微服务SpringCloud链路追踪之Micrometer+Zipkin

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
云数据库 RDS MySQL,高可用系列 2核4GB
简介: SpringCloud+Openfeign远程调用,并用Mircrometer+Zipkin进行链路追踪

视频教程https://www.bilibili.com/video/BV12LBFYjEvR

效果演示

当我们发送一个请求给 Gateway 的时候,由 Micrometer trace 进行链路追踪和数据收集,由 Zipkin 进行数据展示。可以清楚的看到微服务的调用过程,以及每个微服务处理工作所花的时间。
image-20241213115034463.png

在生产环境当中,如果一个接口响应数据较慢,可以使用这个工具快速查看具体是哪个环节较慢,进行针对性的调优。

项目准备

为本篇文章的编写,我准备了一个 Spring Cloud 小项目,你可以通过这个链接下载整合 MicrometerZipkin 之前的项目代码:https://github.com/xiaohh-me/xiaohh-cloud-micrometer/archive/refs/tags/v1.0.0.tar.gzhttps://github.com/xiaohh-me/xiaohh-cloud-micrometer/archive/refs/tags/v1.0.0.zip

该项目采用的技术栈:

技术栈 版本
SpringBoot 3.2.12
SpringCloud 2023.0.4
SpringCloudAlibaba 2023.0.1.0
MyBatisStarter 3.0.4

当然接下来需要引入的 micrometer-tracing 使用的是 1.4.1 的版本。运行这个项目你需要安装jdk 17或更高的版本。

这个项目我还准备了一个多个服务之间调用的一个接口,调用新建订单时会有这么一个流程:

  • Gateway 网关模块接收到新建订单的请求,并转发到 Order 订单模块。
  • Order 订单模块新建订单,并将 OrderID 和价格信息传入给 Pay 支付模块进行支付。
  • Pay 支付模块调用 Account 账户模块进行扣减余额。

最终形成了上面效果演示显示形成的调用链路关系,调用方式如下:

http://localhost:8080/order/orderInfo
{
    "orderAmount": "99.99" // 订单金额
}

Zipkin 下载和运行

Zipkin 是一个单独的分布式追踪系统,需要单独下载和运行。zipkin 官网:https://zipkin.io。可以来到官网的 Quickstart 界面,点击 latest release 进行下载。当然下载下来是一个jar包,你需要安装 java 17 才能运行它:
image-20241213133649454.png

下载下来之后将会是一个jar包:
image-20241213134349787.png

然后你可以使用这行命令运行 zipkin 服务器:

java -jar zipkin-server-{
   version}-exec.jar

如图所示则代表启动成功:
image-20241213162726196.png

项目修改

启动nacos注册/配置中心

笔者提供的代码使用的是nacos的注册中心和配置中心,nacos的下载可以点击这里,注册中心需要链接 MySQL5.7+ 数据库。导出的数据库脚本在项目当中有包含:
image-20241213165627216.png

其余三个分别为三个微服务模块的数据库脚本文件。在MySQL当中执行这四个文件即可将项目所需要用到的数据库创建完成。接下来需要修改nacos的配置文件,位置在 conf/application.properties 。需要设置数据库的连接,在原文件找到对应的修改位置即可:

spring.datasource.platform=mysql
spring.sql.init.platform=mysql
db.num=1
# 注意数据库的IP地址
db.url.0=jdbc:mysql://127.0.0.1:3306/xiaohh_config?characterEncoding=utf8&connectTimeout=1000&socketTimeout=3000&autoReconnect=true&useUnicode=true&useSSL=false&serverTimezone=UTC
db.user.0=root
db.password.0={修改为你自己数据库的密码}

然后执行下面这行命令即可启动nacos:

# Linux/Unix/MacOS
./bin/startup.sh -m standalone

# Windows
bin/startup.sh -m standalone

在执行后等一段时间可以访问服务器的 8848 端口的 /nacos 目录,可以看到我已经添加了一些配置文件:
image-20241213180024109.png

Gateway 当中的配置包含了三个微服务的路由:
image-20241213180658329.png

其余的三个配置文件配置了数据库连接,注意修改MySQL服务器地址、数据库用户名和密码:
image-20241213180815816.png

启动Zipkin

在上面 Zipkin 的下载和运行已经启动了 Zipkin,请在项目运行前确认 Zipkin 是否依然在运行状态。启动 Zipkin 的命令:

java -jar zipkin-server-{
   version}-exec.jar

修改项目代码

如果你是聚合的微服务项目(如我提供的代码),请将下面的代码添加到聚合项目的总 pom.xml<dependencyManagement> -> <dependency> 下:

<!-- 链路追踪依赖 -->
<dependency>
    <groupId>io.micrometer</groupId>
    <artifactId>micrometer-tracing-bom</artifactId>
    <version>${micrometer-tracing.version}</version>
    <type>pom</type>
    <scope>import</scope>
</dependency>

添加如图:
image-20241213182206226.png

然后在 pom.xml<properties> 标签下添加这么一个properties,来具体指定一个 Micrometer 的版本号(具体的版本号可参考官方文档已经maven中央仓库):

<micrometer-tracing.version>1.4.1</micrometer-tracing.version>

添加如图:
image-20241213182423812.png

然后在各个微服务的 pom.xml 文件的 <dependencies> 标签下添加那么一些代码:

<!-- Micrometer 整合 Brave 追踪器 -->
<dependency>
    <groupId>io.micrometer</groupId>
    <artifactId>micrometer-tracing-bridge-brave</artifactId>
</dependency>
<!-- Micrometer 指标追踪 -->
<dependency>
    <groupId>io.micrometer</groupId>
    <artifactId>micrometer-tracing</artifactId>
</dependency>
<!-- Micrometer 观察者 -->
<dependency>
    <groupId>io.micrometer</groupId>
    <artifactId>micrometer-observation</artifactId>
</dependency>
<!-- 整合 Openfeign -->
<dependency>
    <groupId>io.github.openfeign</groupId>
    <artifactId>feign-micrometer</artifactId>
</dependency>

<!-- 将追踪器添加到zipkin -->
<dependency>
    <groupId>io.zipkin.reporter2</groupId>
    <artifactId>zipkin-reporter-brave</artifactId>
</dependency>

添加如图:
image-20241213183109883.png

最后需要修改一下所有微服务模块的 bootstrap.yaml 配置文件(在配置中心修改也行),添加上以下配置:

management:
  zipkin:
    tracing:
      # Zipkin 的地址,如果不同注意修改
      endpoint: http://127.0.0.1:9411/api/v2/spans
  tracing:
    sampling:
      # 采集抽样,1.0代表所有的链路都会被跟踪
      probability: 1.0

添加如图:
image-20241213183646001.png

然后就可以尝试启动所有模块:
image-20241213183944154.png

接下来可以发送一个 GET 请求到 http://localhost:8080/account/accountInfo/1 来看一下 1 号账户的余额。可以看到 1 号账户的余额为 10000.00 :
image-20241213184210796.png

然后可以发送一个 POST 请求到 http://localhost:8080/order/orderInfo 来新增一个订单,其请求体为(其中99.99为订单金额):

{
   
    "orderAmount": "99.99"
}

可以看到操作成功:
image-20241213184431769.png

然后再发送一次 http://localhost:8080/account/accountInfo/1 请求,发现余额也修改成功:
image-20241213184503720.png

然后来到 Zipkin 的首页,点击运行查询,可以看到有三条链路信息:
image-20241213201644507.png

每条链路信息后面有一个 SHOW 按钮,点击这个按钮,可以看到每个微服务的详细链路调用信息,和每个微服务处理花了多长时间:
image-20241213201733222.png

可以看到第一次请求这条链路花了 392.954ms,时间比较长,再次请求就会好很多:
image-20241213201943045.png

接下来你就可以查看到此条调用链路哪个微服务的哪个业务最慢,可以针对性的调优了。

相关实践学习
基于OpenTelemetry构建全链路追踪与监控
本实验将带领您快速上手可观测链路OpenTelemetry版,包括部署并接入多语言应用、体验TraceId自动注入至日志以实现调用链与日志的关联查询、以及切换调用链透传协议以满足全链路打通的需求。
分布式链路追踪Skywalking
Skywalking是一个基于分布式跟踪的应用程序性能监控系统,用于从服务和云原生等基础设施中收集、分析、聚合以及可视化数据,提供了一种简便的方式来清晰地观测分布式系统,具有分布式追踪、性能指标分析、应用和服务依赖分析等功能。 分布式追踪系统发展很快,种类繁多,给我们带来很大的方便。但在数据采集过程中,有时需要侵入用户代码,并且不同系统的 API 并不兼容,这就导致了如果希望切换追踪系统,往往会带来较大改动。OpenTracing为了解决不同的分布式追踪系统 API 不兼容的问题,诞生了 OpenTracing 规范。OpenTracing 是一个轻量级的标准化层,它位于应用程序/类库和追踪或日志分析程序之间。Skywalking基于OpenTracing规范开发,具有性能好,支持多语言探针,无侵入性等优势,可以帮助我们准确快速的定位到线上故障和性能瓶颈。 在本套课程中,我们将全面的讲解Skywalking相关的知识。从APM系统、分布式调用链等基础概念的学习加深对Skywalking的理解,从0开始搭建一套完整的Skywalking环境,学会对各类应用进行监控,学习Skywalking常用插件。Skywalking原理章节中,将会对Skywalking使用的agent探针技术进行深度剖析,除此之外还会对OpenTracing规范作整体上的介绍。通过对本套课程的学习,不止能学会如何使用Skywalking,还将对其底层原理和分布式架构有更深的理解。本课程由黑马程序员提供。
相关文章
|
1月前
|
JSON Java API
利用Spring Cloud Gateway Predicate优化微服务路由策略
Spring Cloud Gateway 的路由配置中,`predicates`​(断言)用于定义哪些请求应该匹配特定的路由规则。 断言是Gateway在进行路由时,根据具体的请求信息如请求路径、请求方法、请求参数等进行匹配的规则。当一个请求的信息符合断言设置的条件时,Gateway就会将该请求路由到对应的服务上。
156 69
利用Spring Cloud Gateway Predicate优化微服务路由策略
|
21天前
|
搜索推荐 NoSQL Java
微服务架构设计与实践:用Spring Cloud实现抖音的推荐系统
本文基于Spring Cloud实现了一个简化的抖音推荐系统,涵盖用户行为管理、视频资源管理、个性化推荐和实时数据处理四大核心功能。通过Eureka进行服务注册与发现,使用Feign实现服务间调用,并借助Redis缓存用户画像,Kafka传递用户行为数据。文章详细介绍了项目搭建、服务创建及配置过程,包括用户服务、视频服务、推荐服务和数据处理服务的开发步骤。最后,通过业务测试验证了系统的功能,并引入Resilience4j实现服务降级,确保系统在部分服务故障时仍能正常运行。此示例旨在帮助读者理解微服务架构的设计思路与实践方法。
69 16
|
23天前
|
监控 JavaScript 数据可视化
建筑施工一体化信息管理平台源码,支持微服务架构,采用Java、Spring Cloud、Vue等技术开发。
智慧工地云平台是专为建筑施工领域打造的一体化信息管理平台,利用大数据、云计算、物联网等技术,实现施工区域各系统数据汇总与可视化管理。平台涵盖人员、设备、物料、环境等关键因素的实时监控与数据分析,提供远程指挥、决策支持等功能,提升工作效率,促进产业信息化发展。系统由PC端、APP移动端及项目、监管、数据屏三大平台组成,支持微服务架构,采用Java、Spring Cloud、Vue等技术开发。
|
1月前
|
Java Nacos Sentinel
Spring Cloud Alibaba:一站式微服务解决方案
Spring Cloud Alibaba(简称SCA) 是一个基于 Spring Cloud 构建的开源微服务框架,专为解决分布式系统中的服务治理、配置管理、服务发现、消息总线等问题而设计。
342 13
Spring Cloud Alibaba:一站式微服务解决方案
|
28天前
|
Java 关系型数据库 数据库
微服务SpringCloud分布式事务之Seata
SpringCloud+SpringCloudAlibaba的Seata实现分布式事务,步骤超详细,附带视频教程
49 1
|
4月前
|
SpringCloudAlibaba API 开发者
新版-SpringCloud+SpringCloud Alibaba
新版-SpringCloud+SpringCloud Alibaba
|
14天前
|
人工智能 安全 Java
AI 时代:从 Spring Cloud Alibaba 到 Spring AI Alibaba
本次分享由阿里云智能集团云原生微服务技术负责人李艳林主讲,主题为“AI时代:从Spring Cloud Alibaba到Spring AI Alibaba”。内容涵盖应用架构演进、AI agent框架发展趋势及Spring AI Alibaba的重磅发布。分享介绍了AI原生架构与传统架构的融合,强调了API优先、事件驱动和AI运维的重要性。同时,详细解析了Spring AI Alibaba的三层抽象设计,包括模型支持、工作流智能体编排及生产可用性构建能力,确保安全合规、高效部署与可观测性。最后,结合实际案例展示了如何利用私域数据优化AI应用,提升业务价值。
|
1月前
|
SpringCloudAlibaba 负载均衡 Dubbo
【SpringCloud Alibaba系列】Dubbo高级特性篇
本章我们介绍Dubbo的常用高级特性,包括序列化、地址缓存、超时与重试机制、多版本、负载均衡。集群容错、服务降级等。
【SpringCloud Alibaba系列】Dubbo高级特性篇
|
1月前
|
存储 SpringCloudAlibaba Java
【SpringCloud Alibaba系列】一文全面解析Zookeeper安装、常用命令、JavaAPI操作、Watch事件监听、分布式锁、集群搭建、核心理论
一文全面解析Zookeeper安装、常用命令、JavaAPI操作、Watch事件监听、分布式锁、集群搭建、核心理论。
【SpringCloud Alibaba系列】一文全面解析Zookeeper安装、常用命令、JavaAPI操作、Watch事件监听、分布式锁、集群搭建、核心理论
|
1月前
|
SpringCloudAlibaba JavaScript Dubbo
【SpringCloud Alibaba系列】Dubbo dubbo-admin安装教程篇
本文介绍了 Dubbo-Admin 的安装和使用步骤。Dubbo-Admin 是一个前后端分离的项目,前端基于 Vue,后端基于 Spring Boot。安装前需确保开发环境(Windows 10)已安装 JDK、Maven 和 Node.js,并在 Linux CentOS 7 上部署 Zookeeper 作为注册中心。
【SpringCloud Alibaba系列】Dubbo dubbo-admin安装教程篇