全链路监控（一）：方案概述与比较

妖狐艹你老母 2023-06-21 07:29 2阅读 0赞

# 0 问题背景 #

随着微服务架构的流行，**服务按照不同的维度进行拆分**，一次请求往往需要涉及到多个服务。**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、用于分析性能问题的工具，以便发生故障的时候，能够快速定位和解决问题。

全链路监控组件就在这样的问题背景下产生了。最出名的是谷歌公开的论文提到的 [Google Dapper][]。**想要在这个上下文中理解分布式系统的行为，就需要监控那些横跨了不同的应用、不同的服务器之间的关联动作**。

所以，**在复杂的微服务架构系统中，几乎每一个前端请求都会形成一个复杂的分布式服务调用链路**。一个请求完整调用链可能如下图所示：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70][]

一个请求完整调用链

那么在业务规模不断增大、服务不断增多以及频繁变更的情况下，面对复杂的调用链路就带来一系列问题：

> 1.  **如何快速发现问题？**
> 2.  **如何判断故障影响范围？**
> 3.  **如何梳理服务依赖以及依赖的合理性？**
> 4.  **如何分析链路性能问题以及实时容量规划？**

**同时我们会关注在请求处理期间各个调用的各项性能指标**，比如：吞吐量（TPS）、响应时间及错误记录等。

> 1.  **吞吐量**，根据拓扑可计算相应组件、平台、物理设备的实时吞吐量。
> 2.  **响应时间**，包括整体调用的响应时间和各个服务的响应时间等。
> 3.  **错误记录**，根据服务返回统计单位时间异常次数。

全链路性能监控 **从整体维度到局部维度展示各项指标**，将跨应用的所有调用链性能信息集中展现，可方便度量整体和局部性能，并且方便找到故障产生的源头，生产上可极大缩短故障排除时间。

**有了全链路监控工具，我们能够达到：**

> 1.  **请求链路追踪，故障快速定位**：可以通过调用链结合业务日志快速定位错误信息。
> 2.  **可视化**： 各个阶段耗时，进行性能分析。
> 3.  **依赖优化**：各个调用环节的可用性、梳理服务依赖关系以及优化。
> 4.  **数据分析，优化链路**：可以得到用户的行为路径，汇总分析应用在很多业务场景。

# 1 目标要求 #

如上所述，那么我们选择全链路监控组件有哪些目标要求呢？Google Dapper中也提到了，总结如下：

1.  **探针的性能消耗**
    
    APM组件服务的影响应该做到足够小。**服务调用埋点本身会带来性能损耗，这就需要调用跟踪的低损耗，实际中还会通过配置采样率的方式，选择一部分请求去分析请求路径**。在一些高度优化过的服务，即使一点点损耗也会很容易察觉到，而且有可能迫使在线服务的部署团队不得不将跟踪系统关停。
2.  **代码的侵入性**
    
    **即也作为业务组件，应当尽可能少入侵或者无入侵其他业务系统，对于使用方透明，减少开发人员的负担**。
    
    对于应用的程序员来说，是不需要知道有跟踪系统这回事的。如果一个跟踪系统想生效，就必须需要依赖应用的开发者主动配合，那么这个跟踪系统也太脆弱了，往往由于跟踪系统在应用中植入代码的bug或疏忽导致应用出问题，这样才是无法满足对跟踪系统“无所不在的部署”这个需求。
3.  **可扩展性**
    
    **一个优秀的调用跟踪系统必须支持分布式部署，具备良好的可扩展性。能够支持的组件越多当然越好**。或者提供便捷的插件开发API，对于一些没有监控到的组件，应用开发者也可以自行扩展。
4.  **数据的分析**
    
    **数据的分析要快 ，分析的维度尽可能多**。跟踪系统能提供足够快的信息反馈，就可以对生产环境下的异常状况做出快速反应。**分析的全面，能够避免二次开发**。

# 2 功能模块 #

一般的全链路监控系统，大致可分为四大功能模块：

1.  **埋点与生成日志**
    
    埋点即系统在当前节点的上下文信息，可以分为 **客户端埋点、服务端埋点，以及客户端和服务端双向型埋点**。埋点日志通常要包含以下内容traceId、spanId、调用的开始时间，协议类型、调用方ip和端口，请求的服务名、调用耗时，调用结果，异常信息等，同时预留可扩展字段，为下一步扩展做准备；
    
    > **不能造成性能负担**：一个价值未被验证，却会影响性能的东西，是很难在公司推广的！
    > 
    > 因为要写log，业务QPS越高，性能影响越重。**通过采样和异步log解决**。
2.  **收集和存储日志**
    
    主要支持分布式日志采集的方案，同时增加MQ作为缓冲；
    
    > 1.  每个机器上有一个 **deamon** 做日志收集，业务进程把自己的Trace发到daemon，daemon把收集Trace往上一级发送；
    > 2.  **多级的collector**，类似pub/sub架构，可以负载均衡；
    > 3.  对聚合的数据进行 **实时分析和离线存储**；
    > 4.  **离线分析** 需要将同一条调用链的日志汇总在一起；
3.  **分析和统计调用链路数据，以及时效性**
    
    **调用链跟踪分析**：把同一TraceID的Span收集起来，按时间排序就是timeline。**把ParentID串起来就是调用栈**。
    
    抛异常或者超时，在日志里打印TraceID。利用TraceID查询调用链情况，定位问题。
    
    **依赖度量**：
    
    > 1.  **强依赖**：调用失败会直接中断主流程
    > 2.  **高度依赖**：一次链路中调用某个依赖的几率高
    > 3.  **频繁依赖**：一次链路调用同一个依赖的次数多
    
    **离线分析**：按TraceID汇总，通过Span的ID和ParentID还原调用关系，分析链路形态。
    
    **实时分析**：对单条日志直接分析，不做汇总，重组。得到当前QPS，延迟。
4.  **展现以及决策支持**

# 3 Google Dapper #

## 3.1 Span ##

**基本工作单元**，一次链路调用（可以是RPC，DB等没有特定的限制）创建一个span，通过一个64位ID标识它，uuid较为方便，span中还有其他的数据，例如描述信息，时间戳，key-value对的（Annotation）tag信息，parent\_id等,其中parent-id可以表示span调用链路来源。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 1][]

上图说明了span在一次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**。

**Span数据结构**：

type Span struct {
        TraceID    int64 // 用于标示一次完整的请求id
        Name       string
        ID         int64 // 当前这次调用span_id
        ParentID   int64 // 上层服务的调用span_id  最上层服务parent_id为null
        Annotation []Annotation // 用于标记的时间戳
        Debug      bool
    }

## 3.2 Trace ##

类似于 **树结构的Span集合**，表示一次完整的跟踪，从请求到服务器开始，服务器返回response结束，跟踪每次rpc调用的耗时，存在唯一标识trace\_id。比如：你运行的分布式大数据存储一次Trace就由你的一次请求组成。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 2][]

每种颜色的note标注了一个span，一条链路通过TraceId唯一标识，Span标识发起的请求信息。**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。虽然span在日志文件中只是简单的代表span的开始和结束时间，他们在整个树形结构中却是相对独立的。

## 3.3 Annotation ##

**注解，用来记录请求特定事件相关信息（例如时间），一个span中会有多个annotation注解描述**。通常包含四个注解信息：

> (1) **cs**：Client Start，表示客户端发起请求  
> (2) **sr**：Server Receive，表示服务端收到请求  
> (3) **ss**：Server Send，表示服务端完成处理，并将结果发送给客户端  
> (4) **cr**：Client Received，表示客户端获取到服务端返回信息

**Annotation数据结构**：

type Annotation struct {
        Timestamp int64
        Value     string
        Host      Endpoint
        Duration  int32
    }

## 3.4 调用示例 ##

1.  **请求调用示例**
    
    > 1.  当用户发起一个请求时，首先到达前端A服务，然后分别对B服务和C服务进行RPC调用；
    > 2.  B服务处理完给A做出响应，但是C服务还需要和后端的D服务和E服务交互之后再返还给A服务，最后由A服务来响应用户的请求；
    
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 3][]
    
    请求调用示例
2.  **调用过程追踪**
    
    > 1.  **请求到来生成一个全局TraceID**，通过TraceID可以串联起整个调用链，一个TraceID代表一次请求。
    > 2.  除了TraceID外，**还需要SpanID用于记录调用父子关系**。每个服务会记录下parent id和span id，**通过他们可以组织一次完整调用链的父子关系**。
    > 3.  一个没有parent id的span成为root span，可以看成调用链入口。
    > 4.  所有这些ID可用全局唯一的64位整数表示；
    > 5.  **整个调用过程中每个请求都要透传TraceID和SpanID**。
    > 6.  每个服务将该次请求附带的TraceID和附带的SpanID作为parent id记录下，并且将自己生成的SpanID也记录下。
    > 7.  要查看某次完整的调用则 **只要根据TraceID查出所有调用记录，然后通过parent id和span id组织起整个调用父子关系**。
    
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 4][]
    
     
3.  **调用链核心工作**
    
    > 1.  **调用链数据生成**，对整个调用过程的所有应用进行埋点并输出日志。
    > 2.  **调用链数据采集**，对各个应用中的日志数据进行采集。
    > 3.  **调用链数据存储及查询**，对采集到的数据进行存储，由于日志数据量一般都很大，不仅要能对其存储，还需要能提供快速查询。
    > 4.  **指标运算、存储及查询**，对采集到的日志数据进行各种指标运算，将运算结果保存起来。
    > 5.  **告警功能**，提供各种阀值警告功能。
4.  **整体部署架构**
    
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 5][]
    
    整体部署架构
    
    > 1.  通过AGENT生成调用链日志。
    > 2.  通过logstash采集日志到kafka。
    > 3.  kafka负责提供数据给下游消费。
    > 4.  storm计算汇聚指标结果并落到es。
    > 5.  **storm抽取trace数据并落到es，这是为了提供比较复杂的查询**。比如通过时间维度查询调用链，可以很快查询出所有符合的traceID，**根据这些traceID再去 [Hbase][] 查数据就快了**。
    > 6.  logstash将kafka原始数据拉取到hbase中。**hbase的rowkey为traceID，根据traceID查询是很快的**。
5.  **AGENT无侵入部署**
    
    通过AGENT代理无侵入式部署，将性能测量与业务逻辑完全分离，可以测量任意类的任意方法的执行时间，这种方式大大提高了采集效率，并且减少运维成本。**根据服务跨度主要分为两大类AGENT**：
    
    > 1.  **服务内AGENT**，这种方式是通过 [Java][] 的agent机制，对服务内部的方法调用层次信息进行数据收集，如方法调用耗时、入参、出参等信息。
    > 2.  **跨服务AGENT**，这种情况需要对主流RPC框架以插件形式提供无缝支持。并通过提供标准数据规范以适应自定义RPC框架：
    >     
    >         （1）Dubbo支持；
    >         
    >         （2）Rest支持；
    >         
    >         （3）自定义RPC支持；
6.  **调用链监控好处**
    
    > 1.  **准确掌握生产一线应用部署情况**；
    > 2.  从调用链全流程性能角度，**识别对关键调用链，并进行优化**；
    > 3.  **提供可追溯的性能数据**，量化 IT 运维部门业务价值；
    > 4.  **快速定位代码性能问题**，协助开发人员持续性的优化代码；
    > 5.  **协助开发人员进行白盒测试**，缩短系统上线稳定期；

# 4 方案比较 #

市面上的全链路监控理论模型大多都是借鉴Google Dapper论文，本文重点关注以下三种APM组件：

> 1.  **[Zipkin][]**：由Twitter公司开源，开放源代码分布式的跟踪系统，用于收集服务的定时数据，以解决微服务架构中的延迟问题，包括：数据的收集、存储、查找和展现。
> 2.  **[Pinpoint][]**：一款对Java编写的大规模分布式系统的APM工具，由韩国人开源的分布式跟踪组件。
> 3.  **[Skywalking][]**：国产的优秀APM组件，是一个对JAVA分布式应用程序集群的业务运行情况进行追踪、告警和分析的系统。

**以上三种全链路监控方案需要对比的项提炼出来**：

1.  **探针的性能**
    
    主要是agent对服务的吞吐量、CPU和内存的影响。微服务的规模和动态性使得数据收集的成本大幅度提高。
2.  **collector的可扩展性**
    
    能够水平扩展以便支持大规模服务器集群。
3.  **全面的调用链路数据分析**
    
    提供代码级别的可见性以便轻松定位失败点和瓶颈。
4.  **对于开发透明，容易开关**
    
    添加新功能而无需修改代码，容易启用或者禁用。
5.  **完整的调用链应用拓扑**
    
    自动检测应用拓扑，帮助你搞清楚应用的架构

## 4.1 探针的性能 ##

比较关注探针的性能，毕竟APM定位还是工具，如果启用了链路监控组建后，直接导致吞吐量降低过半，那也是不能接受的。对skywalking、zipkin、pinpoint进行了压测，并与基线（未使用探针）的情况进行了对比。

选用了一个常见的基于Spring的应用程序，他包含Spring Boot, Spring MVC，redis客户端，mysql。 监控这个应用程序，每个trace，探针会抓取5个span(1 Tomcat, 1 SpringMVC, 2 Jedis, 1 Mysql)。这边基本和 [skywalkingtest][] 的测试应用差不多。

模拟了三种并发用户：500，750，1000。使用jmeter测试，每个线程发送30个请求，设置思考时间为10ms。使用的采样率为1，即100%，这边与生产可能有差别。pinpoint默认的采样率为20，即50%，通过设置agent的配置文件改为100%。zipkin默认也是1。组合起来，一共有12种。下面看下汇总表：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 6][]

探针性能对比

从上表可以看出，在三种链路监控组件中，**skywalking的探针对吞吐量的影响最小，zipkin的吞吐量居中。pinpoint的探针对吞吐量的影响较为明显**，在500并发用户时，测试服务的吞吐量从1385降低到774，影响很大。然后再看下CPU和memory的影响，在内部服务器进行的压测，对CPU和memory的影响都差不多在10%之内。

## 4.2 collector的可扩展性 ##

collector的可扩展性，使得能够水平扩展以便支持大规模服务器集群。

1.  **zipkin**
    
    开发zipkin-Server（其实就是提供的开箱即用包），zipkin-agent与zipkin-Server通过http或者mq进行通信，**http通信会对正常的访问造成影响，所以还是推荐基于mq异步方式通信**，zipkin-Server通过订阅具体的topic进行消费。这个当然是可以扩展的，**多个zipkin-Server实例进行异步消费mq中的监控信息**。
    
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 7][]
    
    zipkin
2.  **skywalking**
    
    skywalking的collector支持两种部署方式：**单机和集群模式。collector与agent之间的通信使用了gRPC**。
3.  **pinpoint**
    
    同样，pinpoint也是支持集群和单机部署的。**pinpoint agent通过thrift通信框架，发送链路信息到collector**。

## 4.3 全面的调用链路数据分析 ##

全面的调用链路数据分析，提供代码级别的可见性以便轻松定位失败点和瓶颈。

1.  **zipkin**
    
    ![format_png][]
    
    zipkin链路调用分析
    
    **zipkin的链路监控粒度相对没有那么细**，从上图可以看到调用链中具体到接口级别，再进一步的调用信息并未涉及。
2.  **skywalking**
    
    ![format_png 1][]
    
    skywalking链路调用分析
    
    **skywalking 还支持20+的中间件、框架、类库**，比如：主流的dubbo、Okhttp，还有DB和消息中间件。上图skywalking链路调用分析截取的比较简单，网关调用user服务，**由于支持众多的中间件，所以skywalking链路调用分析比zipkin完备些**。
3.  **pinpoint**
    
    ![format_png 2][]
    
    pinpoint链路调用分析
    
    pinpoint应该是这三种APM组件中，**数据分析最为完备的组件**。提供代码级别的可见性以便轻松定位失败点和瓶颈，上图可以看到对于执行的sql语句，都进行了记录。还可以配置报警规则等，设置每个应用对应的负责人，根据配置的规则报警，支持的中间件和框架也比较完备。

## 4.4 对于开发透明，容易开关 ##

对于开发透明，容易开关，添加新功能而无需修改代码，容易启用或者禁用。我们期望功能可以不修改代码就工作并希望得到代码级别的可见性。

对于这一点，**Zipkin 使用修改过的类库和它自己的容器(Finagle)来提供分布式事务跟踪的功能**。但是，它要求在需要时修改代码。**skywalking和pinpoint都是基于字节码增强的方式，开发人员不需要修改代码，并且可以收集到更多精确的数据因为有字节码中的更多信息**。

## 4.5 完整的调用链应用拓扑 ##

自动检测应用拓扑，帮助你搞清楚应用的架构。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 8][]

pinpoint链路拓扑

![format_png 3][]

skywalking链路拓扑

![format_png 4][]

zipkin链路拓扑

上面三幅图，分别展示了APM组件各自的调用拓扑，都能实现完整的调用链应用拓扑。相对来说，**pinpoint界面显示的更加丰富，具体到调用的DB名，zipkin的拓扑局限于服务于服务之间**。

## 4.6 Pinpoint与Zipkin细化比较 ##

### 4.6.1 Pinpoint与Zipkin差异性 ###

1.  **Pinpoint 是一个完整的性能监控解决方案**：有从探针、收集器、存储到 Web 界面等全套体系；**而 Zipkin 只侧重收集器和存储服务**，虽然也有用户界面，但其功能与 Pinpoint 不可同日而语。**反而 Zipkin 提供有 Query 接口**，更强大的用户界面和系统集成能力，可以基于该接口二次开发实现。
2.  **Zipkin 官方提供有基于 Finagle 框架（Scala 语言）的接口**，而其他框架的接口由社区贡献，目前可以支持 Java、Scala、Node、Go、Python、Ruby 和 C\# 等主流开发语言和框架；但是 **Pinpoint 目前只有官方提供的 Java Agent 探针**，其他的都在请求社区支援中（请参见 [\#1759][1759] 和 [\#1760][1760]）。
3.  Pinpoint 提供有 Java Agent 探针，通过字节码注入的方式实现调用拦截和数据收集，**可以做到真正的代码无侵入，只需要在启动服务器的时候添加一些参数，就可以完成探针的部署**；而 **Zipkin 的 Java 接口实现 Brave**，只提供了基本的操作 API，如果需要与框架或者项目集成的话，**就需要手动添加配置文件或增加代码**。
4.  **Pinpoint 的后端存储基于 HBase，而 Zipkin 基于 [Cassandra][]**。

### 4.6.2 Pinpoint与Zipkin相似性 ###

Pinpoint 与 Zipkin 都是基于 Google Dapper 的那篇论文，因此理论基础大致相同。**两者都是将服务调用拆分成若干有级联关系的 Span，通过 SpanId 和 ParentSpanId 来进行调用关系的级联；最后再将整个调用链流经的所有的 Span 汇聚成一个 Trace，报告给服务端的 collector 进行收集和存储**。

即便在这一点上，Pinpoint 所采用的概念也不完全与那篇论文一致。比如他采用 **TransactionId 来取代 TraceId，而真正的 TraceId 是一个结构，里面包含了 TransactionId, SpanId 和 ParentSpanId**。而且 Pinpoint 在 Span 下面又增加了一个 SpanEvent 结构，用来记录一个 Span 内部的调用细节（比如具体的方法调用等等），因此 **Pinpoint 默认会比 Zipkin 记录更多的跟踪数据**。但是理论上并没有限定 Span 的粒度大小，所以一个服务调用可以是一个 Span，那么每个服务中的方法调用也可以是个 Span，这样的话，**其实 Brave 也可以跟踪到方法调用级别，只是具体实现并没有这样做而已**。

### 4.6.3 字节码注入 vs API 调用 ###

Pinpoint 实现了基于字节码注入的 Java Agent 探针，而 Zipkin 的 Brave 框架仅仅提供了应用层面的 API，但是细想问题远不那么简单。**字节码注入是一种简单粗暴的解决方案，理论上来说无论任何方法调用，都可以通过注入代码的方式实现拦截，也就是说没有实现不了的，只有不会实现的**。但 Brave 则不同，**其提供的应用层面的 API 还需要框架底层驱动的支持，才能实现拦截**。比如，MySQL 的 JDBC 驱动，就提供有注入 interceptor 的方法，因此只需要实现 StatementInterceptor 接口，并在 Connection String 中进行配置，就可以很简单的实现相关拦截；而与此相对的，低版本的 MongoDB 的驱动或者是 Spring Data MongoDB 的实现就没有如此接口，想要实现拦截查询语句的功能，就比较困难。

因此在这一点上，Brave 是硬伤，无论使用字节码注入多么困难，但至少也是可以实现的，但是 Brave 却有无从下手的可能，而且是否可以注入，能够多大程度上注入，更多的取决于框架的 API 而不是自身的能力。

### 4.6.4 难度及成本 ###

经过简单阅读 Pinpoint 和 Brave 插件的代码，可以发现两者的实现难度有天壤之别。**在都没有任何开发文档支撑的前提下，Brave 比 Pinpoint 更容易上手**。Brave 的代码量很少，核心功能都集中在 brave-core 这个模块下，一个中等水平的开发人员，可以在一天之内读懂其内容，并且能对 API 的结构有非常清晰的认识。

Pinpoint 的代码封装也是非常好的，尤其是针对字节码注入的上层 API 的封装非常出色，但是这依然要求阅读人员对字节码注入多少有一些了解，虽然其用于注入代码的核心 API 并不多，但要想了解透彻，恐怕还得深入 Agent 的相关代码，比如很难一目了然的理解 addInterceptor 和 addScopedInterceptor 的区别，而这两个方法就是位于 Agent 的有关类型中。

**因为 Brave 的注入需要依赖底层框架提供相关接口，因此并不需要对框架有一个全面的了解，只需要知道能在什么地方注入，能够在注入的时候取得什么数据就可以了**。就像上面的例子，我们根本不需要知道 MySQL 的 JDBC Driver 是如何实现的也可以做到拦截 SQL 的能力。但是 Pinpoint 就不然，因为 Pinpoint 几乎可以在任何地方注入任何代码，这需要开发人员对所需注入的库的代码实现有非常深入的了解，通过查看其 MySQL 和 Http Client 插件的实现就可以洞察这一点，当然这也从另外一个层面说明 Pinpoint 的能力确实可以非常强大，而且其默认实现的很多插件已经做到了非常细粒度的拦截。

**针对底层框架没有公开 API 的时候，其实 Brave 也并不完全无计可施，我们可以采取 AOP 的方式，一样能够将相关拦截注入到指定的代码中，而且显然 AOP 的应用要比字节码注入简单很多**。

以上这些直接关系到实现一个监控的成本，在 Pinpoint 的官方技术文档中，给出了一个参考数据。**如果对一个系统集成的话，那么用于开发 Pinpoint 插件的成本是 100，将此插件集成入系统的成本是 0；但对于 Brave，插件开发的成本只有 20，而集成成本是 10**。从这一点上可以看出官方给出的成本参考数据是 5:1。但是官方又强调了，如果有 10 个系统需要集成的话，那么总成本就是 10 \* 10 + 20 = 120，就超出了 Pinpoint 的开发成本 100，而且需要集成的服务越多，这个差距就越大。

### 4.6.5 通用性和扩展性 ###

很显然，这一点上 Pinpoint 完全处于劣势，从社区所开发出来的集成接口就可见一斑。

Pinpoint 的数据接口缺乏文档，而且也不太标准（参考论坛讨论帖），需要阅读很多代码才可能实现一个自己的探针（比如 Node 的或者 PHP 的）。而且团队为了性能考虑使用了 Thrift 作为数据传输协议标准，比起 HTTP 和 JSON 而言难度增加了不少。

### 4.6.6 社区支持 ###

这一点也不必多说，Zipkin 由 Twitter 开发，可以算得上是明星团队，而 Naver 的团队只是一个默默无闻的小团队（从 [\#1759][1759] 的讨论中可以看出）。虽然说这个项目在短期内不太可能消失或停止更新，但毕竟不如前者用起来更加放心。而且没有更多社区开发出来的插件，**让 Pinpoint 只依靠团队自身的力量完成诸多框架的集成实属困难，而且他们目前的工作重点依然是在提升性能和稳定性上**。

### 4.6.7 其他 ###

Pinpoint 在实现之初就考虑到了性能问题，[www.naver.com][] 网站的后端某些服务每天要处理超过 200 亿次的请求，因此他们会选择 Thrift 的二进制变长编码格式、而且使用 UDP 作为传输链路，同时在传递常量的时候也尽量使用数据参考字典，传递一个数字而不是直接传递字符串等等。这些优化也增加了系统的复杂度：包括使用 Thrift 接口的难度、UDP 数据传输的问题、以及数据常量字典的注册问题等等。

相比之下，Zipkin 使用熟悉的 Restful 接口加 JSON，几乎没有任何学习成本和集成难度，只要知道数据传输结构，就可以轻易的为一个新的框架开发出相应的接口。

另外 **Pinpoint 缺乏针对请求的采样能力，显然在大流量的生产环境下，不太可能将所有的请求全部记录，这就要求对请求进行采样，以决定什么样的请求是我需要记录的**。Pinpoint 和 Brave 都支持采样百分比，也就是百分之多少的请求会被记录下来。但是，除此之外 **Brave 还提供了 Sampler 接口，可以自定义采样策略**，尤其是当进行 A/B 测试的时候，这样的功能就非常有意义了。

### 4.6.8 总结 ###

从短期目标来看，Pinpoint 确实具有压倒性的优势：**无需对项目代码进行任何改动就可以部署探针、追踪数据细粒化到方法调用级别、功能强大的用户界面以及几乎比较全面的 Java 框架支持**。但是长远来看，学习 Pinpoint 的开发接口，以及未来为不同的框架实现接口的成本都还是个未知数。相反，**掌握 Brave 就相对容易，而且 Zipkin 的社区更加强大，更有可能在未来开发出更多的接口**。在最坏的情况下，我们也可以自己通过 AOP 的方式添加适合于我们自己的监控代码，而并不需要引入太多的新技术和新概念。而且在未来业务发生变化的时候，Pinpoint 官方提供的报表是否能满足要求也不好说，增加新的报表也会带来不可以预测的工作难度和工作量。

# 5 Tracing和Monitor区别 #

**Monitor可分为系统监控和应用监控**。系统监控比如CPU，内存，网络，磁盘等等整体的系统负载的数据，细化可具体到各进程的相关数据。这一类信息是直接可以从系统中得到的。**应用监控需要应用提供支持，暴露了相应的数据**。比如应用内部请求的QPS，请求处理的延时，请求处理的error数，消息队列的队列长度，崩溃情况，进程垃圾回收信息等等。**Monitor主要目标是发现异常，及时报警**。

**Tracing的基础和核心都是调用链**。相关的metric大多都是围绕调用链分析得到的。**Tracing主要目标是系统分析。提前找到问题比出现问题后再去解决更好**。

Tracing和应用级的Monitor技术栈上有很多共同点。都有数据的采集，分析，存储和展式。只是具体收集的数据维度不同，分析过程不一样。

文章来源：[https://www.jianshu.com/p/92a12de11f18][https_www.jianshu.com_p_92a12de11f18]

[https://blog.csdn.net/Daybreak1209/article/details/98070997][https_blog.csdn.net_Daybreak1209_article_details_98070997]

[https://blog.csdn.net/xvshu/article/details/79714134][https_blog.csdn.net_xvshu_article_details_79714134]

[Google Dapper]: http://bigbully.github.io/Dapper-translation
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191211200333617.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20191211200403302.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20191211200436218.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20191211200508790.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20191211200528665.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20191211200600442.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE=,size_16,color_FFFFFF,t_70
[Hbase]: http://lib.csdn.net/base/hbase
[Java]: http://lib.csdn.net/base/javase
[Zipkin]: http://zipkin.io/
[Pinpoint]: https://github.com/naver/pinpoint
[Skywalking]: http://skywalking.org/
[skywalkingtest]: https://link.juejin.im?target=https%3A%2F%2Fskywalkingtest.github.io%2FAgent-Benchmarks%2FREADME_zh.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20191211200625125.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20191211200650444.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE=,size_16,color_FFFFFF,t_70
[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy8yMDYyNzI5LWE3MTg2NTNiOTAwYjU5MTUucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvMTIwMC9mb3JtYXQvd2VicA?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy8yMDYyNzI5LTBmOTFmYjcxYzM0NTZmMTUucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvMTIwMC9mb3JtYXQvd2VicA?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy8yMDYyNzI5LTM3MmY1NzEwMjIwMWQ1YjIucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvMTIwMC9mb3JtYXQvd2VicA?x-oss-process=image/format,png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20191211200725242.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3ZDA1MDE=,size_16,color_FFFFFF,t_70
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy8yMDYyNzI5LTE4ZWY1MzY5NGNiMjQwNzAucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvMTE5NS9mb3JtYXQvd2VicA?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy8yMDYyNzI5LThiZjk0MmNjZTM0YzQ0MTkucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvMTIwMC9mb3JtYXQvd2VicA?x-oss-process=image/format,png
[1759]: https://github.com/naver/pinpoint/issues/1759
[1760]: https://github.com/naver/pinpoint/issues/1760
[Cassandra]: https://www.w3cschool.cn/cassandra/
[www.naver.com]: http://www.naver.com
[https_www.jianshu.com_p_92a12de11f18]: https://www.jianshu.com/p/92a12de11f18
[https_blog.csdn.net_Daybreak1209_article_details_98070997]: https://blog.csdn.net/Daybreak1209/article/details/98070997#%23%23
[https_blog.csdn.net_xvshu_article_details_79714134]: https://blog.csdn.net/xvshu/article/details/79714134