Zipkin 中文教程

1. 项目概述

Zipkin 是一个开源的分布式追踪系统，由 Twitter 开发并捐赠给 Cloud Native Computing Foundation (CNCF)。它专为监控和排查微服务架构中的性能问题而设计，提供了分布式事务的追踪、性能监控和故障排查能力。

主要功能

• 分布式事务追踪：跟踪请求在微服务架构中的完整调用链
• 性能监控：识别系统瓶颈和性能问题
• 服务依赖分析：可视化服务间的调用关系
• 根因分析：快速定位故障源头
• 多维度数据：支持按服务、操作、标签等多维度分析
• 实时数据：提供近实时的追踪数据
• 历史数据：支持存储和查询历史追踪数据
• 告警集成：与 Prometheus 等告警系统集成

技术栈特点

• 用 Java 语言编写，稳定可靠
• 基于 Dapper 论文设计
• 支持多种存储后端：Elasticsearch、Cassandra、MySQL
• 水平可扩展：支持集群部署
• 与 Kubernetes 深度集成
• 支持多种采集方式：HTTP、Kafka、RabbitMQ

适用环境

• 微服务架构
• 分布式系统
• 云原生环境
• 容器化应用

2. 安装与配置

2.1 快速启动（开发环境）

使用 Docker 运行 Zipkin：

docker run -d \n  --name zipkin \n  -p 9411:9411 \n  openzipkin/zipkin:2.24.0

2.2 生产环境安装

2.2.1 使用 Helm 安装到 Kubernetes

helm repo add openzipkin https://openzipkin.github.io/zipkin-helm
helm repo update
helm install zipkin openzipkin/zipkin

2.2.2 自定义部署

生产环境中，Zipkin 通常采用以下组件：

• Zipkin Collector：接收和处理追踪数据
• Zipkin Query：提供查询和 UI 服务
• Zipkin Storage：存储追踪数据（如 Elasticsearch、Cassandra）
• Zipkin Dependencies：计算服务依赖关系

2.3 基本配置

2.3.1 环境变量配置

# 使用 Elasticsearch 存储
docker run -d \n  --name zipkin \n  -p 9411:9411 \n  -e STORAGE_TYPE=elasticsearch \n  -e ES_HOSTS=http://elasticsearch:9200 \n  openzipkin/zipkin:2.24.0

# 使用 Cassandra 存储
docker run -d \n  --name zipkin \n  -p 9411:9411 \n  -e STORAGE_TYPE=cassandra \n  -e CASSANDRA_CONTACT_POINTS=cassandra:9042 \n  openzipkin/zipkin:2.24.0

# 使用 MySQL 存储
docker run -d \n  --name zipkin \n  -p 9411:9411 \n  -e STORAGE_TYPE=mysql \n  -e MYSQL_HOST=mysql \n  -e MYSQL_TCP_PORT=3306 \n  -e MYSQL_USER=zipkin \n  -e MYSQL_PASS=zipkin \n  openzipkin/zipkin:2.24.0

2.3.2 配置文件

# zipkin-server.yml
server:
  port: 9411

zipkin:
  storage:
    type: elasticsearch
    elasticsearch:
      hosts: http://elasticsearch:9200
      index: zipkin
      index-shards: 5
      index-replicas: 1

  collector:
    sample-rate: 1.0
    http:
      enabled: true
    kafka:
      enabled: false
    rabbitmq:
      enabled: false

  query:
    enabled: true
    timeout: 10s

  dependencies:
    enabled: true
    period: 1h

3. 基本使用

3.1 启动 Zipkin

# 启动 Zipkin 容器
docker run -d --name zipkin -p 9411:9411 openzipkin/zipkin:2.24.0

# 访问 Zipkin UI
# 打开浏览器访问 http://localhost:9411

3.2 访问 Zipkin UI

Zipkin 启动后，可以通过 http://localhost:9411 访问 Zipkin Web UI。

3.3 集成应用

3.3.1 Java 应用集成

使用 Spring Cloud Sleuth 集成 Java 应用：

<!-- pom.xml -->
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-sleuth</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-zipkin</artifactId>
</dependency>

# application.yml
spring:
  zipkin:
    base-url: http://localhost:9411
  sleuth:
    sampler:
      probability: 1.0 # 采样率

3.3.2 Node.js 应用集成

使用 zipkin-js 集成 Node.js 应用：

npm install zipkin zipkin-transport-http express-zipkin-tracing

// tracing.js
const { Tracer, ExplicitContext, BatchRecorder } = require('zipkin');
const { HttpLogger } = require('zipkin-transport-http');
const zipkinMiddleware = require('express-zipkin-tracing');

// 创建 Zipkin 记录器
const recorder = new BatchRecorder({
  logger: new HttpLogger({
    endpoint: 'http://localhost:9411/api/v2/spans'
  })
});

// 创建上下文
const ctxImpl = new ExplicitContext();

// 创建追踪器
const tracer = new Tracer({
  ctxImpl,
  recorder,
  localServiceName: 'my-service'
});

module.exports = {
  tracer,
  ctxImpl,
  zipkinMiddleware: zipkinMiddleware({
    tracer,
    serviceName: 'my-service'
  })
};

// app.js
const express = require('express');
const { zipkinMiddleware } = require('./tracing');

const app = express();

// 使用 Zipkin 中间件
app.use(zipkinMiddleware);

app.get('/', (req, res) => {
  res.send('Hello World!');
});

app.listen(3000, () => {
  console.log('Server listening on port 3000');
});

3.3.3 其他语言集成

• Python：使用 py_zipkin 库
• Go：使用 zipkin-go 库
• .NET：使用 Zipkin.NET 库
• Ruby：使用 zipkin-ruby 库

3.4 查看追踪数据

1. 访问 Zipkin UI：http://localhost:9411
2. 在 "Service Name" 下拉菜单中选择服务名称
3. 在 "Span Name" 下拉菜单中选择操作名称
4. 点击 "Find Traces" 按钮
5. 查看追踪结果列表
6. 点击单个追踪查看详细信息

3.5 基本查询

Zipkin UI 支持以下查询方式：

• 按服务和操作查询：选择服务和操作名称
• 按时间范围查询：设置开始和结束时间
• 按标签查询：使用标签键值对过滤
• 按追踪 ID 查询：直接输入追踪 ID
• 按注释查询：使用注释内容过滤

4. 高级特性

4.1 采样策略

Zipkin 支持多种采样策略：

• 概率采样：按固定概率采样
• 速率限制采样：限制每秒采样数量
• 边界采样：在服务边界进行采样决策
• 自定义采样：根据业务逻辑自定义采样策略

4.1.1 配置采样策略

Java 应用示例：

// 自定义采样器
@Bean
public Sampler<?> sampler() {
    return Sampler.create(0.1f); // 10% 采样率
}

Node.js 应用示例：

// 自定义采样器
const sampler = new ProbabilitySampler(0.1); // 10% 采样率

const tracer = new Tracer({
  ctxImpl,
  recorder,
  localServiceName: 'my-service',
  sampler
});

4.2 数据采集

Zipkin 支持多种数据采集方式：

• HTTP：直接通过 HTTP 发送追踪数据
• Kafka：使用 Kafka 作为消息队列
• RabbitMQ：使用 RabbitMQ 作为消息队列
• gRPC：使用 gRPC 发送追踪数据

4.2.1 配置 Kafka 采集

# 使用 Kafka 采集
docker run -d \n  --name zipkin \n  -p 9411:9411 \n  -e STORAGE_TYPE=elasticsearch \n  -e ES_HOSTS=http://elasticsearch:9200 \n  -e KAFKA_BOOTSTRAP_SERVERS=kafka:9092 \n  -e KAFKA_TOPIC=zipkin \n  openzipkin/zipkin:2.24.0

4.3 服务依赖分析

Zipkin 提供了服务依赖分析功能，通过分析追踪数据自动计算服务间的依赖关系：

1. 访问 Zipkin UI：http://localhost:9411
2. 点击顶部菜单的 "Dependencies"
3. 查看服务依赖图
4. 可选择时间范围查看不同时期的依赖关系

4.4 与 Prometheus 集成

Zipkin 可以与 Prometheus 集成，实现基于追踪数据的告警：

1. 启用 Zipkin 的 Prometheus 指标
2. 配置 Prometheus 抓取 Zipkin 指标
3. 创建基于追踪数据的告警规则

# prometheus-alerts.yaml
groups:
- name: zipkin-alerts
  rules:
  - alert: HighTraceErrorRate
    expr: |
      sum(rate(zipkin_collector_spans_total{status="ERROR"}[5m])) by (service_name) / sum(rate(zipkin_collector_spans_total[5m])) by (service_name) > 0.1
    for: 5m
    labels:
      severity: warning
    annotations:
      summary: "High error rate in traces"
description: "Service {{ $labels.service_name }} has error rate of {{ $value }} in traces"

  - alert: SlowTraceDuration
    expr: |
      histogram_quantile(0.95, sum(rate(zipkin_collector_span_duration_seconds_bucket[5m])) by (service_name, operation_name, le)) > 1
    for: 5m
    labels:
      severity: warning
    annotations:
      summary: "Slow trace duration"
description: "Operation {{ $labels.operation_name }} in service {{ $labels.service_name }} has 95th percentile duration of {{ $value }} seconds"

4.5 性能优化

4.5.1 存储优化

• 使用适当的存储后端：生产环境推荐使用 Elasticsearch 或 Cassandra
• 配置索引生命周期：设置适当的索引保留时间
• 调整批量大小：优化 Collector 的批量处理大小
• 使用采样：合理配置采样策略，减少存储压力

4.5.2 Collector 优化

• 水平扩展：部署多个 Collector 实例
• 使用消息队列：配置 Kafka 或 RabbitMQ 作为缓冲
• 优化批处理：调整批处理大小和间隔

4.5.3 客户端优化

• 批量发送：配置适当的批处理大小
• 压缩数据：启用数据压缩
• 合理采样：设置适当的采样率
• 异步发送：使用异步方式发送追踪数据

5. 最佳实践

5.1 追踪设计

• 为每个服务设置有意义的名称：便于在 Zipkin UI 中识别
• 为每个操作设置有意义的名称：如 HTTP 方法 + 路径
• 添加有意义的标签：如用户 ID、订单 ID、错误类型等
• 保持跨度粒度适当：不要创建过多或过少的跨度
• 记录关键事件：如数据库查询、外部 API 调用、业务逻辑决策

5.2 集成策略

• 使用框架集成：优先使用框架提供的集成方案（如 Spring Cloud Sleuth）
• 补充手动追踪：对关键业务逻辑添加手动追踪
• 标准化上下文传播：确保所有服务使用相同的上下文传播机制
• 统一采样策略：在整个系统中使用一致的采样策略

5.3 数据管理

• 设置合理的保留期：根据业务需求和存储成本设置
• 使用索引模板：为 Elasticsearch 设置适当的索引模板
• 监控存储使用：定期监控存储使用情况
• 备份重要数据：对重要的追踪数据进行备份

5.4 告警策略

• 基于关键指标：如错误率、P95 响应时间
• 设置合理的阈值：避免误报
• 分级告警：根据严重程度设置不同级别的告警
• 与其他监控系统集成：如 Prometheus、Grafana

5.5 安全最佳实践

• 保护 Zipkin UI：添加认证和授权
• 加密传输：使用 TLS 加密数据传输
• 限制访问：只允许必要的人员访问 Zipkin
• 敏感数据处理：避免在追踪中存储敏感信息

6. 实际应用场景

6.1 微服务架构监控

使用 Zipkin 监控微服务架构的完整调用链：

场景：一个电商系统，包含用户服务、订单服务、支付服务、库存服务等多个微服务。

追踪流程：

1. 用户请求 POST /api/orders 创建订单
2. 订单服务调用用户服务验证用户信息
3. 订单服务调用库存服务检查库存
4. 订单服务调用支付服务处理支付
5. 订单服务更新订单状态
6. 订单服务返回响应给用户

查询与分析：

• 查看完整调用链：在 Zipkin UI 中通过追踪 ID 查看完整的调用链
• 识别瓶颈：查看每个服务的响应时间，识别性能瓶颈
• 分析依赖关系：通过服务依赖图分析服务间的依赖关系
• 排查错误：当出现错误时，通过追踪数据快速定位错误源头

6.2 性能问题排查

使用 Zipkin 排查系统性能问题：

场景：系统响应时间突然增加，需要快速定位原因。

排查步骤：

1. 在 Zipkin UI 中查询最近的追踪数据
2. 按响应时间排序，找到最慢的请求
3. 查看慢请求的详细调用链
4. 分析每个服务的响应时间，识别瓶颈服务
5. 查看瓶颈服务的内部操作，定位具体问题
6. 实施优化措施
7. 验证优化效果

6.3 服务依赖分析

使用 Zipkin 分析服务间的依赖关系：

场景：需要了解系统中服务间的调用关系，优化系统架构。

分析步骤：

1. 访问 Zipkin UI 的 "Dependencies" 页面
2. 查看服务依赖图，了解服务间的调用关系
3. 分析依赖图，识别：
   • 强依赖服务
   • 循环依赖
   • 过度依赖的服务
   • 未使用的服务
4. 根据分析结果优化系统架构

6.4 多环境对比

使用 Zipkin 对比不同环境的性能：

场景：需要对比开发、测试、生产环境的性能差异。

对比步骤：

1. 在不同环境部署相同的 Zipkin 配置
2. 执行相同的测试场景
3. 在 Zipkin UI 中查询并导出追踪数据
4. 对比不同环境的：
   • 响应时间分布
   • 错误率
   • 服务调用次数
   • 资源使用情况
5. 分析差异原因，优化环境配置

7. 总结

Zipkin 是一个功能强大、稳定可靠的分布式追踪系统，它为微服务架构和分布式系统提供了全面的可观测性解决方案。通过本文的介绍，您应该已经了解了 Zipkin 的核心概念、安装配置、基本使用和高级特性。

关键优势

• 开源免费：作为 CNCF 项目，完全开源免费
• 稳定可靠：用 Java 语言编写，经过大规模生产验证
• 标准兼容：基于 Dapper 论文设计，支持 OpenZipkin 标准
• 可扩展性：支持水平扩展，适合大型系统
• 生态丰富：与 Spring Cloud、Kubernetes 等工具无缝集成
• 易于使用：提供直观的 UI 和丰富的查询功能

应用场景

• 微服务架构监控和故障排查
• 分布式系统性能分析
• 服务依赖关系分析
• 多环境性能对比
• DevOps 持续监控

Zipkin 与 Prometheus、Grafana 等工具结合使用，可以构建完整的可观测性平台，帮助您更好地理解和优化系统性能，提高系统的可靠性和可用性。