排查一次「下单慢」:请求先后经过网关、订单、库存、营销四个服务,日志散在四台机器四个目录。你先要靠时间戳猜调用顺序,再人工把四段日志拼成一条线——拼完一小时过去了,线上早炸完了。链路追踪(给每个请求打上全局标识、自动串联跨服务调用链路的可观测技术)就是为消灭这种人肉拼图而生。
整条链路靠两个 ID 缝起来。TraceId(一次请求在全链路的唯一标识):请求进网关时生成,此后跨服务传递,所有服务的日志都带着它——grep 一个 TraceId,四段日志瞬间归位。SpanId(链路上一个工作单元的标识):每个服务的一次处理是一个 Span,记录起止时间、成功失败、所在节点。Span 之间的父子关系(订单调用库存,订单的 Span 是父,库存的是子)还原出调用树。
TraceId = abc123
gateway span1 [0ms - 152ms]
order span2 [8ms - 140ms] ← 网关的子
stock span3 [12ms - 45ms] ← 订单的子
coupon span4 [50ms - 138ms] ← 订单的子
结论一眼可见:慢在coupon这段
传递机制值得一句:跨服务时 TraceId 藏在 HTTP Header 里(约定键如 X-Trace-Id)带到下游,下游拦截后继续下传——和 12.3 的 requestId 唤醒 Future 是同一「随请求携带上下文」的思想。日志关联则是把它塞进 MDC(日志的诊断上下文,ThreadLocal 存的键值对):日志格式里配 %X{traceId},每行日志自动带 ID——grep 链路日志的地基就这一行配置。
Sleuth + Zipkin(Spring Cloud 官方链路方案:Sleuth 埋点 + Zipkin 收集展示)走埋点侵入路线:引依赖加配置,框架在 Feign、RestTemplate、MQ 等组件的调用点自动织入拦截逻辑(AOP 的又一次工业应用,13.3)。优点是 Spring 生态无缝、可控粒度细;局限是只覆盖 Java 且要按组件逐个埋。
SkyWalking(Apache 顶级链路追踪项目,字节码增强实现无侵入观测)走探针无侵入路线:启动命令挂一个 -javaagent 参数,JavaAgent 在类加载时改写字节码,把追踪代码织进任意框架的方法里——业务代码零改动、零依赖,连 Spring 意识不到它的存在。覆盖面也更广:Java 之外支持多语言探针,还附带拓扑图、JVM 监控、告警一整套 APM 能力。8.4 讲类加载时埋的伏笔在这兑现:字节码增强(运行期改写类的字节码注入逻辑的技术)是「无侵入」三个字的全部底牌。
选型口径一句话:Spring 全家桶小规模用 Sleuth+Zipkin 轻快上手;异构技术栈、要拓扑告警的 SkyWalking 是主流——国内生产环境后者占比明显更高。
绕不开的行业趋势是 OpenTelemetry(OTel:CNCF 推的可观测数据统一标准与工具集)。它管两件事:数据模型标准化(Trace/Span/Metric/Log 的语义、ID 格式、传递协议统一)和采集端统一(一套 SDK/agent 同时产出三类数据,后端随便换)。背景是早年的乱战——各家追踪系统 API 互不兼容,埋点代码跟后端绑死,换平台等于重埋。OTel 把「采集」和「存储展示」解耦后,Sleuth 已转向桥接 OTel(Spring Boot 3 官方推荐 Micrometer Tracing),SkyWalking 也兼容 OTel 协议入端——埋点一次、后端随换正在成为现实。新项目的技术选型建议直接问一句「支不支持 OTel 协议」,给未来留后门。
链路追踪还要放进可观测三支柱里看才完整:Metrics(指标:数值化的聚合视图,如 QPS、P99、错误率)答「有没有异常」;Logging(日志:离散的事件明细)答「具体发生了什么」;Tracing(链路:请求维度的跨服务串联)答「慢在哪一跳、断在哪个服务」。三者联动的工作流才是完整排障姿势:指标告警发现问题(P99 突刺)→ 链路定位范围(慢在 coupon 服务)→ 日志查明原因(那段时间 GC 频繁)。三支柱共用 TraceId 做关联钥匙——指标异常点旁挂着当时的高耗时 Trace 样本,点进去能一路下钻到日志。这也是 7.1 讲日志规范时强调「带上下文」的终极形态。
全量追踪的代价不小:每条 Span 上报一次后端,大流量下网络和存储都肉疼。所以生产默认采样(只记录链路中一部分请求的取舍机制):常规 1%~10% 足够画像,慢请求和错误请求强制 100% 采——保住最有诊断价值的那部分。另一个性能点是异步上报:Span 先进本地队列,后台线程批量发,追踪开销压到毫秒以内——12.3「异步藏等待」的思想又一次复用。
排查姿势收个尾:拿到用户反馈的订单号 → 反查这条请求的 TraceId → 在追踪系统里看瀑布图,哪个 Span 突出一目了然 → 点开看那个服务的日志和 JVM 指标。三分钟走完从前要一小时的路,这就是链路追踪在排障里的实际购买力。
链路追踪用 TraceId 串链、SpanId 画像,Sleuth 靠埋点、SkyWalking 靠字节码——微服务的「黑匣子」装好之后,排障从人肉拼图变成看图说话。