概述

前边讲了限流，到底这些参数设多少比较合适？要设这些参数，首先需要知道各个服务之间的依赖关系，其次需要知道服务之间调用的流量大小。如何观测这些参数呢？就需要用到调用链监控。

调用链不仅能解决上述问题，还能够对一个业务请求进行全链路的追踪，以及各个环节上的耗时情况，方便于故障排查、服务扩容。下边来看看调用链监控。

基本原理

参考， 调用链监控最早有Google Dapper论文而来,Twitter提供了开源的实现zipkin。

先来看看一些基本属于：

• span - 基本的工作单元，也就是各个调用的节点

• trace - 由一组span构成的树型结构

• Annotation - 用于及时记录事件，包括：

  • cs - client sent 客户端发送
  • sr - server received 服务端接收
  • ss - server sent 服务端发送（返回）
  • cr - client receive 客户端接收

  一个最简单的调用模型

再来看看结构图：

对于一次调用，只生成一个trance Id，然后各个节点（span）记录发生的事件，将这些事件统一汇总到一个服务上进行统一的聚合，生成整个调用链的监控。

使用

zipkin由客户端与服务器组成，服务器提供了自己的UI，便于可视化观察数据。Spring Cloud Sleuth是对Zipkin的一个封装，对于Span、Trace等信息的生成、接入HTTP Request，以及向Zipkin Server发送采集信息等全部自动完成。

zipkin可以支持服务之间多种通信方式，可以是REST也可以是消息队列。这里主要看看对REST的监控。

启动zipkin服务

docker pull openzipkin/zipkin

docker run --name zipkin -d -p 9411:9411 openzipkin/ziplin

zipkin服务中的数据可以持久化，默认情况下是在内存中，重启会丢失。

依赖

<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-zipkin</artifactId>
</dependency>

配置

spring.zipkin.base-url=http://localhost:9411/
spring.zipkin.sender.type=web | rabbit | kafka
spring.sleuth.sampler.probability=1.0

spring.zipkin.discovery-client-enabled = false
spring.zipkin.compression.enabled = false

​ 配置服务的url、采样比例(默认0.1)、通信的方式。

使用

调用链监控对代码没有侵入，使用上可以从9411端口查看zipkin服务的web页面。

在实现上，源码基本上是在 spring-cloud-sleuth-core中，在其cloud.sleuth.instrument.web中，可以看到具体对web增强的源码。方式上与resilience4j很像，通过AOP或者拦截器，实现功能的增强。

在客户端方面，TraceRestTemplateCustomizer实现对RestTemplate的注入。通过RestTemplateInterceptorInjector将TracingClientHttpRequestInterceptor注入到RestTemplate的interceptors中。具体的实现逻辑是在TracingClientHttpRequestInterceptor中实现的。

在服务器方面，通过TraceWebAspect对Controller等进行了增强。