「系统架构」什么是链路追踪？分布式系统如何实现链路追踪？( 三 ) 在分布式系统

3、traceId 如何保证全局唯一
要保证全局唯一，我们可以采用分布式或者本地生成的 ID 。使用分布式的话，需要有一个发号器，每次请求都要先请求一下发号器，会有一次网络调用的开销。所以 SkyWalking 最终采用了本地生成 ID 的方式，它采用了大名鼎鼎的 snowflow 算法，性能很高。
文章插图
snowflake 算法生成的 id
不过 snowflake 算法有一个众所周知的问题：时间回拨，这个问题可能会导致生成的 id 重复。那么 SkyWalking 是如何解决时间回拨问题的呢。
文章插图
每生成一个 id ，都会记录一下生成 id 的时间（lastTimestamp），如果发现当前时间比上一次生成 id 的时间（lastTimestamp）还小，那说明发生了时间回拨，此时会生成一个随机数来作为 traceId 。这里可能就有同学要较真了，可能会觉得生成的这个随机数也会和已生成的全局 id 重复，是否再加一层校验会好点。
这里要说一下系统设计上的方案取舍问题了，首先如果针对产生的这个随机数作唯一性校验无疑会多一层调用，会有一定的性能损耗，但其实时间回拨发生的概率很小（发生之后由于机器时间紊乱，业务会受到很大影响，所以机器时间的调整必然要慎之又慎），再加上生成的随机数重合的概率也很小，综合考虑这里确实没有必要再加一层全局唯一性校验。对于技术方案的选型，一定要避免过度设计，过犹不及。
4、请求量这么多，全部采集会不会影响性能?
如果对每个请求调用都采集，那毫无疑问数据量会非常大，但反过来想一下，是否真的有必要对每个请求都采集呢？其实没有必要，我们可以设置采样频率，只采样部分数据， SkyWalking 默认设置了 3 秒采样 3 次，其余请求不采样，如图所示：
文章插图
这样的采样频率其实足够我们分析组件的性能了，按 3 秒采样 3 次，这样的频率来采样数据会有啥问题呢。理想情况下，每个服务调用都在同一个时间点，这样的话每次都在同一时间点采样确实没问题。如下图所示：
文章插图
但在生产上，每次服务调用基本不可能都在同一时间点调用，因为期间有网络调用延时等，实际调用情况很可能是下图这样：
文章插图
这样的话就会导致某些调用在服务 A 上被采样了，在服务 B ， C 上不被采样，也就没法分析调用链的性能。
那么 SkyWalking 是如何解决的呢？
它是这样解决的：如果上游有携带 Context 过来（说明上游采样了），则下游将强制采集数据，这样可以保证链路完整。
SkyWalking 的基础架构SkyWalking 的基础如下架构，可以说几乎所有的的分布式调用都是由以下几个组件组成的。
文章插图
首先当然是节点数据的定时采样，采样后将数据定时上报，将其存储到 ES, MySQL 等持久化层，有了数据自然而然可根据数据做可视化分析。
SkyWalking 的性能如何如下是官方的测评数据：
文章插图
图中蓝色代表未使用 SkyWalking 的表现，橙色代表使用了 SkyWalking 的表现，以上是在 TPS 为 5000 的情况下测出的数据，可以看出，不论是 CPU ，内存，还是响应时间，使用 SkyWalking 带来的性能损耗几乎可以忽略不计。