基于Dapper的分布式链路追踪入门—

基于Dapper的分布式链路追踪入门——Opencensus+Zipkin+Jaeger

微信搜索公众号 「程序员白泽」，进入白泽的编程知识分享星球

最近做了一些分布式链路追踪有关的东西，写篇文章来梳理一下思路，或许可以帮到想入门的同学。下面我将从原理到demo为大家一一进行讲解，欢迎评论区交流～。

1. 分布式链路追踪出现原因

讲解分布式链路追踪出现的原因，分析dapper论文中给出的分布式链路追踪系统dapper的实现方式

1.1 分布式链路追踪的需求 —> Dapper论文 (2010)

Dapper论文翻译版：
https://bigbully.github.io/Dapper-translation/

互联网应用构建在不同的软件模块集上，这些软件模块，有可能是由不同的团队开发、可能使用不同的编程语言来实现、有可能布在了几千台服务器，横跨多个不同的数据中心。因此，就需要一些可以帮助理解系统行为、用于分析性能问题、追踪请求传递过程的工具。

Dapper—Google生产环境下的分布式跟踪系统，其运作两年之后，Google发布了基于Dapper的论文，重点介绍Dapper的设计思想，为后续分布式链路追踪相关分析工具的产生提供理论支持。

接下来先介绍Dapper论文中是如何实现分布式链路追踪，并提炼核心概念—span。

1.2 Dapper的分布式跟踪

左图展现的是一个和5台服务器相关的一个服务，包括：前端（A），两个中间层（B和C），以及两个后端（D和E）。当一个用户（这个用例的发起人）发起一个请求时，首先到达前端，然后发送两个RPC到服务器B和C。B会马上做出反应，但是C需要和后端的D和E交互之后再返还给A，由A来响应最初的请求。对于这样一个请求，简单实用的分布式跟踪的实现，就是为服务器上每一次你发送和接收动作来收集跟踪标识符(message identifiers)和时间戳(timestamped events)。

为了将所有记录条目与一个给定的发起者（例如，图中的RequestX）关联上并记录所有信息，Dapper倾向于应用程序或中间件明确地标记一个全局ID，从而连接每一条记录和发起者的请求，该方案最主要的缺点是，很明显，需要代码植入。但dapper开发者认为，可以把代码植入限制在一个很小的通用组件库中，从而实现了监测系统的应用对开发人员是有效地透明。

从形式上看，Dapper跟踪模型使用的树形结构，且Dapper中称追踪树上的每一个节点为span，span代表分布式链路追踪中的节点。

1.3 跟踪树和span

在Dapper跟踪树结构中，树节点是整个架构的基本单元，而每一个节点又是对span的引用。节点之间的连线表示的span和它的父span直接的关系。

左图中说明了span在一个大的跟踪过程中是什么样的。Dapper记录了span名称，以及每个span的ID和父ID，以重建在一次追踪过程中不同span之间的关系。如果一个span没有父ID被称为root span。所有span都挂在一个特定的跟踪上，也共用一个跟踪id（在图中未示出）。在一个典型的Dapper跟踪中，我们希望为每一个RPC对应到一个单一的span上，而且每一个额外的组件层都对应一个跟踪树型结构的层级。

左图给出了一个更详细的典型的Dapper跟踪span的记录点的视图。图中这种某个span表述了两个“Helper.Call”的RPC(分别为server端和client端)。span的开始时间和结束时间，以及任何RPC的时间信息都通过Dapper在RPC组件库的植入记录下来。如果应用程序开发者选择在跟踪中增加他们自己的注释（如图中“foo”的注释）(业务数据)，这些信息也会和其他span信息一样记录下来。

Annotation：上述植入点足够推导出复杂的分布式系统的跟踪细节，使得Dapper的核心功能在不改动Google应用的情况下可用。然而，Dapper还允许应用程序开发人员在Dapper跟踪的过程中添加额外的信息，以监控更高级别的系统行为，或帮助调试问题。我们允许用户通过一个简单的API定义带时间戳的Annotation，这些Annotation可以添加任意内容。

1.4 跟踪的收集

Dapper的跟踪记录和收集管道的过程分为三个阶段（参见左图）。首先，span数据写入（1）本地日志文件中。然后Dapper的守护进程和收集组件把这些数据从生产环境的主机中拉出来（2），最终写到（3）Dapper的Bigtable仓库中。一次跟踪被设计成Bigtable中的一行，每一列相当于一个span。Bigtable的支持稀疏表格布局正适合这种情况，因为每一次跟踪可以有任意多个span。

2. zipkin和jaeger介绍

2.1 ZipKin结构

Zipkin是Twitter开源出来的一个Trace系统组件，通过将前两张图虚线框中的zipkin的结构与第三张图的dapper结构进行对比，明显可以印证：zipkin的实现中就参考了Google Dapper。如图1，每个instrumented节点会将链路追踪信息发送给zipkin的collector，然后由zipkin存储数据，提供ui显示链路监测情况。

注意：每个需要链路追踪的节点为span，每个span的信息都是独立发送给collector的（因为span中有统一的全局traceId，以及父spanId，因此，跟踪树是在等某次trace相关的所有span都发送到zipkin之后，由zipkin构件成树结构提供ui展示的）

2.2 Trace信息的发送与展示

2.3 Jaeger结构与监测展示

摘自Jaeger官方文档：Jaeger, inspired by Dapper and OpenZipkin, is a distributed tracing system released as open source by Uber Technologies

Jaeger与Zipkin一样可以作为分布式链路追踪组件，但是后出现，使用Go语言开发，二者的技术选择取决于具体的项目需要，这里按下不表，但需要明确的是二者都是基于Dapper的分布式链路追踪组件，铭记下方左侧的Dapper结构图

3. OpenCensus介绍

3.1 OpenCensus介绍

显然无论是Dapper、Zipkin、Jaeger在工作时都是在一个端口接收Collector发送的span数据，然后构建跟踪树并展示，必然需要被监听服务主动发送span数据，而发送span数据到指定追踪组件的行为必然需要相应api支持。

OpenCensus目前提供了一些语言的库，允许你捕捉、操作和导出指标和分布式跟踪到你选择的后端。因此关键在于如何构建span（使span之间建立上下游联系），以及如何将span发送到指定后端，接下来细谈

3.2 OpenCensus —> Span构建

创建span的方法OpenCensus api提供了两个，参数中：Context.Context是一个接口类型，用于存放trace数据，用于在内存中层层传递，第二个方法多了一个名为parent的SpanContext类型，表示基于给定父span（来自外部request）创建一个span

3.3 OpenCensus —> Span构建 —> 深入两个startSpan的源码探寻其使用场景

3.4 OpenCensus —> Span构建 —> startSpanInternal部分核心源码

这里如果在调用startSpanInternal()方法的时候hasParent为false（为nil）则会自动生成随机的traceId，显然不是我们想要的，而上面说明startSpan()方法是从ctx中获取parent，而startSpanWithRemoteParent()从形参中获取parent，因此我们使用第二方法用于在获取前端的traceId之后创建我们整个trace链路的第一个span，之后将span信息存入ctx于内存中传递，此后都调用startSpan()方法创建以后的span

3.5 OpenCensus —> Span的传播

刚刚讲解了span如何创建，并且也说明span在golang中将存放于context.Context接口描述的类型中，那么span在
一个微服务节点上，以及微服务节点之间的传递是如何实现的呢？下面引用一段字节运维团队的文章节选：

换言之span是追踪树的最小单位，一个微服务节点上可以随服务处理流程提取多个span（利用context于内存传递Span信息），而跨微服务节点的context传递将由微服务框架实现，比如grpc在pb文件生成后，调用的方法中就自带context这个参数选项，只需要传入即可在微服务间传递context

注意trace最初的traceId是通过一个http request请求放在http header中传递到后端http server的，在此之后都将使用微服务框架去自动
传递span（context）信息