Sleuth--链路追踪

1. 为什么需要链路追踪？（核心痛点）

在微服务架构中，一个用户请求往往需要经过多个服务（比如：网关→订单→商品→库存）。当请求变慢或出错时，我们面临的核心问题是：

• 问题定位难：日志分散在不同服务器的不同服务里，很难快速找到是哪一步出了问题。

• 依赖梳理难：不清楚服务间的调用关系是否合理，是否有循环依赖。

• 性能分析难：无法直观看到每个服务环节的耗时，难以找到性能瓶颈。

分布式链路追踪就是为了解决这些问题，它能把一次请求经过的所有服务串联起来，形成一个完整的调用链视图。

2. Sleuth核心术语（理解链路数据模型）

Sleuth是Spring Cloud提供的链路追踪解决方案，它会在日志中注入追踪信息。理解这三个核心概念是关键：

• Trace（追踪）：代表一次完整的请求链路。从用户发起请求到最终收到响应，这整个过程中经过的所有服务，都属于同一个Trace。它有一个全局唯一的ID，即TraceId。

• Span（跨度）：代表链路中的一个基本工作单元。比如，订单服务调用商品服务这个远程调用（RPC）过程，就是一个Span。每个Span也有自己的唯一ID，即SpanId。一个Trace由多个Span组成，它们通过ParentId形成树状结构。

• Annotation（注解）：用来标记一个Span生命周期中的关键事件，主要用于计算耗时：

  • cs (Client Send)：客户端发起请求，标志着Span开始。

  • sr (Server Receive)：服务端收到请求。sr - cs= 网络延迟。

  • ss (Server Send)：服务端处理完成，准备返回响应。ss - sr= 服务端处理时间。

  • cr (Client Receive)：客户端收到响应，标志着Span结束。cr - sr= 整个请求的总时间。

3. 准备工作（实验环境搭建）

这是为了排除干扰，搭建一个干净的测试环境，我帮你解释一下每一步的意图：

1. 注释掉网关的自定义断言/过滤器：防止自定义逻辑对请求链路产生干扰，让测试结果更纯粹。

2. 采用最简单的网关配置：直接使用服务名作为请求前缀（如/order-serv/...），这是Spring Cloud Gateway配合服务发现（如Nacos）的默认路由方式，简单直观。

3. 在商品服务中加入Thread.sleep(5000)：这是人为制造一个性能瓶颈。这样在Zipkin的UI界面上，就能清晰地看到“商品服务”这个Span耗时5秒，直观展示链路追踪对性能问题的定位能力。

4. 修改订单服务的Feign超时配置：因为商品服务被故意延迟了5秒，而Feign默认的readTimeout是1秒，会导致请求提前超时失败。将超时设为5000ms，是为了确保调用链路能够完整走通，以便在Zipkin中看到完整的追踪记录。

4. Sleuth入门（日志中观察链路）

• 操作：在公共模块（common）引入spring-cloud-starter-sleuth依赖，所有微服务就具备了生成追踪信息的能力。

• 效果：调用接口后，在每个微服务的控制台日志中，你会看到格式类似的输出：[应用名, TraceId, SpanId, 是否采样]。

• 分析：通过对比不同服务日志中的TraceId，你就能手动将一次请求的各个服务环节串联起来。但日志太多时，这种方式效率很低，所以需要Zipkin。

5. Zipkin集成（可视化展示）

Zipkin提供了服务端（收集、存储、展示）和客户端（上报数据）的完整方案。

• Zipkin架构：

  • Collector：接收客户端上报的追踪数据。

  • Storage：存储数据（默认内存，生产用MySQL或Elasticsearch）。

  • API & Web UI：提供查询界面和RESTful API，用于展示调用链。

• 客户端集成：在每个需要追踪的微服务中，引入spring-cloud-starter-zipkin依赖，并配置spring.zipkin.base-url指向Zipkin服务端地址。

  • 采样率（spring.sleuth.sampler.probability=1.0）：表示100%采样。生产环境建议调低（如0.1），因为全量采集会产生大量数据，影响性能和存储。

集成后，访问http://localhost:9411，就能看到可视化的调用链，直观地发现哪个环节耗时最长。

6. Zipkin数据持久化（生产必备）

Zipkin默认将数据存在内存中，服务重启数据会丢失，且无法应对大量数据。生产环境必须持久化。

方案一：MySQL持久化

• 原理：将Span和Annotation信息存储到关系型数据库。

• 特点：适合数据量不大、查询简单的场景。但面对海量追踪数据，MySQL的读写性能会成为瓶颈。

• 关键点：启动Zipkin Server时通过命令行参数指定STORAGE_TYPE=mysql和数据库连接信息。

方案二：Elasticsearch持久化（推荐）

• 原理：将追踪数据存储到Elasticsearch中。

• 特点：Elasticsearch专为海量数据搜索和分析设计，读写性能高，是链路追踪系统最常用的存储方案，非常适合大规模生产环境。

• 关键点：启动Zipkin Server时通过参数指定STORAGE_TYPE=elasticsearch和ES的地址。

总结与常见面试点

1. Sleuth的作用：在日志中注入TraceId和SpanId，将分布式请求链路标记出来。

2. Zipkin的作用：收集、存储和展示这些链路数据，提供可视化UI。

3. Trace与Span的关系：一个Trace包含多个Span，Span之间有父子关系（通过ParentId关联）。

4. 采样率的重要性：生产环境不建议设置100%，通常配置为0.1~0.5，以减少性能损耗和存储压力。

5. 持久化方案选择：小规模或演示用MySQL，中大规模生产用Elasticsearch。