數(shù)據(jù)并落到es，這是為了提供比較復(fù)雜的查詢 。比如通過時間維度查詢調(diào)用鏈，可以很快查詢出所有符合的traceID，根據(jù)這些traceID再去 Hbase 查數(shù)據(jù)就快了 。

logstash將kafka原始數(shù)據(jù)拉取到hbase中。hbase的rowkey為traceID，根據(jù)traceID查詢是很快的 。

AGENT無侵入部署

通過AGENT代理無侵入式部署，將性能測量與業(yè)務(wù)邏輯完全分離，可以測量任意類的任意方法的執(zhí)行時間，這種方式大大提高了采集效率，并且減少運維成本。根據(jù)服務(wù)跨度主要分為兩大類AGENT ：

服務(wù)內(nèi)AGENT ，這種方式是通過 Java 的agent機制，對服務(wù)內(nèi)部的方法調(diào)用層次信息進行數(shù)據(jù)收集，如方法調(diào)用耗時、入?yún)ⅰ⒊鰠⒌刃畔ⅰ?/p>

跨服務(wù)AGENT ，這種情況需要對主流RPC框架以插件形式提供無縫支持。并通過提供標(biāo)準(zhǔn)數(shù)據(jù)規(guī)范以適應(yīng)自定義RPC框架：

?

?

（1）Dubbo支持；

（2）Rest支持；

（3）自定義RPC支持；

?

?

調(diào)用鏈監(jiān)控好處

準(zhǔn)確掌握生產(chǎn)一線應(yīng)用部署情況 ；

從調(diào)用鏈全流程性能角度，識別對關(guān)鍵調(diào)用鏈，并進行優(yōu)化 ；

提供可追溯的性能數(shù)據(jù) ，量化 IT 運維部門業(yè)務(wù)價值；

快速定位代碼性能問題 ，協(xié)助開發(fā)人員持續(xù)性的優(yōu)化代碼；

協(xié)助開發(fā)人員進行白盒測試 ，縮短系統(tǒng)上線穩(wěn)定期；

4 方案比較

市面上的全鏈路監(jiān)控理論模型大多都是借鑒Google Dapper論文，本文重點關(guān)注以下三種APM組件：

Zipkin ：由Twitter公司開源，開放源代碼分布式的跟蹤系統(tǒng)，用于收集服務(wù)的定時數(shù)據(jù)，以解決微服務(wù)架構(gòu)中的延遲問題，包括：數(shù)據(jù)的收集、存儲、查找和展現(xiàn)。

Pinpoint ：一款對Java編寫的大規(guī)模分布式系統(tǒng)的APM工具，由韓國人開源的分布式跟蹤組件。

Skywalking ：國產(chǎn)的優(yōu)秀APM組件，是一個對JAVA分布式應(yīng)用程序集群的業(yè)務(wù)運行情況進行追蹤、告警和分析的系統(tǒng)。

以上三種全鏈路監(jiān)控方案需要對比的項提煉出來 ：

探針的性能

主要是agent對服務(wù)的吞吐量、CPU和內(nèi)存的影響。微服務(wù)的規(guī)模和動態(tài)性使得數(shù)據(jù)收集的成本大幅度提高。

collector的可擴展性

能夠水平擴展以便支持大規(guī)模服務(wù)器集群。

全面的調(diào)用鏈路數(shù)據(jù)分析

提供代碼級別的可見性以便輕松定位失敗點和瓶頸。

對于開發(fā)透明，容易開關(guān)

添加新功能而無需修改代碼，容易啟用或者禁用。

完整的調(diào)用鏈應(yīng)用拓撲

自動檢測應(yīng)用拓撲，幫助你搞清楚應(yīng)用的架構(gòu)

4.1 探針的性能

比較關(guān)注探針的性能，畢竟APM定位還是工具，如果啟用了鏈路監(jiān)控組建后，直接導(dǎo)致吞吐量降低過半，那也是不能接受的。對skywalking、zipkin、pinpoint進行了壓測，并與基線（未使用探針）的情況進行了對比。

選用了一個常見的基于Spring的應(yīng)用程序，他包含Spring Boot, Spring MVC，redis客戶端，mysql。監(jiān)控這個應(yīng)用程序，每個trace，探針會抓取5個span(1 Tomcat, 1 SpringMVC, 2 Jedis, 1 Mysql)。這邊基本和 skywalkingtest 的測試應(yīng)用差不多。

模擬了三種并發(fā)用戶：500，750，1000。使用jmeter測試，每個線程發(fā)送30個請求，設(shè)置思考時間為10ms。使用的采樣率為1，即100%，這邊與生產(chǎn)可能有差別。pinpoint默認的采樣率為20，即50%，通過設(shè)置agent的配置文件改為100%。zipkin默認也是1。組合起來，一共有12種。下面看下匯總表：

探針性能對比

從上表可以看出，在三種鏈路監(jiān)控組件中，skywalking的探針對吞吐量的影響最小，zipkin的吞吐量居中。pinpoint的探針對吞吐量的影響較為明顯 ，在500并發(fā)用戶時，測試服務(wù)的吞吐量從1385降低到774，影響很大。然后再看下CPU和memory的影響，在內(nèi)部服務(wù)器進行的壓測，對CPU和memory的影響都差不多在10%之內(nèi)。

4.2 collector的可擴展性

collector的可擴展性，使得能夠水平擴展以便支持大規(guī)模服務(wù)器集群。

zipkin

開發(fā)zipkin-Server（其實就是提供的開箱即用包），zipkin-agent與zipkin-Server通過http或者mq進行通信，http通信會對正常的訪問造成影響，所以還是推薦基于mq異步方式通信 ，zipkin-Server通過訂閱具體的topic進行消費。這個當(dāng)然是可以擴展的，多個zipkin-Server實例進行異步消費mq中的監(jiān)控信息 。

zipkin

skywalking

skywalking的collector支持兩種部署方式：單機和集群模式。collector與agent之間的通信使用了gRPC 。

pinpoint

同樣，pinpoint也是支持集群和單機部署的。pinpoint agent通過thrift通信框架，發(fā)送鏈路信息到collector 。

4.3 全面的調(diào)用鏈路數(shù)據(jù)分析

全面的調(diào)用鏈路數(shù)據(jù)分析，提供代碼級別的可見性以便輕松定位失敗點和瓶頸。

zipkin

zipkin鏈路調(diào)用分析

zipkin的鏈路監(jiān)控粒度相對沒有那么細 ，從上圖可以看到調(diào)用鏈中具體到接口級別，再進一步的調(diào)用信息并未涉及。

skywalking

skywalking鏈路調(diào)用分析

skywalking 還支持20+的中間件、框架、類庫 ，比如：主流的dubbo、Okhttp，還有DB和消息中間件。上圖skywalking鏈路調(diào)用分析截取的比較簡單，網(wǎng)關(guān)調(diào)用user服務(wù)，由于支持眾多的中間件，所以skywalking鏈路調(diào)用分析比zipkin完備些 。

pinpoint

pinpoint鏈路調(diào)用分析

pinpoint應(yīng)該是這三種APM組件中，數(shù)據(jù)分析最為完備的組件 。提供代碼級別的可見性以便輕松定位失敗點和瓶頸，上圖可以看到對于執(zhí)行的sql語句，都進行了記錄。還可以配置報警規(guī)則等，設(shè)置每個應(yīng)用對應(yīng)的負責(zé)人，根據(jù)配置的規(guī)則報警，支持的中間件和框架也比較完備。

4.4 對于開發(fā)透明，容易開關(guān)

對于開發(fā)透明，容易開關(guān)，添加新功能而無需修改代碼，容易啟用或者禁用。我們期望功能可以不修改代碼就工作并希望得到代碼級別的可見性。

對于這一點，Zipkin 使用修改過的類庫和它自己的容器(Finagle)來提供分布式事務(wù)跟蹤的功能 。但是，它要求在需要時修改代碼。skywalking和pinpoint都是基于字節(jié)碼增強的方式，開發(fā)人員不需要修改代碼，并且可以收集到更多精確的數(shù)據(jù)因為有字節(jié)碼中的更多信息 。

4.5 完整的調(diào)用鏈應(yīng)用拓撲

自動檢測應(yīng)用拓撲，幫助你搞清楚應(yīng)用的架構(gòu)。

pinpoint鏈路拓撲

skywalking鏈路拓撲

zipkin鏈路拓撲

上面三幅圖，分別展示了APM組件各自的調(diào)用拓撲，都能實現(xiàn)完整的調(diào)用鏈應(yīng)用拓撲。相對來說，pinpoint界面顯示的更加豐富，具體到調(diào)用的DB名，zipkin的拓撲局限于服務(wù)于服務(wù)之間 。

4.6 Pinpoint與Zipkin細化比較

4.6.1 Pinpoint與Zipkin差異性

Pinpoint 是一個完整的性能監(jiān)控解決方案 ：有從探針、收集器、存儲到 Web 界面等全套體系；而 Zipkin 只側(cè)重收集器和存儲服務(wù) ，雖然也有用戶界面，但其功能與 Pinpoint 不可同日而語。反而 Zipkin 提供有 Query 接口 ，更強大的用戶界面和系統(tǒng)集成能力，可以基于該接口二次開發(fā)實現(xiàn)。

Zipkin 官方提供有基于 Finagle 框架（Scala 語言）的接口 ，而其他框架的接口由社區(qū)貢獻，目前可以支持 Java、Scala、Node、Go、Python、Ruby 和 C# 等主流開發(fā)語言和框架；但是 Pinpoint 目前只有官方提供的 Java Agent 探針 ，其他的都在請求社區(qū)支援中（請參見 #1759 和 #1760）。

Pinpoint 提供有 Java Agent 探針，通過字節(jié)碼注入的方式實現(xiàn)調(diào)用攔截和數(shù)據(jù)收集，可以做到真正的代碼無侵入，只需要在啟動服務(wù)器的時候添加一些參數(shù)，就可以完成探針的部署 ；而 Zipkin 的 Java 接口實現(xiàn) Brave ，只提供了基本的操作 API，如果需要與框架或者項目集成的話，就需要手動添加配置文件或增加代碼 。

Pinpoint 的后端存儲基于 HBase，而 Zipkin 基于 Cassandra 。

4.6.2 Pinpoint與Zipkin相似性

Pinpoint 與 Zipkin 都是基于 Google Dapper 的那篇論文，因此理論基礎(chǔ)大致相同。兩者都是將服務(wù)調(diào)用拆分成若干有級聯(lián)關(guān)系的 Span，通過 SpanId 和 ParentSpanId 來進行調(diào)用關(guān)系的級聯(lián)；最后再將整個調(diào)用鏈流經(jīng)的所有的 Span 匯聚成一個 Trace，報告給服務(wù)端的 collector 進行收集和存儲 。

即便在這一點上，Pinpoint 所采用的概念也不完全與那篇論文一致。比如他采用 TransactionId 來取代 TraceId，而真正的 TraceId 是一個結(jié)構(gòu)，里面包含了 TransactionId, SpanId 和 ParentSpanId 。而且 Pinpoint 在 Span 下面又增加了一個 SpanEvent 結(jié)構(gòu)，用來記錄一個 Span 內(nèi)部的調(diào)用細節(jié)（比如具體的方法調(diào)用等等），因此 Pinpoint 默認會比 Zipkin 記錄更多的跟蹤數(shù)據(jù) 。但是理論上并沒有限定 Span 的粒度大小，所以一個服務(wù)調(diào)用可以是一個 Span，那么每個服務(wù)中的方法調(diào)用也可以是個 Span，這樣的話，其實 Brave 也可以跟蹤到方法調(diào)用級別，只是具體實現(xiàn)并沒有這樣做而已 。

4.6.3 字節(jié)碼注入 vs API 調(diào)用

Pinpoint 實現(xiàn)了基于字節(jié)碼注入的 Java Agent 探針，而 Zipkin 的 Brave 框架僅僅提供了應(yīng)用層面的 API，但是細想問題遠不那么簡單。字節(jié)碼注入是一種簡單粗暴的解決方案，理論上來說無論任何方法調(diào)用，都可以通過注入代碼的方式實現(xiàn)攔截，也就是說沒有實現(xiàn)不了的，只有不會實現(xiàn)的 。但 Brave 則不同，其提供的應(yīng)用層面的 API 還需要框架底層驅(qū)動的支持，才能實現(xiàn)攔截 。比如，MySQL 的 JDBC 驅(qū)動，就提供有注入 interceptor 的方法，因此只需要實現(xiàn) StatementInterceptor 接口，并在 Connection String 中進行配置，就可以很簡單的實現(xiàn)相關(guān)攔截；而與此相對的，低版本的 MongoDB 的驅(qū)動或者是 Spring Data MongoDB 的實現(xiàn)就沒有如此接口，想要實現(xiàn)攔截查詢語句的功能，就比較困難。

因此在這一點上，Brave 是硬傷，無論使用字節(jié)碼注入多么困難，但至少也是可以實現(xiàn)的，但是 Brave 卻有無從下手的可能，而且是否可以注入，能夠多大程度上注入，更多的取決于框架的 API 而不是自身的能力。

4.6.4 難度及成本

經(jīng)過簡單閱讀 Pinpoint 和 Brave 插件的代碼，可以發(fā)現(xiàn)兩者的實現(xiàn)難度有天壤之別。在都沒有任何開發(fā)文檔支撐的前提下，Brave 比 Pinpoint 更容易上手 。Brave 的代碼量很少，核心功能都集中在 brave-core 這個模塊下，一個中等水平的開發(fā)人員，可以在一天之內(nèi)讀懂其內(nèi)容，并且能對 API 的結(jié)構(gòu)有非常清晰的認識。

Pinpoint 的代碼封裝也是非常好的，尤其是針對字節(jié)碼注入的上層 API 的封裝非常出色，但是這依然要求閱讀人員對字節(jié)碼注入多少有一些了解，雖然其用于注入代碼的核心 API 并不多，但要想了解透徹，恐怕還得深入 Agent 的相關(guān)代碼，比如很難一目了然的理解 addInterceptor 和 addScopedInterceptor 的區(qū)別，而這兩個方法就是位于 Agent 的有關(guān)類型中。

因為 Brave 的注入需要依賴底層框架提供相關(guān)接口，因此并不需要對框架有一個全面的了解，只需要知道能在什么地方注入，能夠在注入的時候取得什么數(shù)據(jù)就可以了 。就像上面的例子，我們根本不需要知道 MySQL 的 JDBC Driver 是如何實現(xiàn)的也可以做到攔截 SQL 的能力。但是 Pinpoint 就不然，因為 Pinpoint 幾乎可以在任何地方注入任何代碼，這需要開發(fā)人員對所需注入的庫的代碼實現(xiàn)有非常深入的了解，通過查看其 MySQL 和 Http Client 插件的實現(xiàn)就可以洞察這一點，當(dāng)然這也從另外一個層面說明 Pinpoint 的能力確實可以非常強大，而且其默認實現(xiàn)的很多插件已經(jīng)做到了非常細粒度的攔截。

針對底層框架沒有公開 API 的時候，其實 Brave 也并不完全無計可施，我們可以采取 AOP 的方式，一樣能夠?qū)⑾嚓P(guān)攔截注入到指定的代碼中，而且顯然 AOP 的應(yīng)用要比字節(jié)碼注入簡單很多 。

以上這些直接關(guān)系到實現(xiàn)一個監(jiān)控的成本，在 Pinpoint 的官方技術(shù)文檔中，給出了一個參考數(shù)據(jù)。如果對一個系統(tǒng)集成的話，那么用于開發(fā) Pinpoint 插件的成本是 100，將此插件集成入系統(tǒng)的成本是 0；但對于 Brave，插件開發(fā)的成本只有 20，而集成成本是 10 。從這一點上可以看出官方給出的成本參考數(shù)據(jù)是 5:1。但是官方又強調(diào)了，如果有 10 個系統(tǒng)需要集成的話，那么總成本就是 10 * 10 + 20 = 120，就超出了 Pinpoint 的開發(fā)成本 100，而且需要集成的服務(wù)越多，這個差距就越大。

4.6.5 通用性和擴展性

很顯然，這一點上 Pinpoint 完全處于劣勢，從社區(qū)所開發(fā)出來的集成接口就可見一斑。

Pinpoint 的數(shù)據(jù)接口缺乏文檔，而且也不太標(biāo)準(zhǔn)（參考論壇討論帖），需要閱讀很多代碼才可能實現(xiàn)一個自己的探針（比如 Node 的或者 PHP 的）。而且團隊為了性能考慮使用了 Thrift 作為數(shù)據(jù)傳輸協(xié)議標(biāo)準(zhǔn)，比起 HTTP 和 JSON 而言難度增加了不少。

4.6.6 社區(qū)支持

這一點也不必多說，Zipkin 由 Twitter 開發(fā)，可以算得上是明星團隊，而 Naver 的團隊只是一個默默無聞的小團隊（從 #1759 的討論中可以看出）。雖然說這個項目在短期內(nèi)不太可能消失或停止更新，但畢竟不如前者用起來更加放心。而且沒有更多社區(qū)開發(fā)出來的插件，讓 Pinpoint 只依靠團隊自身的力量完成諸多框架的集成實屬困難，而且他們目前的工作重點依然是在提升性能和穩(wěn)定性上 。

4.6.7 其他

Pinpoint 在實現(xiàn)之初就考慮到了性能問題，www.naver.com 網(wǎng)站的后端某些服務(wù)每天要處理超過 200 億次的請求，因此他們會選擇 Thrift 的二進制變長編碼格式、而且使用 UDP 作為傳輸鏈路，同時在傳遞常量的時候也盡量使用數(shù)據(jù)參考字典，傳遞一個數(shù)字而不是直接傳遞字符串等等。這些優(yōu)化也增加了系統(tǒng)的復(fù)雜度：包括使用 Thrift 接口的難度、UDP 數(shù)據(jù)傳輸?shù)膯栴}、以及數(shù)據(jù)常量字典的注冊問題等等。

相比之下，Zipkin 使用熟悉的 Restful 接口加 JSON，幾乎沒有任何學(xué)習(xí)成本和集成難度，只要知道數(shù)據(jù)傳輸結(jié)構(gòu)，就可以輕易的為一個新的框架開發(fā)出相應(yīng)的接口。

另外 Pinpoint 缺乏針對請求的采樣能力，顯然在大流量的生產(chǎn)環(huán)境下，不太可能將所有的請求全部記錄，這就要求對請求進行采樣，以決定什么樣的請求是我需要記錄的 。Pinpoint 和 Brave 都支持采樣百分比，也就是百分之多少的請求會被記錄下來。但是，除此之外 Brave 還提供了 Sampler 接口，可以自定義采樣策略 ，尤其是當(dāng)進行 A/B 測試的時候，這樣的功能就非常有意義了。

4.6.8 總結(jié)

從短期目標(biāo)來看，Pinpoint 確實具有壓倒性的優(yōu)勢：無需對項目代碼進行任何改動就可以部署探針、追蹤數(shù)據(jù)細粒化到方法調(diào)用級別、功能強大的用戶界面以及幾乎比較全面的 Java 框架支持 。但是長遠來看，學(xué)習(xí) Pinpoint 的開發(fā)接口，以及未來為不同的框架實現(xiàn)接口的成本都還是個未知數(shù)。相反，掌握 Brave 就相對容易，而且 Zipkin 的社區(qū)更加強大，更有可能在未來開發(fā)出更多的接口 。在最壞的情況下，我們也可以自己通過 AOP 的方式添加適合于我們自己的監(jiān)控代碼，而并不需要引入太多的新技術(shù)和新概念。而且在未來業(yè)務(wù)發(fā)生變化的時候，Pinpoint 官方提供的報表是否能滿足要求也不好說，增加新的報表也會帶來不可以預(yù)測的工作難度和工作量。

5 Tracing和Monitor區(qū)別

Monitor可分為系統(tǒng)監(jiān)控和應(yīng)用監(jiān)控 。系統(tǒng)監(jiān)控比如CPU，內(nèi)存，網(wǎng)絡(luò)，磁盤等等整體的系統(tǒng)負載的數(shù)據(jù)，細化可具體到各進程的相關(guān)數(shù)據(jù)。這一類信息是直接可以從系統(tǒng)中得到的。應(yīng)用監(jiān)控需要應(yīng)用提供支持，暴露了相應(yīng)的數(shù)據(jù) 。比如應(yīng)用內(nèi)部請求的QPS，請求處理的延時，請求處理的error數(shù)，消息隊列的隊列長度，崩潰情況，進程垃圾回收信息等等。Monitor主要目標(biāo)是發(fā)現(xiàn)異常，及時報警 。

Tracing的基礎(chǔ)和核心都是調(diào)用鏈 。相關(guān)的metric大多都是圍繞調(diào)用鏈分析得到的。Tracing主要目標(biāo)是系統(tǒng)分析。提前找到問題比出現(xiàn)問題后再去解決更好 。

Tracing和應(yīng)用級的Monitor技術(shù)棧上有很多共同點。都有數(shù)據(jù)的采集，分析，存儲和展式。只是具體收集的數(shù)據(jù)維度不同，分析過程不一樣。

編輯：黃飛

?