皮皮网

1.微服务实战SpringCloud之Feign简介及使用
2.微服务实践之全链路追踪（sleuth，微服务监zipkin）详解-SpringCloud(2021.0.x)-4
3.MDC是控源什么？用法、源码一锅端
4.一文读懂PaaS、码微FaaS，服务运行微服务应该选择哪个？
5.SpringCloud入门实战-Sleuth+Zipkin分布式请求链路跟踪详解
6.还在用Zipkin分布式服务链路追踪?监控来试试这个吧!

微服务实战SpringCloud之Feign简介及使用

       在对接第三方系统时，使用硬编码的微服务监b s源码方式实现对接已显得相对繁琐且效率低下。这里，控源我推荐使用 Feign 这种更为便捷的码微方法。Feign 不仅可以轻松地实现服务间的服务服务调用，还能实现非服务间的监控 HTTP 调用。然而，微服务监这种技术的控源广泛应用和深入理解在一定程度上依赖于开发者的思想转变。

       最新版本的码微 Spring 框架（Spring 6 的第一个 GA 版本）新增了 HTTP Interface 特性，这使得开发者能够通过定义特定注解标记的服务方法的 Java 接口来实现 HTTP 请求。这一特性与使用 Feign 进行远程服务调用非常类似，监控显示了 Spring 在这一领域整合和简化实现的趋势。开发者将能够更加专注于业务逻辑而非底层调用细节。

       为了展示这一特性，我将构建一个简单的示例。首先，我们需要创建一个简单的 HTTP 服务。我们可以通过 Spring Boot 工程来实现这个目标。在 Spring Boot 工程中，我们首先定义一个实体类，然后创建一个简单的 Controller 来处理 HTTP 请求。确保在本地地址 pose文件用于启动服务，执行SQL脚本创建表。

       在POM文件中引入Sleuth和Zipkin依赖。配置Zipkin服务地址及采样率（测试中设置为%）。每个服务配置才能实现全链路追踪。

       引入Sleuth starter自动在调用中添加追踪信息。unix源码分析例如，OpenFeign接口调用会输出日志，显示traceId和spanId，传递至Zipkin。

       登录Zipkin后台查看链路详情。使用浏览器访问http://localhost:，可按条件查询链路，展示调用链、每个跨度耗时，定位性能瓶颈，优化服务。

       Zipkin展示动态链路图，直观显示服务间调用关系。利用traceId查询特定链路，获取详细信息。追踪可视化，有助于快速定位问题。

       本文介绍了SpringCloud中链路追踪的基础使用，实践操作需在实际项目中深入探索与优化。

       相关源代码可在GitHub上查找：master-microservice。

MDC是什么？用法、源码一锅端

       MDC，即Mapped Diagnostic Context，是一个线程安全的日志上下文容器，它允许在日志中附加自定义信息，以提供更详细的日志追踪。通过快速入门，我们了解了MDC的基本使用方法、源码解读以及其在项目开发中的应用场景。

       使用MDC时，jsp模板源码首先通过MDC.put(K,V)将键值对放入容器，确保同一线程内的键唯一，不同线程之间MDC的值互不影响。在logback.xml中，通过%X{ KEY}可以输出MDC中的信息。同时，MDC.remove(Key)方法可以清除特定键值对。

       MDC的应用场景广泛，如在Web应用中，可以利用MDC输出请求用户IP地址、请求URL、统计耗时等信息，增强日志的可读性和定位问题的效率。借助MDC保存请求时产生的reqId，在请求完成后移除，便于通过grep reqId获取请求流程的日志轨迹。在微服务中，MDC可作为链路跟踪的工具，辅助追踪分布式调用的链路。

       理解MDC的底层实现是通过ThreadLocal，这是一种线程局部变量，提供线程内局部变量，减少多个函数或组件间公共变量的传递复杂度，适用于数据库连接、Session管理等场景。MDC通过ThreadLocal实现，确保了不同线程间的隔离性。

       最后，MDC是一个强大且灵活的日志管理工具，对提升日志的vb socket源码详细度和追踪能力具有重要作用。在项目开发中，合理使用MDC可以显著提高问题定位效率和系统维护的便捷性。希望本文能帮助大家更好地理解和应用MDC。

一文读懂PaaS、FaaS，运行微服务应该选择哪个？

       大家好，我是小碗汤，今天分享一篇PaaS vs FaaS的对比选择，欢迎兄弟们留言讨论~

       我们都知道微服务是分布式进程，必须独立发布、部署和扩展。乍一看，平台即服务(PaaS)和函数即服务(FaaS)，又称无服务器。这两种云计算模型也能够在软件开发过程中，提供非常短的交付时间，从而促进创新和持续研究。

       然而，当深入研究它们的技术细节时，会很快意识到它们并不总是适用在相同的场景。

       PaaS

       Platform-as-a-Service(平台即服务)是一种云模型，你提供源代码，平台将打包、发布、供给、部署、运行、监控和扩缩微服务。我能想到的最好的例子是Cloud Foundry， Heroku和谷歌 App Engine。企业 源码 打包

       你的应用程序在 PaaS 上至少有一个实例在运行。当需要通过SSE (Server-Sent-Events)、Websockets或RSocket实现通知推送时，这很方便。还有很多其他的好处，例如：及时处理传入的请求，在内存中保存数据(也称为进程内数据缓存)，实现断路器模式处理部分故障，或者利用连接池来调节工作负载和减少响应时间。

       FaaS

       Function-as-a-Service(函数即服务)指的是计算模型，在这个模型中，你的代码将被平台打包，并作为一些可配置事件(如 HTTP 请求、消息到达、文件上传)的结果，在有限时间内按需运行，之后可能随时被处理。这里的优秀代表有AWS Lambda， Azure 函数和谷歌云函数。

       我们可以用大量的functions来组装应用程序，但每个functions需要单独配置和部署。这就是为什么FaaS有时被称为纳米服务。

       考虑下面的图表，比较了使用无服务器框架(Lambda + API 网关)实现的项目和使用纯 Node.js 实现的项目之间的代码行。对于添加到软件系统中的每一个重要的功能，当使用无服务器架构时，维护项目所需的配置代码行数将以陡峭的线性速度增长。简而言之，从短期来看，无服务器架构的前景似乎不容乐观。

       经验

       我已经看到一些同事和公司倡导将FaaS作为一种方法，以避免构建和维护大量容器镜像以及跨各种环境协调的痛苦。

       我非常同意将管理基础设施的负担，从开发人员身上抽象出来的想法。然而，我们已经看到 PaaS 和 FaaS 都能够代表开发人员处理无差别的繁重工作，包括打包、部署和自动伸缩应用程序，以及管理安全、路由和日志聚合。

       没有必要仅仅为了避免大规模运行容器所带来的复杂性而采用 FaaS

       如果您的目标仅仅是提高开发人员的体验，那么您可能会发现，与 FaaS 相比，PaaS 以更低的复杂性和更少的侵入性来满足需求。我相信这一理念是数字平台模式越来越多人采用的原因。

       数字平台是自助服务 API、工具、服务、知识和支持的基础，是一个引人注目的内部产品。自主交付团队可以利用平台以更快的速度交付产品特性，减少协调。

       总结

       现在炒作 Serverless 似乎接近尾声，可以查看为何 Serverless 停滞不前和Serverless 未实现的潜力

       我认为，每一种模式都有各自的优点和缺点。在将我们的工作负载迁移到云上时，似乎总是没有万能的解决方案。混合的方法可能会帮助我们获得最好的结果。

       我目前的立场是:

       所以您在做决定之前先考虑自己的需求和环境，无论跟风或是什么原因，甚至可以做一些体验，这是这两种云计算模型提供的最大好处之一。

SpringCloud入门实战-Sleuth+Zipkin分布式请求链路跟踪详解

       探索SpringCloud实战：Sleuth+Zipkin实现分布式请求链路跟踪详解

       在SpringCloud入门实战系列中，我们将深入理解SpringCloud Sleuth如何协助解决微服务中的挑战。通过源码地址的项目demo，一步步掌握这一关键组件。Sleuth是Spring Cloud的分布式跟踪解决方案，它跟踪用户请求从数据采集到处理的全过程，构建调用链视图，对微服务监控至关重要。

       Sleuth借鉴了Dapper的术语，核心概念包括：

Span（跨度）：一次请求的标识，每个微服务调用产生一个，由位ID唯一标识，包含摘要、时间戳等信息。

Trace（跟踪）：调用链路集合，由一个请求产生的所有Span组成，每个跨度有各自的跟踪ID。

Annotation（标注）：记录请求的开始和结束事件，如发送请求、接收请求等。

       Sleuth与Zipkin紧密相关，通常一起使用进行可视化追踪。Sleuth特性包括将跟踪信息添加到日志、在应用程序边界自动插入跟踪、提供分布式跟踪数据模型抽象等。在项目集成时，可以搭建Zipkin服务，添加依赖，配置通过HTTP或消息传递方式发送跟踪数据，以及在业务代码中应用Sleuth。测试时，通过访问特定接口可以查看请求链路信息。

       通过实践SpringCloud Sleuth，你可以更好地理解和应用它在微服务架构中的作用，提升监控和调试的效率。

还在用Zipkin分布式服务链路追踪?来试试这个吧!

       微服务架构的兴起，为全球企业带来了转型的机遇与挑战。微服务的双刃剑效应，在带来诸多优势的同时，亦对运维、性能监控及错误排查提出了严峻考验。面对大型项目中服务节点的繁多与请求链路的复杂，分布式系统的APM管理系统应运而生，旨在帮助理解系统行为，分析性能问题，快速定位和解决问题。

       APM系统，全称Application Performance Monitor，是用于监控和管理应用程序性能的工具。谷歌的Dapper论文，作为最早的APM系统原型，为开发者和运维团队提供了强大支持。基于Dapper原理，Pinpoint、SkyWalking等出色APM框架相继问世。SpringCloud官网也集成了一套基于Zipkin的系统：Spring Cloud Sleuth。

       APM系统的基本原理主要围绕Google Dapper设计的几个核心概念：Span（请求的基本工作单元）与Trace（一次完整的调用链路，包含多个Span的树状结构，具有唯一的TraceID）。通过spanId、parentId，请求的每个链路得以串联。每次请求从发起至服务器开始，至返回response结束，每个span共享相同的唯一标识trace_id。

       在选择APM框架时，主要需考虑以下几方面：探针的性能、收集器的可扩展性、全面的调用链路数据分析能力、对开发的透明性以及对应用拓扑的完整展现。Zipkin、Pinpoint与SkyWalking等框架各有优劣，SkyWalking凭借其在探针性能、开发透明性与数据分析能力上的优势，以及部署的便利性，成为了中小型企业的理想选择。

       SkyWalking是一款提供分布式追踪功能的系统，自年起发展成为完整的APM解决方案。它适用于追踪、监控和诊断分布式系统，特别是在使用微服务架构、云原生或容积技术的场景。SkyWalking提供了分布式追踪与上下文传输、应用实例与服务性能指标分析、根源分析、应用拓扑分析、应用和服务依赖分析、慢服务检测、性能优化等主要功能。

       其特色包括多语言探针或类库支持、Java自动探针，无需修改源码即可追踪和监控程序、社区提供的其他多语言探针、.NET Core与Node.js支持、多种后端存储选择、与OpenTracing API协同工作、轻量级、完善功能的后端聚合与分析、现代化Web UI、日志集成以及应用、实例和服务的告警。

       为了使用SkyWalking，需要先确保Linux环境中的Elasticsearch服务已启动，并开放相应端口。安装过程分为三步：下载安装包、安装Skywalking的OAP服务和WebUI、部署微服务探针。在完成安装后，通过访问WebUI（默认端口为）可查看服务实例的性能监控、服务拓扑图、请求链路追踪信息与表格视图。

       本文内容由黑马程序员Java培训学院编写并发布，欢迎转载，但需注明作者及出处，以尊重版权。