知识卡片
追踪数据三种收集方式
面对[[Trace与Span]],三种数据 收集方式代表了侵入性与精确度之间不同的取舍点。基于日志的追踪(代表: Spring Cloud Sleuth)把Trace/Span信息直接输出到应用日志,随日志归集 过程汇聚、再反推出调用链拓扑——对网络消息零侵入、对应用极少侵入、性能 影响最低,但精度依赖日志归集本身(日志不追求绝对连续一致,见 [[日志收集求连续不求全]]), 业务调用早已结束但日志可能延迟或缺失,导致追踪失真。基于服务的追踪 (代表:Zipkin、SkyWalking、Pinpoint)通过探针(Java应用常用Java Agent) 注入目标应用,探针本身就像一个寄生的小型微服务系统,有自己的注册、心跳, 通过独立的HTTP/RPC请求把调用信息发给追踪系统——消耗资源更多、侵入性 更强,换来的是不依赖日志归集、精确性和稳定性更有保证(如Pinpoint能做到 方法级、含参数返回值的详细追踪,但这种详细程度性能压力很大,一般只在 排错时开启,且Pinpoint本身运行还要维护一套HBase,比较重)。基于边车 代理的追踪是服务网格的专属方案,对应用完全透明(日志、服务本身都不用 改)、与编程语言无关(只要走网络就能被追踪)、有独立数据通道(追踪数据 通过控制平面上报,不干扰业务通信或日志),被认为是最理想的追踪模型, 局限是只能做到服务调用层面的追踪、做不到Pinpoint那种本地方法调用级别 的诊断,且服务网格本身还不够普及。
结构图:
flowchart LR
A["基于日志<br/>Sleuth"] -->|零侵入网络/极少侵入应用/性能影响最低| A1[精度依赖日志归集, 易失真]
B["基于服务探针<br/>Zipkin/SkyWalking/Pinpoint"] -->|注入探针, 消耗更多资源| B1[不依赖日志归集, 精确稳定]
C["基于边车代理<br/>服务网格专属"] -->|对应用完全透明, 与语言无关| C1[只能服务调用级, 依赖服务网格普及]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 可观测性 10.2.2 数据收集 · 查看原书依据
基于服务的追踪是目前最常见的追踪实现方式,被Zipkin、SkyWalking、Pinpoint等主流追踪系统广泛采用。服务追踪的实现思路是通过某些手段给目标应用注入追踪探针(Probe),针对Java应用一般是通过Java Agent注入。探针在结构上可视为一个寄生在目标服务身上的小型微