阿里云國際站經(jīng)銷商，主營阿里云，騰訊云，華為云，亞馬遜aws，谷歌云gcp,微軟云az，免費開戶，代充值優(yōu)惠大，聯(lián)系客服飛機@jkkddd
通過TraceExplorer實時分析鏈路數(shù)據(jù)
本文將介紹如何通過鏈路分析快速定位五種經(jīng)典線上問題，更直觀的了解鏈路分析的用法與價值。背景信息
除了使用調(diào)用鏈排查單次請求的異常，或者使用預聚合的鏈路統(tǒng)計指標進行服務監(jiān)控與告警之外，鏈路追蹤還支持基于明細鏈路數(shù)據(jù)的后聚合分析，簡稱鏈路分析（Trace Explorer）。相比調(diào)用鏈，鏈路分析能夠更快的定界問題；相比預聚合的監(jiān)控圖表，鏈路分析可以更靈活的實現(xiàn)自定義診斷。
鏈路分析是基于已存儲的全量鏈路明細數(shù)據(jù)，自由組合篩選條件與聚合維度進行實時分析，可以滿足不同場景的自定義診斷需求。例如，查看耗時大于3秒的慢調(diào)用時序分布，查看錯誤請求在不同機器上的分布，或者查看VIP客戶的流量變化等。
問題一：流量不均
負載均衡配置錯誤，導致大量請求打到少量機器，造成“熱點”影響服務可用性，怎么辦？
流量不均導致的“熱點擊穿”問題，很容易造成服務不可用。在生產(chǎn)環(huán)境中出現(xiàn)過多起這樣的案例，比如因負載均衡配置錯誤，注冊中心異常導致重啟節(jié)點的服務無法上線，DHT哈希因子異常等。
流量不均的最大風險在于能否及時發(fā)現(xiàn)“熱點”現(xiàn)象。它的問題表象更多是服務響應變慢或報錯，傳統(tǒng)的監(jiān)控無法直觀的反映熱點現(xiàn)象，所以大部分運維人員都不會第一時間考慮這個因素，從而浪費了寶貴的應急處理時間，造成故障影響面不斷擴散。
通過鏈路分析按IP分組統(tǒng)計鏈路數(shù)據(jù)，可以直觀地看到調(diào)用請求分布在哪些機器上，特別是問題發(fā)生前后的流量分布變化。如果大量請求突然集中在一臺或少量機器，很可能是流量不均導致的熱點問題，然后再結(jié)合問題發(fā)生點的變更事件，快速定位造成故障的錯誤變更，及時回滾。
在Trace Explorer頁面設置按IP聚合，如下圖所示，可以發(fā)現(xiàn)大部分流量集中在XX.XX.XX.108這臺機器上。
問題二：單機故障
網(wǎng)卡損壞、CPU超賣、磁盤打滿等單機故障，導致部分請求失敗或超時，如何排查？
單機故障每時每刻都在頻繁發(fā)生，特別是核心集群由于節(jié)點數(shù)量比較多，從統(tǒng)計概率來看幾乎是一種“必然”事件。單機故障不會造成服務大面積不可用，但是會造成少量的用戶請求失敗或超時，持續(xù)影響用戶體驗和答疑成本，需要及時處理。
單機故障可以分為宿主機故障和容器故障兩類（在Kubernetes環(huán)境可以分為Node和Pod）。例如CPU超賣、硬件故障等都是宿主機級別，會影響所有容器；而磁盤打滿、內(nèi)存溢出等故障僅影響單個容器。因此，在排查單機故障時，可以根據(jù)宿主機IP和容器IP兩個維度分別進行分析。
面對這類問題，可以通過鏈路分析先篩選出異常或超時請求，然后再根據(jù)宿主機IP或容器IP進行聚合分析，可以快速判斷是否存在單機故障。如果異常請求集中在單臺機器，可以嘗試替換機器進行快速恢復，或者排查該機器的各項系統(tǒng)參數(shù)：例如磁盤空間是否已滿、CPU Steal Time是否過高等。如果異常請求分散在多臺機器，那么大概率可以排除單機故障因素，可以重點分析下游依賴服務或程序邏輯是否異常。
在Trace Explorer頁面篩選錯誤調(diào)用或慢調(diào)用，并設置按IP進行分組統(tǒng)計，如果異常調(diào)用集中出現(xiàn)在特定機器，則有較大概率是機器故障。
問題三：慢接口治理
新應用上線或大促前性能優(yōu)化，如何快速梳理慢接口列表，解決性能瓶頸？
新應用上線或大促備戰(zhàn)時通常需要做一次系統(tǒng)性的性能調(diào)優(yōu)。第一步就是分析當前系統(tǒng)存在哪些性能瓶頸，梳理出慢接口的列表和出現(xiàn)頻率。
此時，可以通過鏈路分析篩選出耗時大于一定閾值的調(diào)用，再根據(jù)接口名稱進行分組統(tǒng)計，這樣就可以快速定位慢接口的列表與規(guī)律，然后對出現(xiàn)頻率最高的慢接口逐一進行治理。
找到慢接口后，可以結(jié)合相關的調(diào)用鏈、方法棧和線程池等數(shù)據(jù)定位慢調(diào)用根因。常見原因包括以下幾類：
數(shù)據(jù)庫或微服務連接池過小，大量請求處于獲取連接狀態(tài)?？梢哉{(diào)大連接池最大線程數(shù)解決。
N+1問題。例如一次外部請求內(nèi)部調(diào)用了上百次的數(shù)據(jù)庫調(diào)用，可以將碎片化的請求進行合并，降低網(wǎng)絡傳輸耗時。
單次請求數(shù)據(jù)過大，導致網(wǎng)絡傳輸和反序列化時間過長，而且容易導致Full GC?？梢詫⑷坎樵兏臑榉猪摬樵儯苊庖淮握埱筮^多數(shù)據(jù)。
日志框架“熱鎖”?？梢詫⑷罩就捷敵龈臑楫惒捷敵?。
在Trace Explorer頁面篩選大于5秒的慢調(diào)用，并設置按接口名進行分組統(tǒng)計，發(fā)現(xiàn)慢接口的規(guī)律。
問題四：業(yè)務流量統(tǒng)計
如何分析重?？蛻艋蚯赖牧髁孔兓头召|(zhì)量？
在實際生產(chǎn)環(huán)境中，服務通常是標準的，但業(yè)務卻是分類分級的。同樣的訂單服務，我們需要按照類目、渠道、用戶等維度進行分類統(tǒng)計，實現(xiàn)精細化運營。例如，對于線下零售渠道而言，每一筆訂單、每一個POS機的穩(wěn)定性都可能會觸發(fā)輿情，線下渠道的SLA要求要遠高于線上渠道。那么，應該如何在通用的電商服務體系中，精準的監(jiān)控線下零售鏈路的流量狀態(tài)和服務質(zhì)量呢？
這里可以使用鏈路分析的自定義Attributes過濾和統(tǒng)計實現(xiàn)低成本的業(yè)務鏈路分析。例如，在入口服務針對線下訂單打上 {"attributes.channel": "offline"}的標簽，然后再針對不同門店、用戶客群和商品類目分別打標。最后，通過對attributes.channel = offline進行過濾，再對不同的業(yè)務標簽進行group by來分組統(tǒng)計調(diào)用次數(shù)、耗時或錯誤率等指標，就可以快速地分析出每一類業(yè)務場景的流量趨勢與服務質(zhì)量。
問題五：灰度發(fā)布監(jiān)控
500臺機器分10批發(fā)布，如何在第一批灰度發(fā)布后，就能快速判斷是否有異常？
變更三板斧“可灰度、可監(jiān)控、可回滾”是保障線上穩(wěn)定性的重要準則。其中，分批次灰度變更是降低線上風險，控制爆炸半徑的關鍵手段。一旦發(fā)現(xiàn)灰度批次的服務狀態(tài)異常，應及時進行回滾，而不是繼續(xù)發(fā)布。然而，生產(chǎn)環(huán)境很多故障的發(fā)生都是由于缺乏有效的灰度監(jiān)控導致的。
例如，當微服務注冊中心異常時，重啟發(fā)布的機器無法進行服務注冊上線。由于缺乏灰度監(jiān)控，前幾批重啟機器雖然全部注冊失敗，導致所有流量都集中路由到最后一批機器，但是應用監(jiān)控的總體流量和耗時沒有顯著變化，直至最后一批機器也重啟注冊失敗后，整個應用進入完全不可用狀態(tài)，最終導致了嚴重的線上故障。
在上述案例中，如果使用{"attributes.version": "v1.0.x"}對不同機器流量進行版本打標，通過鏈路分析對attributes.version進行分組統(tǒng)計，可以清晰的區(qū)分發(fā)布前后或不同版本的流量變化和服務質(zhì)量，不會出現(xiàn)灰度批次異常被全局監(jiān)控掩蓋的情況。
鏈路分析的約束限制
鏈路分析雖然使用靈活，可以滿足不同場景的自定義診斷需求，但是它也有幾點使用約束限制：
基于鏈路明細數(shù)據(jù)進行分析的成本較高。
鏈路分析的前提是盡可能完整的上報并存儲鏈路明細數(shù)據(jù)。如果采樣率比較低導致明細數(shù)據(jù)不全，鏈路分析的效果就會大打折扣。為了降低全量存儲成本，可以在用戶集群內(nèi)部署邊緣數(shù)據(jù)節(jié)點，進行臨時數(shù)據(jù)緩存與處理，降低跨網(wǎng)絡上報開銷。或者，在服務端進行冷熱數(shù)據(jù)分離存儲，熱存儲進行全量鏈路分析，冷存儲進行錯慢鏈路診斷。
后聚合分析的查詢性能開銷大，并發(fā)小，不適合用于告警。
鏈路分析是實時的進行全量數(shù)據(jù)掃描與統(tǒng)計，查詢性能開銷要遠大于預聚合統(tǒng)計指標，所以不適合進行高并發(fā)的告警查詢。需要結(jié)合自定義指標功能將后聚合分析語句下推至客戶端進行自定義指標統(tǒng)計，以便支持告警與大盤定制。
結(jié)合自定義標簽埋點，才能最大化釋放鏈路分析價值。
鏈路分析不同于標準的應用監(jiān)控預聚合指標，很多自定義場景的標簽需要用戶手動埋點打標，這樣才能最有效的區(qū)分不同業(yè)務場景，實現(xiàn)精準分析。
心靈雞湯：
標題：阿里云賬號實名注冊，阿里云代理商
地址：http://www.nickbaillie.com/kfxw/64433.html
