日志VS網絡數據，誰能做好全鏈路監(jiān)控？
[導讀]對系統(tǒng)的運行狀態(tài)進行監(jiān)控，是IT工程師的一項重要工作。如果不能確保整個系統(tǒng)及其鏈路處于穩(wěn)定運行的狀態(tài)，那么，企業(yè)的業(yè)務穩(wěn)定發(fā)展就無從談起。21世紀以來，隨著云計算的興起，系統(tǒng)架構發(fā)生了顯著的變化。分布式崛起，開始取代單體式，成為行業(yè)的主流選擇。微服務概念的提出，容器等云原生技術的...
對系統(tǒng)的運行狀態(tài)進行監(jiān)控，是IT工程師的一項重要工作。
如果不能確保整個系統(tǒng)及其鏈路處于穩(wěn)定運行的狀態(tài)，那么，企業(yè)的業(yè)務穩(wěn)定發(fā)展就無從談起。
21世紀以來，隨著云計算的興起，系統(tǒng)架構發(fā)生了顯著的變化。分布式崛起，開始取代單體式，成為行業(yè)的主流選擇。微服務概念的提出，容器等云原生技術的發(fā)展，加劇了這一變化。
系統(tǒng)架構變化之后，對系統(tǒng)進行監(jiān)控的需求也隨之變化，監(jiān)控難度大幅增加。
目前，對系統(tǒng)進行全鏈路監(jiān)控，根據數據源、監(jiān)控路徑、落地方式等不同，存在多種監(jiān)控方式。市場上最主流的監(jiān)控派別，是日志類和網絡數據類。
接下來，我們通過對比的方式，看看這兩種技術派別的主要差異。
▉ 數據源對比
日志類的數據來源有兩類：
一種是傳統(tǒng)物理設備上的日志文件，這種日志文件能夠提供的數據格式、數據精細度、數據內容，都是各個設備廠商預先設定的。
另外一種，是程序開發(fā)過程中或開發(fā)完成后，為捕獲程序或者系統(tǒng)本身的運行信息，開發(fā)出來的日志系統(tǒng)。
日志系統(tǒng)本身不對應用程序發(fā)起主動式訪問，只是伴隨著程序的運行，將相關的運行數據（機器本身或者程序運行的狀態(tài)信息）輸送出來。
此外，日志屬于采樣數據，信息級別與功能均由人工定義，在存儲以及分析的過程中，時常因前端需求而更改，按照人為需求進行目標輸出，因此邊界十分明顯。
再來看看網絡數據。
網絡數據是應用程序之間通過網絡進行傳輸的獨特過程數據。它能夠提供業(yè)務活動、應用性能、安全性與IT基礎架構等方面的信息。
獲取網絡數據的方式比較簡單，通過交換機鏡像的方式，就可以將網絡數據復制出來。
網絡數據獲取之后，送至分析服務器，即可實現(xiàn)性能監(jiān)控。
網絡數據是一種全量數據，通過旁路捕獲數據包，不消耗任何系統(tǒng)資源，可以實時反映設備、服務器、系統(tǒng)等運行的狀態(tài)。
日志時間由系統(tǒng)程序自動打印，一般精確到毫秒。
網絡數據的時間戳，由捕獲服務器的高性能網卡抓包時進行標記，最快可以實現(xiàn)納秒級。
盡管兩者同樣采用ntp時間同步，但兩者之間的時間準確程度也會因網絡傳輸等因素產生毫秒級以上的差距。
在網絡傳輸過程中，由于Delayed ACK與Nagle算法的相互作用，會導致最大500毫秒的延遲。日志往往無法排查此類問題，而通過網絡數據可以進行數據包回溯分析。因此，網絡數據比日志具備更高的實時性。
▉ 監(jiān)控路徑對比
作為兩種數據源，日志與網絡數據所監(jiān)控的定義與范圍有著天然的差別。
分布式追蹤領域有三個重要的概念：Metrics、Trace、Log：
（Metrics、Tracing、Logging三者間的關系示意圖）
全鏈路監(jiān)控，就是利用上述三者之間的關系，分步驟實現(xiàn)的。
一般來說，進行全鏈路監(jiān)控有兩種做法：
網絡數據，通常反映的是指標。然而，無論是指標還是日志，都必須經過數據加工處理，才能進入全鏈路追蹤體系。
Metrics輔助于應用監(jiān)控，傾向于節(jié)省資源，會對數據進行天然的“壓縮”。而Log傾向于無限增加，會頻繁地超出預期容量。
無論是日志類還是網絡數據類監(jiān)控，都可以采用以上兩種做法。只不過介于數據源的因素，網絡數據類監(jiān)控具有天然可操作性，而日志類監(jiān)控卻經過了一個漫長的發(fā)展期，并衍生出許多新的問題。
▉ 落地方式對比
全鏈路監(jiān)控的需求，并不是一開始就有的。受制于網絡技術與業(yè)務發(fā)展等諸多因素，不同階段對全鏈路監(jiān)控的標準和需求也有著明顯的差異。
網絡發(fā)展初期，業(yè)務規(guī)模小，企業(yè)通常采用標準作業(yè)程序（SOP）。
此時，由于系統(tǒng)多為單體架構，操作簡單、易部署，為節(jié)省資源、縮短時間成本，除核心系統(tǒng)外，沒有監(jiān)控其它系統(tǒng)的需求。因此，系統(tǒng)版本迭代較慢，不易擴展，全鏈路監(jiān)控也就無從談起。
到了2010年左右，互聯(lián)網發(fā)展進入飛躍期。隨著業(yè)務量逐漸增多，業(yè)務分支越來越細，垂直架構逐漸興起。
然而，這一時期，系統(tǒng)與系統(tǒng)之間存在數據冗余，且同一個子系統(tǒng)中的業(yè)務無法實現(xiàn)關聯(lián)。盡管全鏈路監(jiān)控的需求與日俱增，如何實現(xiàn)卻成為一道現(xiàn)實難題。
在追求全鏈路監(jiān)控的過程中，由于缺乏統(tǒng)一的標準，對現(xiàn)有系統(tǒng)進行改造成為當時較為普遍的解決方案。
然而，改造系統(tǒng)同樣面臨兩個嚴峻問題：
即便如BMC對系統(tǒng)實施改造，在半年內也僅能完成兩套系統(tǒng)的改造工作。如果用戶規(guī)模持續(xù)增多、業(yè)務量持續(xù)走高，耗時將會更久。而通過網絡數據對系統(tǒng)進行改造，可以實現(xiàn)3個月內10套系統(tǒng)的改造升級工作。
日志改造需要網絡部門與開發(fā)部門協(xié)同合作。我們都知道，在企業(yè)內部，開發(fā)部門屬于增效部門，運維部門屬于降本部門，二者之間有天然的隔閡。
改造日志，勢必會增加開發(fā)成本、增加人天數。而利用網絡數據進行改造，將90%的工作在運維部門內部完成，極大地降低開發(fā)成本，提高運維效率。
2014年，ThoughtWorks首席科學家Martin Fowler與James Lewis給出了微服務的完整定義：
隨著分布式鏈路架構的日益成熟，云環(huán)境與微服務的天然契合性，為日志全鏈路監(jiān)控標準的產生奠定了一定基礎。
微服務即服務按照不同維度拆分，一次請求往往涉及多個服務，這些應用服務由不同的團隊開發(fā)、使用不同的編程語言，橫跨多個數據中心。因此，全鏈路監(jiān)控勢在必行，進一步刺激了基于日志的全鏈路監(jiān)控標準與工具的產生。
微服務架構中，業(yè)務鏈路極其復雜。如何快速發(fā)現(xiàn)問題、判斷故障節(jié)點、梳理服務鏈路、分析鏈路性能，是影響全鏈路監(jiān)控的主要問題。
而基于日志的全鏈路監(jiān)控，就主要圍繞這些問題，通過埋點與生成日志、收集與存儲日志、分析和統(tǒng)計調用鏈路數據來一一實現(xiàn)。
日志通常利用Trace ID、Parent ID等信息，對調用鏈路進行查詢與問題定位。但是在調用的過程中，如果調用失敗，會直接中斷主流程，而調用過程又具有高依賴與頻繁依賴的特性，因此提升性能、增強穩(wěn)定性是解決日志全鏈路監(jiān)控的關鍵。
（span細節(jié)圖）
為了解決性能問題，眾多大廠紛紛入局，研發(fā)了許多開源的日志類監(jiān)控工具，如谷歌的Dapper、Zipkin、Sky Walking 、Pinpoint等。
但是這些開源監(jiān)控產品，通常通過代碼埋點進行部署，傳遞的是底層數據，和業(yè)務的相關性較低。
除此以外，探針的性能、Collector的擴展性、時間人工成本等因素，也影響著全鏈路監(jiān)控的應用。
比如，在某大型股份制銀行長達兩年的云上分布式鏈路追蹤來看，其人工成本增加近150%，這對于某些中小型企業(yè)是難以承受的壓力。
而通過網絡數據，無需對系統(tǒng)進行改造，僅需對數據進行解碼，梳理各個節(jié)點的訪問關系，刻畫業(yè)務的調用路徑，相比日志更易落地。
▉ 結語
未來，隨著技術的發(fā)展，日志類全鏈路監(jiān)控的落地難題也許會被攻克。但就目前而言，無論是數據源、監(jiān)控路徑，亦或落地方式，基于網絡數據的全鏈路監(jiān)控明顯優(yōu)于日志。
需求決定市場，選擇網絡數據作為監(jiān)控數據源，完全可以從源頭解決全鏈路監(jiān)控的一系列難題，從而維護網絡穩(wěn)定，發(fā)揮系統(tǒng)性能，推動企業(yè)業(yè)務的快速發(fā)展。
掃描下方二維碼，學習更多運維技術知識
如果不能確保整個系統(tǒng)及其鏈路處于穩(wěn)定運行的狀態(tài)，那么，企業(yè)的業(yè)務穩(wěn)定發(fā)展就無從談起。
21世紀以來，隨著云計算的興起，系統(tǒng)架構發(fā)生了顯著的變化。分布式崛起，開始取代單體式，成為行業(yè)的主流選擇。微服務概念的提出，容器等云原生技術的發(fā)展，加劇了這一變化。
系統(tǒng)架構變化之后，對系統(tǒng)進行監(jiān)控的需求也隨之變化，監(jiān)控難度大幅增加。
目前，對系統(tǒng)進行全鏈路監(jiān)控，根據數據源、監(jiān)控路徑、落地方式等不同，存在多種監(jiān)控方式。市場上最主流的監(jiān)控派別，是日志類和網絡數據類。
接下來，我們通過對比的方式，看看這兩種技術派別的主要差異。
▉ 數據源對比
- 采樣數據 VS 全量數據
日志類的數據來源有兩類：
一種是傳統(tǒng)物理設備上的日志文件，這種日志文件能夠提供的數據格式、數據精細度、數據內容，都是各個設備廠商預先設定的。
另外一種，是程序開發(fā)過程中或開發(fā)完成后，為捕獲程序或者系統(tǒng)本身的運行信息，開發(fā)出來的日志系統(tǒng)。
日志系統(tǒng)本身不對應用程序發(fā)起主動式訪問，只是伴隨著程序的運行，將相關的運行數據（機器本身或者程序運行的狀態(tài)信息）輸送出來。
此外，日志屬于采樣數據，信息級別與功能均由人工定義，在存儲以及分析的過程中，時常因前端需求而更改，按照人為需求進行目標輸出，因此邊界十分明顯。
再來看看網絡數據。
網絡數據是應用程序之間通過網絡進行傳輸的獨特過程數據。它能夠提供業(yè)務活動、應用性能、安全性與IT基礎架構等方面的信息。
獲取網絡數據的方式比較簡單，通過交換機鏡像的方式，就可以將網絡數據復制出來。
網絡數據獲取之后，送至分析服務器，即可實現(xiàn)性能監(jiān)控。
網絡數據是一種全量數據，通過旁路捕獲數據包，不消耗任何系統(tǒng)資源，可以實時反映設備、服務器、系統(tǒng)等運行的狀態(tài)。
- 時間精度和實時性
日志時間由系統(tǒng)程序自動打印，一般精確到毫秒。
網絡數據的時間戳，由捕獲服務器的高性能網卡抓包時進行標記，最快可以實現(xiàn)納秒級。
盡管兩者同樣采用ntp時間同步，但兩者之間的時間準確程度也會因網絡傳輸等因素產生毫秒級以上的差距。
在網絡傳輸過程中，由于Delayed ACK與Nagle算法的相互作用，會導致最大500毫秒的延遲。日志往往無法排查此類問題，而通過網絡數據可以進行數據包回溯分析。因此，網絡數據比日志具備更高的實時性。
▉ 監(jiān)控路徑對比
作為兩種數據源，日志與網絡數據所監(jiān)控的定義與范圍有著天然的差別。
分布式追蹤領域有三個重要的概念：Metrics、Trace、Log：
- Metrics即指標，反映組件實時狀況與健康度；
- Trace即鏈路，反映在單次請求的范圍內如何處理信息；
- Log即日志，反映離散的事件或過程；
（Metrics、Tracing、Logging三者間的關系示意圖）全鏈路監(jiān)控，就是利用上述三者之間的關系，分步驟實現(xiàn)的。
一般來說，進行全鏈路監(jiān)控有兩種做法：
- 第一種做法：首先通過指標（Metrics），查看組件的健康程度、受影響的交易類型；再通過指標關聯(lián)，查看整個交易路徑的健康度（Trace）；最后，定位具體的問題節(jié)點（Log），找出根因。
- 第二種做法：當交易出現(xiàn)問題，首先查看出錯的具體路徑（Trace），再查看相對應的指標（Metrics），如服務器或應用性能指標等，最后查看詳細日志數據（Log）。
網絡數據，通常反映的是指標。然而，無論是指標還是日志，都必須經過數據加工處理，才能進入全鏈路追蹤體系。
Metrics輔助于應用監(jiān)控，傾向于節(jié)省資源，會對數據進行天然的“壓縮”。而Log傾向于無限增加，會頻繁地超出預期容量。
無論是日志類還是網絡數據類監(jiān)控，都可以采用以上兩種做法。只不過介于數據源的因素，網絡數據類監(jiān)控具有天然可操作性，而日志類監(jiān)控卻經過了一個漫長的發(fā)展期，并衍生出許多新的問題。
▉ 落地方式對比
全鏈路監(jiān)控的需求，并不是一開始就有的。受制于網絡技術與業(yè)務發(fā)展等諸多因素，不同階段對全鏈路監(jiān)控的標準和需求也有著明顯的差異。
網絡發(fā)展初期，業(yè)務規(guī)模小，企業(yè)通常采用標準作業(yè)程序（SOP）。
此時，由于系統(tǒng)多為單體架構，操作簡單、易部署，為節(jié)省資源、縮短時間成本，除核心系統(tǒng)外，沒有監(jiān)控其它系統(tǒng)的需求。因此，系統(tǒng)版本迭代較慢，不易擴展，全鏈路監(jiān)控也就無從談起。
到了2010年左右，互聯(lián)網發(fā)展進入飛躍期。隨著業(yè)務量逐漸增多，業(yè)務分支越來越細，垂直架構逐漸興起。
然而，這一時期，系統(tǒng)與系統(tǒng)之間存在數據冗余，且同一個子系統(tǒng)中的業(yè)務無法實現(xiàn)關聯(lián)。盡管全鏈路監(jiān)控的需求與日俱增，如何實現(xiàn)卻成為一道現(xiàn)實難題。
在追求全鏈路監(jiān)控的過程中，由于缺乏統(tǒng)一的標準，對現(xiàn)有系統(tǒng)進行改造成為當時較為普遍的解決方案。
然而，改造系統(tǒng)同樣面臨兩個嚴峻問題：
- 第一大問題：改造周期過長。
即便如BMC對系統(tǒng)實施改造，在半年內也僅能完成兩套系統(tǒng)的改造工作。如果用戶規(guī)模持續(xù)增多、業(yè)務量持續(xù)走高，耗時將會更久。而通過網絡數據對系統(tǒng)進行改造，可以實現(xiàn)3個月內10套系統(tǒng)的改造升級工作。
- 第二大問題：成本過高。
日志改造需要網絡部門與開發(fā)部門協(xié)同合作。我們都知道，在企業(yè)內部，開發(fā)部門屬于增效部門，運維部門屬于降本部門，二者之間有天然的隔閡。
改造日志，勢必會增加開發(fā)成本、增加人天數。而利用網絡數據進行改造，將90%的工作在運維部門內部完成，極大地降低開發(fā)成本，提高運維效率。
2014年，ThoughtWorks首席科學家Martin Fowler與James Lewis給出了微服務的完整定義：
- 每個服務運行在自己的進程中；
- 微服務之間采用輕量級通信；
- 微服務應基于業(yè)務能力進行構建；
- 采用自動化部署機制實現(xiàn)微服務的獨立部署；
- 服務的管理應采用最小的中心化管理。
隨著分布式鏈路架構的日益成熟，云環(huán)境與微服務的天然契合性，為日志全鏈路監(jiān)控標準的產生奠定了一定基礎。
微服務即服務按照不同維度拆分，一次請求往往涉及多個服務，這些應用服務由不同的團隊開發(fā)、使用不同的編程語言，橫跨多個數據中心。因此，全鏈路監(jiān)控勢在必行，進一步刺激了基于日志的全鏈路監(jiān)控標準與工具的產生。
微服務架構中，業(yè)務鏈路極其復雜。如何快速發(fā)現(xiàn)問題、判斷故障節(jié)點、梳理服務鏈路、分析鏈路性能，是影響全鏈路監(jiān)控的主要問題。
而基于日志的全鏈路監(jiān)控，就主要圍繞這些問題，通過埋點與生成日志、收集與存儲日志、分析和統(tǒng)計調用鏈路數據來一一實現(xiàn)。
日志通常利用Trace ID、Parent ID等信息，對調用鏈路進行查詢與問題定位。但是在調用的過程中，如果調用失敗，會直接中斷主流程，而調用過程又具有高依賴與頻繁依賴的特性，因此提升性能、增強穩(wěn)定性是解決日志全鏈路監(jiān)控的關鍵。
（span細節(jié)圖）為了解決性能問題，眾多大廠紛紛入局，研發(fā)了許多開源的日志類監(jiān)控工具，如谷歌的Dapper、Zipkin、Sky Walking 、Pinpoint等。
但是這些開源監(jiān)控產品，通常通過代碼埋點進行部署，傳遞的是底層數據，和業(yè)務的相關性較低。
除此以外，探針的性能、Collector的擴展性、時間人工成本等因素，也影響著全鏈路監(jiān)控的應用。
比如，在某大型股份制銀行長達兩年的云上分布式鏈路追蹤來看，其人工成本增加近150%，這對于某些中小型企業(yè)是難以承受的壓力。
而通過網絡數據，無需對系統(tǒng)進行改造，僅需對數據進行解碼，梳理各個節(jié)點的訪問關系，刻畫業(yè)務的調用路徑，相比日志更易落地。
▉ 結語
未來，隨著技術的發(fā)展，日志類全鏈路監(jiān)控的落地難題也許會被攻克。但就目前而言，無論是數據源、監(jiān)控路徑，亦或落地方式，基于網絡數據的全鏈路監(jiān)控明顯優(yōu)于日志。
需求決定市場，選擇網絡數據作為監(jiān)控數據源，完全可以從源頭解決全鏈路監(jiān)控的一系列難題，從而維護網絡穩(wěn)定，發(fā)揮系統(tǒng)性能，推動企業(yè)業(yè)務的快速發(fā)展。
掃描下方二維碼，學習更多運維技術知識
下載文檔
