🦾 观测利器:让天下没有难懂的 Trace
date
Sep 4, 2023
slug
trace-diagrams
status
Published
tags
observability
best-practice
trace
diagram
summary
type
Post
什么是 Traces ?描绘?各种变换形态Timeline 时间线图拓扑图表格统计接口和服务时序图服务接口聚合相对时序虚拟的开始节点调用返回主调被调合并火焰图原始的局限细节优化折叠并行/并发推测对比对比策略可比性评估忽略小差异Fin
什么是 Traces ?
这两年可观测领域受到了比较多的关注,其中以 Traces 尤为突出。那么什么是 Traces 呢?它又能做什么呢?我们来看看官方给予的定义:
Traces give us the big picture of what happens when a request is made to an application
简单来说:Traces 能 描绘 一个请求在应用中究竟做了什么。
描绘?
对于原始的 Traces 数据而言,与其说是“描绘”,不如说是“描述”:应用做的事情被拆解成一个个小的单元(Span),多个有着父子关系的 Span 组成一个完整的 Trace。尽管它的数据详尽——包括属性(attributes)、事件(Events)、上下文(Context)等内容,但是最大问题也很明显:不够直观,有效信息获取效率低。
{
"name": "hello-greetings",
"context": {
"trace_id": "0x5b8aa5a2d2c872e8321cf37308d69df2",
"span_id": "0x5fb397be34d26b51"
},
"parent_id": "0x051581bf3cb55c13",
"start_time": "2022-04-29T18:52:58.114304Z",
"end_time": "2022-04-29T22:52:58.114561Z",
"attributes": {
"http.route": "some_route1"
},
"events": [
{
"name": "hey there!",
"timestamp": "2022-04-29T18:52:58.114561Z",
"attributes": {
"event_attributes": 1
}
}
]
}
所以更多维、更直观的图表就显得尤为必要了。
各种变换形态
首先,我们需要将 Traces 数据抽象成一棵多叉树。
![一个简单的 Trace 多叉树](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F7681e621-373a-445c-a704-86c32fbbe504%2FUntitled.png%3Fid%3D9d043aab-62c7-4341-baef-3d6b210f1252%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DMVKqRhzEMLfBZD_mmeC8ySKl2Ekfje0ZKgd80RGW9Fk?table=block&id=9d043aab-62c7-4341-baef-3d6b210f1252&cache=v2)
在这棵多叉树的各个节点信息中,藏着 Trace 的多个维度信息:
- Span 之间的调用关系:
parent_id
指向调用它的父级节点
- Span 调用的时序关系:
start_time
&end_time
表明了 Span 的开始结束时间点
- Span 耗时:
elapsed_time
代表该 Span 的耗时
Timeline 时间线图
首先,我们通过「Timeline 图」(a.k.a 瀑布图)纵览所有 Span 之间的父子关系、时序、耗时。
![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F6edfdff8-7924-4a86-af03-601e0d1295d8%2FUntitled.png%3Fid%3D124728a9-cc62-4de3-9758-3398b178a9a4%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3Dus_8tlmflXcK3B3lqHMRPRK-mu8t6bL2Nujbs85troo?table=block&id=124728a9-cc62-4de3-9758-3398b178a9a4&cache=v2)
在时间线图中,你可以掌握单个 Trace 的全部信息:
- 查看所有的 Span 概况,按照服务进行颜色区分,同时展示所有的父子关系。
- 通过时间轴和线条的长度判断出 Span 具体耗时。
- 点击 Span 可以查看其详细信息,包括标签和进程等所有上报信息。
虽然它全能,但在一些具体维度上仍旧不够直观,所以我们要在这棵多叉树上进行精加工:
- Span 之间的父子关系 → 拓扑图
- 以接口、服务等维度汇聚统计信息 → 表格统计
- Span 调用的时序 → 时序图
- Span 耗时分布 → 火焰图
下面就来分享一下相关图表的展示逻辑细节。
拓扑图
![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2Fe834e911-c53c-47ea-8bad-3b1140ca5669%2FUntitled.png%3Fid%3Dcf07b1b8-3d4c-447a-b9d5-fabd277ebbf8%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3D_GQA2zAxWzeXeh1PlxUbvMlHtP0LBAqe5CsfhzQLnL0?table=block&id=cf07b1b8-3d4c-447a-b9d5-fabd277ebbf8&cache=v2)
对于拓扑图而言,它将主要的重点放在了 Span 之间的关系上,你可以很清晰地获取到 Trace 的调用关系、层级等信息,但同时它也刻意忽略了时序信息,下面会有较多场景会提到这一点。
表格统计
![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F9c2cf83f-99ef-4208-a363-9fccd73e901d%2FUntitled.png%3Fid%3Dd4677c74-9003-44a0-9ee3-a6469a9ba674%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3Dg_5hN4y1AdOY5_TLNKCVixbnFJwPOfC6s3HPzJB4Zo0?table=block&id=d4677c74-9003-44a0-9ee3-a6469a9ba674&cache=v2)
表格统计的重点是,将 Trace 中的汇聚信息平铺展示出来。这里有两个需要额外解释的概念:接口&服务。
接口和服务
【接口】的内容实际上就是
span_name
—— 操作名称的别名。而【服务】则是来自于 resource.service_name
,表明该 Span 所属的服务,以简单的名字字符串作为 Trace 维度的唯一标识。时序图
时序图,顾名思义,主要是想突出 Trace 的时序特性。
![时序图示意图](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F5a6d95b7-b607-4a5d-aa27-0f6e27444192%2FUntitled.png%3Fid%3D8a0b69b2-1b80-400d-bf7b-0afa526856ce%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DPMHXXICYN1HLMOnFihbrzg9oyl3ZTfIdW1onJnpKdxw?table=block&id=8a0b69b2-1b80-400d-bf7b-0afa526856ce&cache=v2)
这是一种 UML 行为图,我们将它原本的几种元素结合 Trace 场景做了一个概念转换:
- 物件(Object)和生命线(Lifeline)用一个 方框+垂直线条 来共同表示 接口或服务在 Trace 流程中的生命周期。
- 讯息(Message)用一条 水平带箭头的连线 表示 接口或服务之间的调用,也就是 Span 的主要体现形式。
- 活化(Activation):用一个 垂直方向的矩形 表示 接口或服务的耗时区间,它并不精确,但能表达出不同 Span 的耗时前后时序关系。
此外,时序图有一些额外封装和添加的概念,下面我们会一一展开解释。
服务接口聚合
首先是对服务聚合的概念阐释,和时间线图类似,我们会从
resource.service_name
字段中抽取所有 Span 共有的服务概念。额外地,我们从 attributes
字段中的信息尝试判断当前 Span 的形态,将不同的场景做一个简单区分。如图所示, service_foo
服务中会区分出 api/*
和 mysql
两种接口,它可以让你更好地了解不同组件之间的调用关系。![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F7f20c898-fe4d-400c-b525-3c509c1bf946%2FUntitled.png%3Fid%3Dcea8a144-1cdf-4106-9a8d-00c1887ef4bc%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DPCn8bCu6MAekUdAJpljfybNeSkwdkYdgXrDokKJHGmA?table=block&id=cea8a144-1cdf-4106-9a8d-00c1887ef4bc&cache=v2)
相对时序
与时间线图不同的是,时序图为了表达服务与服务之间的调用关系,默认采用了“相对时序”,而非严格按照
start_time
排序的“绝对时序”。- 绝对时序:所有线条都按照 span 的绝对发生时间绘制,淡化父子关系
- 相对时序:父子的关系优先于绝对时间,同一个父节点下的 span 有绝对的先后顺序,不同父节点下的 span 不保证其绘制的先后顺序
我们举一个更容易理解的例子:假设某一个 Trace 有5个 Span,s1 → s5。s2 是 s3 的父节点,s4 是 s5 的父节点。先按照“绝对时序”画出时序图:
![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2Fa00d5828-549c-417d-ac5e-7ec6152606e1%2FUntitled.png%3Fid%3Dcc8a1be2-10c9-40fc-9610-203141f9782e%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DSrOkL1k6adcjAhmFm0z9CZ7pdrFP1ydEwJZNnbobyfM?table=block&id=cc8a1be2-10c9-40fc-9610-203141f9782e&cache=v2)
虽然它严格遵循了“时序”,但是原本的父子关系被淡化了,仅从图中基本没法判断出
s2 & s3
\ s4 & s5
之间有什么联系(图中的 t 是为了展示额外添加的,真实数据中不存在)。我们再按照“相对时序”来绘制:
![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2Ff490f8b3-5d4f-43ae-8d96-336e5d1ab1eb%2FUntitled.png%3Fid%3D82f6009c-67f8-4cb8-aadc-9e6e433baada%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3D8TIgOaNAtEuIg4fOj8G8TP7gbfe3gTnn9tRjpl8ZYz0?table=block&id=82f6009c-67f8-4cb8-aadc-9e6e433baada&cache=v2)
可以看到,虽然我们稍微“牺牲”了一些时序上的绝对性,但是调用之间的关系更清晰了,用户更容易在庞大的图表中找到调用关系。
虚拟的开始节点
在图中有两个内容是“虚拟”出来的:开始节点和返回虚线。
当时序上的第一个 Span(通常是根 Span)的类型是被调或异步被调时,为了表示该特性我们会在图的最左侧补充上一个虚拟的
Start
,它没有其他实际意义,只是表达整个追踪的“开始”节点。![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2Fe03a0881-0eb5-411d-8aea-2582c70605c3%2FUntitled.png%3Fid%3D4df2db4c-d471-46cd-9131-4b52e48c08bf%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DiMYG4wTafgiRvf5Xm36mlzEsKpN7wHg6zhP7xz9G3xo?table=block&id=4df2db4c-d471-46cd-9131-4b52e48c08bf&cache=v2)
调用返回
第二个添加的虚拟内容就是返回虚线。
为了更加准确地表达 Span 在时序上的流入流出状态,我们会根据 Span 中的
end_time
生成的一个虚拟调用返回,同时开启一个时序图的 Activation ,用来做 Span 耗时的示意。需要注意的是:它并不是在所有的请求中都会开启,当且仅当 Span 的调用类型是主调。![当 Span 是异步类型时,我们会使用特殊箭头 → ,且不会增加虚拟返回](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F82554cf9-ae62-4d00-9568-34f61646ee5d%2FUntitled.png%3Fid%3Dc991985d-e58f-42d0-82ba-40d64f4fbd68%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3D0XVAySMWt_UYaYTH-SfWqjQ39q67undgWJ_ulpdrHTw?table=block&id=c991985d-e58f-42d0-82ba-40d64f4fbd68&cache=v2)
主调被调合并
当父 Span 是主调,子 Span 是被调时,我们会把两个 Span 的信息合并到同一个 Message 中。
![合并后](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2Fcaec3efc-50be-4267-8950-c832ffdce96d%2FUntitled.png%3Fid%3Df84e73ed-0d37-4e7d-94e3-2a6b02ab3c3b%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3Dip5rrJ2mj-mpnm1pbYWVa3cXRRMnA_zdc74sT9RVVK0?table=block&id=f84e73ed-0d37-4e7d-94e3-2a6b02ab3c3b&cache=v2)
火焰图
火焰图最早是用在 CPU 性能分析领域,最大的特点是形似火焰,CPU 耗时越大在图中展示的元素越宽,开发者可以通过寻找“平顶山”来确定性能瓶颈。
![原始火焰图,X轴按照字母序排列](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F10706838-b00e-432d-8385-0c19e6651ab8%2FUntitled.png%3Fid%3D57fd0807-a627-4ee8-ac88-f5d30e72b93f%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DTVaqSZu3amVftcGd5hb2KCFXp9VXAF4S3Ci5ec1i74Y?table=block&id=57fd0807-a627-4ee8-ac88-f5d30e72b93f&cache=v2)
原始的局限
火焰图最大的局限在于无法精准地展示 Trace 中的 Span “并行”的概念,即使已经有无数“前者”在尝试了。
![观测云的做法,看起来貌似可行](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F3b91e404-14d1-4692-9e0b-e70451b2b53b%2FUntitled.png%3Fid%3D8a261947-4509-440f-a43e-832129934122%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DUzhWG_2n6Fh1T6m0F0q_Z0-V1YnUDynZH-t4Xwt_OZU?table=block&id=8a261947-4509-440f-a43e-832129934122&cache=v2)
![当复杂场景发生时,必须要舍弃一些信息的精准性](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2Fea7ffad4-43e0-4c1c-8887-becf34d9206b%2FUntitled.png%3Fid%3D401867f1-2f7a-4574-a900-f68040526787%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DBQnKtoBToOCx_TQYhnoHq0KBLT3U9dXVQbmTqOCa3lA?table=block&id=401867f1-2f7a-4574-a900-f68040526787&cache=v2)
原始火焰图更多用在 Profiling 场景下,此时对于程序函数调用栈关系的可视度有着更高的要求——即对于 Y 轴信息的准确程度。但是对于 Trace 而言,Span 的执行时间长度、顺序在展示上的优先级更高。所以,在 Trace 领域我们采用了一种火焰图的变体——
FlameChart
。它最早来自 Google Chrome 的 Web Inspector:![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F9cc16888-a208-4ca6-b6e6-94f6ebe10a23%2FUntitled.png%3Fid%3De2c2399f-7c48-4379-a8ef-17112346f717%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DoaHCBzN7a_TVB0zzqORSrQkCW0nEDAiOTGOhFGsOWA0?table=block&id=e2c2399f-7c48-4379-a8ef-17112346f717&cache=v2)
最大的区别是它的 X 轴变成了时间轴,它会准确的表达 Span 的开始和结束时间,而 Y 轴的栈调用信息从绝对值变成相对值。但它一开始的场景更多是在
single-threaded
的 JavaScript 分析,也不能妥善地处理好“多线程”的状况。经过一番搜索,受到一个 Python Profiling 可视化工具的启发:
![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F167f1986-dbbd-4b21-93e1-241e29afea1c%2FUntitled.png%3Fid%3D1fa2877c-dfd9-48d3-b249-778e9fe611d5%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DF9TP_OPUALXYeRmJgm07iTV7k3rOMFhIUYAqRNzDVnA?table=block&id=1fa2877c-dfd9-48d3-b249-778e9fe611d5&cache=v2)
类似地,我们在变体
FlameChart
上做了进一步的变形,增加了 thread line
——一个用水平虚线单独格出来的行——额外展示“并行”信息。![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F78784afb-ac4d-401b-a2a2-efaedac9ac4d%2FUntitled.png%3Fid%3D302c8773-dcec-4a3b-bc24-09206dea5338%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3D4veA95LX3r3MiBxqva2Fkl0v0yzUFqEPMF4OjdHYe2o?table=block&id=302c8773-dcec-4a3b-bc24-09206dea5338&cache=v2)
在图中我们可以看到相较于最原始的火焰图有两个明显的变化:
- X 轴增加了时间纬度,按照 Span 的开始时间&结束时间,保证长短比例,严格分布在 X 轴上
- Y 轴在相对情况下保持调用的父子关系,但不绝对表示栈的调用深度。
X 轴相对容易理解,Y轴的变化稍微展开阐述。这里有一个关键的概念——“并行”,当火焰图中有“并行”元素存在时,会单独在原来的火焰图下方另起一“虚线行”展示这个“并行”信息。
没有并行,和普通 flamechart 无异:
![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2Fb487cc45-3e57-4ac6-8c80-a319e9288b53%2FUntitled.png%3Fid%3Db573f6d8-0345-482e-95a1-9fbbddc60930%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DASMUaLrbOfag2JlaYGTFRn_0m7CkhuCGbSLjRDt2EtE?table=block&id=b573f6d8-0345-482e-95a1-9fbbddc60930&cache=v2)
当存在并行内容时,将会有一条“连接线”将所有 Span 的头部都连接到一起,表示他们的“并行”性,此时 Y 轴仅在同一
thread line
中保持相对的调用深度,不同thread line
之间的调用深度需要通过“连接线”来辅助判断。![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F3e4ab1ab-91cd-48a6-b15f-e1e80dd1f5ce%2FUntitled.png%3Fid%3Ddb23380e-7284-4779-abd4-89561a757af7%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DGHhhlXGwouym1YxV4MT73I8NRqlX6HTXtf2rL4_xpWg?table=block&id=db23380e-7284-4779-abd4-89561a757af7&cache=v2)
细节优化
折叠
由于是多叉树,节点宽度过大往往是控制展示的痛点。在很多场景下,同一次请求中存在大量的重复调用,它们代表的意义近似、耗时量级相同,却占据了画幅中的大量面积,所以我们针对这个场景进行了展示优化:将相似的兄弟节点进行分组折叠。判断节点是否相似取决于以下几个因素:
- Span Name 是否相同?
- Service Name 是否相同?
- 是否在时序上相邻?
- 是否存在错误?
不同的展示图表有不同的特性,选取的判断策略也有所不同:
- 瀑布图、时序图重点展示了时序,所以必须相邻才能被折叠到一起。
![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2Fb78d8290-821b-40e4-9cf5-6d157fe553cd%2FUntitled.png%3Fid%3D477b50b8-b362-41b2-8d51-5404e8514c2a%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3Drr8gFAQFiMqOqhq9RkzifyxMw3TpgEaDLeFVCoUfCe8?table=block&id=477b50b8-b362-41b2-8d51-5404e8514c2a&cache=v2)
- 拓扑图淡化了时序信息,所以即使时序不接壤,也会被折叠到一起。
![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F1ee72dc0-fc95-4e39-be94-dd93d13a63ce%2FUntitled.png%3Fid%3D38c14760-7e02-4b50-a6a5-9f62d3c3c4c5%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3Dipebjg1UoGS9o0HNqoxnbtgY-4JNPCC42l_6XotTkcM?table=block&id=38c14760-7e02-4b50-a6a5-9f62d3c3c4c5&cache=v2)
同时,由于拓扑图的折叠只会保留一棵抽象的树,当存在两棵子树完全相同时也会被折叠到一起。
![四棵一模一样的树](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F34b4c95b-c79d-43c9-af56-0fd2345295df%2FUntitled.png%3Fid%3D5d4fd76d-330b-4d0a-859a-bbccb4d39f52%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DIHMQLQFR0jenVny_jzAcSCXDBbw2XINmAeVOHPF4gKs?table=block&id=5d4fd76d-330b-4d0a-859a-bbccb4d39f52&cache=v2)
![聚合到一起,原本子树中已有的分组也会被同时累加聚合](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F029886d0-76bb-4773-8437-53aef0ab054a%2FUntitled.png%3Fid%3D9845f5bc-d67c-44bb-94a8-2375755e608b%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3D9PHq_0S2tAMbxtrOOLi-LOgzL3ya2D7OJvvlz9p3RwE?table=block&id=9845f5bc-d67c-44bb-94a8-2375755e608b&cache=v2)
并行/并发推测
兄弟 Span 之间很多时候会存在并行或者并发的情况,因为没有直接的字段指示,所以我们在多叉树的处理过程中增加了一个“并行/并发推测”的步骤。当存在以下任意两种场景时,我们会认为这些 Span 之间存在“并行或并发”的情况:
- 兄弟 Span 之间的执行时间存在重叠,侧重于同一时间段内同时运行,即并「行」。
- 兄弟 Span 的开始时间极为接近(当前默认探测时长为
500μs
),侧重于近乎在同一个时间点发起,即并「发」。
这里我们可以回顾上文提到的时序图,里面就包含了一个并发的展示样例:
![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F12f36acf-24b1-49f0-b4c9-ad0642441967%2FUntitled.png%3Fid%3D0baaeea6-d888-4cb6-b2f2-701ec261984f%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DFbPrNKhZpyMp86fUWfJoxrgSmizFIiPCTE-wJy8E-Is?table=block&id=0baaeea6-d888-4cb6-b2f2-701ec261984f&cache=v2)
需要注意的是,这里我们提到的“并行”,是一个逻辑概念,是我们根据数据状态进行的一种“推测”,而非坚定的”判断“,被”推测“为并行的元素间可能不存在”真实“的物理并发行为,而同样存在一些“真实”的物理并发没有被并行”推测”所标记。
对比
我们常常需要对比不同时间段内相似的 Trace,它可以帮助我们在更长的时间维度上对程序行为进行观测。正如上文提到每一个 Trace 都是一颗多叉树,相似 Trace 的对比其实就是多叉树对比的策略,但和普通多叉树不同的是,兄弟节点之间是时序相关的。
对比策略
在 Trace 场景中我们采用了通过相对时序的方案对两棵多叉树进行对比。
![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2Fdcf05123-69b7-410c-b4c9-9600cda694b9%2FUntitled.png%3Fid%3D5e6eb3a3-ab63-47e8-8308-6ffe748d71dc%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DHAlbXOe_cl7Ie68qEpnNI1f5HGGEt33SgLIDQAdno_Q?table=block&id=5e6eb3a3-ab63-47e8-8308-6ffe748d71dc&cache=v2)
相对时序的意思是,我们会根据节点所在兄弟之间的位置来确定其是否在对比树中存在。对于 baseline 的某个节点而言,查找可能会产生四种结果:
UNCHANGED
,未发生变化,相对位置、Span 关键信息、耗时均未发生改变
CHANGED
,发生变化,相对位置、Span 关键信息已找到,但是耗时有了增减
REMOVED
,在 baseline 树中不存在,但是存在于对比树,认为是对比树新增的节点
ADDED
,未在对比树中找到对应 Span,判断该节点已经被删除
可比性评估
有时候两棵 Trace 树的差异非常大,进行对比展示的意义不大,我们采取了一种 吻合度按层级递减 的策略对两棵树的可比性进行了一个评估。采取这个思路的原因是:越靠近根的节点对于树的相似性有更多的影响。
![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F93f7a1bf-68c5-41b1-8274-a98fd511b499%2FUntitled.png%3Fid%3D5ef27c51-6fc5-4b36-a7fc-7ccf0dec799a%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3DEOfOQQBpAAr-2Yp9HCkEplfNH7AWVrjoWNsgPyI2m7U?table=block&id=5ef27c51-6fc5-4b36-a7fc-7ccf0dec799a&cache=v2)
在这里我们按照层级,从上到下进行评估可比性。当任意层级评估不可比,即判定两棵树不可比。
依照刚才提到的整体思路,越是靠近根节点的层级,应该有更高的相似性:从左侧 baseline 树的角度出发,计算出节点在对比树中存在的比例是否满足该层级的最低吻合度
我们定义了一个变量:吻合度层级递减比例
X
,对于层级而言,最低吻合度就是 (100 - level * X)
。这里的 X
的取值会决定两棵树是否可比,如图所示:- 当
X=25
时,level=3
层级的吻合度1/6=16.7%
是小于100 - 3*25=25%
,所以判定这两棵树是不可比的。
- 当
X=30
时,level=3
层级的吻合度1/6=16.7%
是大于100 - 3*30=10%
,所以判定这两棵树是可比的。
(对于具体
X
的调控,我们暂时采用了一个静态值,更灵活的调整策略还在根据实际场景进行摸索。)忽略小差异
当然存在一些非常小的 Trace 树不太适用吻合度递减的评估策略。
![足够小的树,需要 X 值较大才能保证对比性](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F836f4bf6-2562-4e28-b81e-9747adf09bd6%2FUntitled.png%3Fid%3D09162450-c3d7-4b75-99da-417e066a583a%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3D_GoNzP4vJrkCWNkb5GftnkVxDTMFlb_28s4aHqKzyNs?table=block&id=09162450-c3d7-4b75-99da-417e066a583a&cache=v2)
我们设定了一个阈值
Y
,当层级节点数小于 Y
时我们不予进行对比评估。Fin
![notion image](https://www.notion.so/image/https%3A%2F%2Ffile.notion.so%2Ff%2Ff%2Fb0a64676-90b9-4734-9c63-2d704ee573b6%2F5b92c6a8-938e-4b27-944c-705a46a583e4%2FUntitled.png%3Fid%3D2101b3de-0747-477c-9a74-18aa2da46bff%26table%3Dblock%26spaceId%3Db0a64676-90b9-4734-9c63-2d704ee573b6%26expirationTimestamp%3D1713952800000%26signature%3D2MJuAnPMJqEL9sZqiY0C92Zrn-WFY_pKjbkcGDEcey4?table=block&id=2101b3de-0747-477c-9a74-18aa2da46bff&cache=v2)
基于当前的生产管线,后续可以对更多可视化图表,让天下没有难懂的 Trace 😎
(以上内容均已开源 👾)