SpringCloud：微服务利剑之APM平台（二）Pinpoint

1. Pinpoint概述

Pinpoint是一个由韩国人编写的为大型分布式系统服务的链路跟踪平台，并提供大量链路跟踪数据分析汇总解决方案。自2012年7月开始开发，与2015年1月做为一个开源项目推出。

2. Pinpoint主要特性

• 分布式事务跟踪，跟踪跨分布式应用的消息。（了解源码可+求求: 1791743380）
• 自动检测应用拓扑，帮助你搞清楚应用的架构。
• 水平扩展以便支持大规模服务器集群。
• 提供代码级别的可见性以便轻松定位失败点和瓶颈。
• 使用字节码增强技术，添加新功能而无需修改代码。

3. Pinpoint优势

• 无入侵：采用字节码增强技术，新增功能无需修改代码。
• 性能高：对性能的影响非常小（资源使用量最小仅增加3%），异步数据传输，采用UDP协议让出网络连接优先级。

4. Pinpoint架构简介

先看一下官方提供的架构图，如图：

 

 

 

Pinpoint主要包含了4个组件：

• Pinpoint Agent：探针，附加到用于分析的Java服务
• Pinpoint Collector：数据收集组件，部署在Web容器上
• Pinpoint Web UI：数据展示组件，部署在Web容器上
• HBase Storage：数据存储组件

架构图从上往下看，首先是通过Agent组件收集需要的数据，通过UPD/TCP的方式将数据发送给Collector，由Collector将数据分析整理过后存入HBase，通过Web UI组件将分析好的数据从HBase中读出，展示在现代化的UI界面上。

5. Pinpoint数据结构简介

Pinpoint中，核心数据结构由Span, Trace, 和 TraceId组成。

• Span: RPC (远程过程调用/remote procedure call)跟踪的基本单元; 当一个RPC调用到达时指示工作已经处理完成并包含跟踪数据。为了确保代码级别的可见性，Span拥有带SpanEvent标签的子结构作为数据结构。每个Span包含一个TraceId。
• Trace: 多个Span的集合; 由关联的RPC (Spans)组成. 在同一个trace中的span共享相同的TransactionId。Trace通过SpanId和ParentSpanId整理为继承树结构.
• TraceId: 由 TransactionId, SpanId, 和 ParentSpanId 组成的key的集合. TransactionId 指明消息ID，而SpanId 和 ParentSpanId 表示RPC的父-子关系。
  • TransactionId (TxId): 在分布式系统间单个事务发送/接收的消息的ID; 必须跨整个服务器集群做到全局唯一.
  • SpanId: 当收到RPC消息时处理的工作的ID; 在RPC请求到达节点时生成。
  • ParentSpanId (pSpanId): 发起RPC调用的父span的SpanId. 如果节点是事务的起点，这里将没有父span – 对于这种情况， 使用值-1来表示这个span是事务的根span。

6. Pinpoint版本依赖

• Pinpoint所需要的Java版本兼容：

Pinpoint Version Agent Collector Web

1.0.x	6-8	6-8	6-8
1.1.x	6-8	7-8	7-8
1.5.x	6-8	7-8	7-8
1.6.x	6-8	7-8	7-8
1.7.x	6-8	8	8
1.8.0	6-10	8	8
1.8.1+	6-11	8	8

• HBase所需要的版本兼容

Pinpoint Version HBase 0.94.x HBase 0.98.x HBase 1.0.x HBase 1.2.x HBase 2.0.x

1.0.x	yes	no	no	no	no
1.1.x	no	not tested	yes	not tested	no
1.5.x	no	not tested	yes	not tested	no
1.6.x	no	not tested	not tested	yes	no
1.7.x	no	not tested	not tested	yes	no
1.8.x	no	not tested	not tested	yes	no
Pinpoint Version	HBase 0.94.x	HBase 0.98.x	HBase 1.0.x	HBase 1.2.x	HBase 2.0.x

• Agent – Collector所需要的版本兼容

Agent Version Collector 1.0.x Collector 1.1.x Collector 1.5.x Collector 1.6.x Collector 1.7.x Collector 1.8.x

1.0.x	yes	yes	yes	yes	yes	yes
1.1.x	not tested	yes	yes	yes	yes	yes
1.5.x	no	no	yes	yes	yes	yes
1.6.x	no	no	not tested	yes	yes	yes
1.7.x	no	no	no	no	yes	yes
1.8.x	no	no	no	no	no	yes
Agent Version	Collector 1.0.x	Collector 1.1.x	Collector 1.5.x	Collector 1.6.x	Collector 1.7.x	Collector 1.8.x

• Flink所需要的版本兼容

Pinpoint Version flink 1.3.X flink 1.4.X flink 1.5.X flink 1.6.X flink 1.7.X Pinpoint Version

1.7.x	yes	yes	no	no	no	1.7.x
1.8.x	yes	yes	no	no	no	1.8.x
1.9.x	yes	yes	yes	yes	yes	1.9.x
Pinpoint Version	flink 1.3.X	flink 1.4.X	flink 1.5.X	flink 1.6.X	flink 1.7.X	Pinpoint Version
1.7.x	yes	yes	no	no	no	1.7.x
1.8.x	yes	yes	no	no	no	1.8.x
1.9.x	yes	yes	yes	yes	yes	1.9.x

7. Spring Cloud与Pinpoint实战

在介绍实战之前，我们先介绍一下Pinpoint部署构建。

笔者构建的一些前置条件：

java：1.8
CentOS：7.6

1. HBase部署

存储方式需要使用HBase1.2.x的版本，笔者这里选择的是HBase1.2.6，下载地址为Apache官网，推荐使用有端点续传功能的下载器下载（实在是有点慢），HBase全版本下载地址：http://archive.apache.org/dist/hbase/ ，各位读者选择自己喜欢的版本下载。

下载完成后，将HBase1.2.6放入CentOS的opt目录中，执行如下命令：

tar -xvzf hbase-1.2.6-bin.tar.gz
mv hbase-1.2.6/ /data/service/hbase/

 修改hbase中config目录中的JAVA_HOME，将这里的JAVA_HOME修改为自己本地的路径，笔者这里修改如下：

export JAVA_HOME=/opt/jdk1.8.0_221

 修改完成后就可以进入hbase的bin目录，启动hbase了，执行如下语句：

./start-hbase.sh

 启动成功后，可以执行jps，如果看到有HMaster，可有证明启动成功，如下：

19263 HMaster

 也可以打开浏览器访问：http://ip:16010/master-status ，结果如图：

 

 

 

接下来我们先把Pinpoint的HBase的构建脚本导入，进入HBase的bin目录下执行如下语句：

./hbase shell /opt/hbase-create.hbase

 数据导入成功我们在HBase的UI界面上可以看到，如图：

 

 

 

后面的目录是笔者用来存放HBase初始化脚本的路径，各位读者可根据情况自行替换，至此，HBase环境准备完成，接下来开始部署Collector和Web UI。

1. Collector和Web UI部署

出于简单方便考虑，不推荐初学者自行编译代码进行部署，可以直接使用官方提供的发行版本进行部署。

浏览器访问链接：https://github.com/naver/pinpoint/releases/ ，直接下载当前最新Release版本即可，笔者现在看到的最新版本是1.8.4，如图，需要下载的内容有pinpoint-agent-1.8.4.tar.gz、pinpoint-collector-1.8.4.war和pinpoint-web-1.8.4.war。

 

 

 

首先需要准备两个tomcat，笔者这里下载的tomcat8，解压两份后并重命名为apache-tomcat-pinpoint-collector和apache-tomcat-pinpoint-web。

将apache-tomcat-pinpoint-collector中的config中的server.xml进行修改。

将8005改成18005，8080改成18080，8443改为18443，8009改为18009。

同样也将apache-tomcat-pinpoint-web中的config中的server.xml进行修改。

将8005改成28005，8080改成28080，8443改为28443，8009改为28009。

将apache-tomcat-pinpoint-collector中的webapp/ROOT清空，将pinpoint-collector-1.8.4.war放入并解压。解压完成后就可以进入bin目录使用./startup.sh启动tomcat了，并且使用命令tail -f ../logs/catalina.out观察启动日志是否启动成功。

同样，将apache-tomcat-pinpoint-web中的webapp/ROOT清空，将pinpoint-web-1.8.4.war放入并解压。解压完成后就可以进入bin目录使用./startup.sh启动tomcat了，并且使用命令tail -f ../logs/catalina.out观察启动日志是否启动成功。

当Collector和Web UI都启动成功后，就可以使用打开浏览器访问：http://ip:28080/#/main ，初次访问如图：

 

 

 

1. Agent启用

实战案例，本实战案例和上一篇实战案例保持一致，同样是4个服务，包括Zuul-Service、Eureka-Service、Consumer-Service和Provider-Service。具体实现代码本章不再列出，各位读者可以参考上一篇或者Github仓库（https://github.com/meteor1993/SpringCloudLearning/tree/master/chapter15），下面我们介绍Spring Cloud是如何与Pinpoint整合使用的。

接入方式和上一篇的Skywalking是一致的，都是使用探针技术接入应用程序，java -jar的方式来加载Agent探针。

首先在工程的跟目录中执行mvn install，而后在CentOS的opt中新建4个目录，分别存放4个打好包的工程。笔者这里创建的4个目录分别为/opt/project/consumer_service，/opt/project/eureka_service，/opt/project/provider_service和/opt/project/zuul_service，将4个jar包分别放入对应的目录中，并解压刚才我们下载好的pinpoint-agent-1.8.4.tar.gz探针，我们将解压后的探针放在/opt的目录中，接下来，我们使用如下命令，顺次启动4个jar包：

java -javaagent:/opt/pinpoint-bootstrap-1.8.4.jar -Dpinpoint.agentId=consumer-service -Dpinpoint.applicationName=consumer-server -jar /opt/project/consumer_service/consumer-0.0.1-SNAPSHOT.jar

java -javaagent:/opt/pinpoint-bootstrap-1.8.4.jar -Dpinpoint.agentId=eureka-service -Dpinpoint.applicationName=eureka-server -jar /opt/project/eureka_service/eureka-0.0.1-SNAPSHOT.jar

java -javaagent:/opt/pinpoint-bootstrap-1.8.4.jar -Dpinpoint.agentId=provider-service -Dpinpoint.applicationName=provider-server -jar /opt/project/provider_service/provider-0.0.1-SNAPSHOT.jar

java -javaagent:/opt/pinpoint-bootstrap-1.8.4.jar -Dpinpoint.agentId=zuul-service -Dpinpoint.applicationName=zuul-server -jar /opt/project/zuul_service/zuul-0.0.1-SNAPSHOT.jar

 上述命令执行完成之后，再打开Web UI查看显示情况。

首先打开浏览器访问：http://192.168.44.129:8080/client/hello?name=spring ，页面正常显示Hello, name is spring，查看Pinpoint的Web UI，如图：

 

 

 

图清楚的显示了我们当前系统的拓扑结构，横线上面的数字代表了调用次数，右边部分，最上面显示的是成功和失败的情况，中间部分显示的是响应时间，下面显示的是加载所使用的时间。

检查器（Inspector）：这里已Zuul-Service为例，Timeline显示的是请求的时间段，Information显示的是节点的一些当前信息，包含Application Name、Agent Id、Agent版本、JVM信息、开始时间等。

Heap信息的使用情况，如图：

 

 

 

系统CPU、活动线程、响应时间等信息如图：

 

 

 

更多Pinpoint的信息，读者可以通过官方Demo（http://125.209.240.10:10123/#/main ）或者自行构建试验来查看结果，这里不再一一赘述。至此，Spring Cloud和Pinpoint的使用介绍也就完成了。更多有关Pinpoint的信息各位读者可以前往Github的官网进行查阅，地址为：https://github.com/naver/pinpoint 。

8. 小结

这里总结一下整个案例的启动顺序：

1. 启动HBase
2. 启动collector
3. 启动Web-UI
4. 启动Agent（Eureka、provider、consumer、zuul）
5. 应用调用
6. 访问Web-UI查看统计信息

同Skywalking一样，以上启动顺序供各位读者参考，请各位读者最好按照以上顺序启动，因为不同的组件之前其实是有相互依赖关系的，如果随意更改启动顺序可能会造成某些未知问题。至此，Spring Cloud和APM的相关操作就告一段落了。APM可以很好的帮我们理解系统行为，也是分析系统性能的工具，更是发生问题故障的时候利器，可以帮我们快速的定位查找问题。