博客來
本書是作者基於其在Uber跟蹤團隊擔任技術主管時的個人經歷而寫的。本書分4部分共14章，內容包括：為什麼需要分散式跟蹤、跟蹤一次HotROD之旅、分散式跟蹤基礎、OpenTracing的埋點基礎、非同步應用程式埋點、跟蹤標準與生態系統、使用服務網格進行跟蹤、關於採樣、跟蹤的價值、分散式上下文傳播、集成指標與日誌、通過資料採擷提煉洞見、在大型組織中實施跟蹤、分散式跟蹤系統的底層架構。
希望讀者能通過本書瞭解分散式跟蹤及其相關應用的基本原則和設計思路，從而找到將其應用到自己的專案和系統中的有效方法。
本書的目標讀者包括應用程式開發人員、SRE工程師、DevOps工程師、框架和基礎設施開發人員、技術經理和管理人員、跟蹤團隊等。
| FindBook |
有 1 項符合
掌握分佈式跟蹤：微服務和複雜系統性能分析的圖書 |
 |
掌握分佈式跟蹤：微服務和複雜系統性能分析 作者：（美）尤里·史庫羅 ／ 譯者：馮文輝 出版社：電子工業出版社 出版日期：2022-04-01 語言：簡體中文 規格：平裝 / 393頁 / 16k/ 19 x 26 x 1.97 cm / 普通級/ 單色印刷 / 1-1 |
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：掌握分佈式跟蹤：微服務和複雜系統性能分析
內容簡介
作者介紹
Yuri Shkuro是Uber的軟體工程師，專注於分散式跟蹤、可觀察性、可靠性和性能領域的研究。他是Uber 跟蹤團隊的技術負責人。在加入Uber之前，Yuri曾在華爾街工作了15年，為投資銀行、高盛、摩根大通和摩根士丹利的衍生業務構建了交易和風險管理系統。Yuri在開源社區中的貢獻包括，成為OpenTracing專案的聯合創始人，以及Jaeger（Uber開發的分散式跟蹤平臺）的創建者和技術領導者。以上兩個專案都基於雲原生技術基金會（CNCF，Cloud Native Computing Foundation）。Yuri也是W3C分散式跟蹤工作組的特邀專家。
馮文輝，現任ThoughtWorks中國區資深架構諮詢師，具有十四年的軟體行業經驗，曾服務於多個世界500強企業，覆蓋銀行、保險、通信、汽車、物流等行業。為客戶提供敏捷開發、DevOps、架構設計與數位化轉型等諮詢服務。熱衷於探索更好的架構設計方法，助力企業的數位化轉型。譯有《SRE生存指南：系統中斷回應與正常執行時間優化》。
馮文輝，現任ThoughtWorks中國區資深架構諮詢師，具有十四年的軟體行業經驗，曾服務於多個世界500強企業，覆蓋銀行、保險、通信、汽車、物流等行業。為客戶提供敏捷開發、DevOps、架構設計與數位化轉型等諮詢服務。熱衷於探索更好的架構設計方法，助力企業的數位化轉型。譯有《SRE生存指南：系統中斷回應與正常執行時間優化》。
目錄
I 引言 1
1 為什麼需要分散式跟蹤 2
微服務與雲原生應用程式 3
什麼是可觀測性 5
微服務的可觀測性挑戰 7
傳統的監控工具 9
指標 10
日誌 11
分散式跟蹤 12
我在跟蹤領域的經歷 14
為何編寫本書 17
總結 18
參考資料 19
2 跟蹤一次HotROD之旅 20
先決條件 21
從預打包的二進位檔案運行 21
從Docker鏡像運行 22
從原始程式碼運行 22
啟動Jaeger 24
初識HotROD 26
架構 29
資料流程 30
上下文日誌 32
span標記與日誌 35
確定延遲的來源 37
資源使用屬性 50
總結 53
參考資料 54
3 分散式跟蹤基礎 55
想法 56
請求相關性 56
黑盒推理 57
特定於域的模式 57
中繼資料傳播 57
剖析分散式跟蹤 59
採樣 60
保留因果關係 60
請求間因果關係 62
跟蹤模型 63
事件模型 63
span模型 65
時鐘偏差調整 67
跟蹤分析 69
總結 70
參考資料 70
Ⅱ 資料收集問題 73
4 OpenTracing的埋點基礎 74
先決條件 76
項目原始程式碼 76
Go開發環境 77
Java開發環境 78
Python開發環境 78
MySQL資料庫 78
查詢工具（curl或wget） 79
跟蹤後端（Jaeger） 79
OpenTracing 80
練習1：Hello應用程式 83
用Go語言實現Hello應用程式 84
用Java語言實現Hello應用程式 88
用Python語言實現Hello應用程式 92
練結 94
練習2：個跟蹤 94
步驟1：創建跟蹤器實例 94
步驟2：啟動span 99
步驟3：注釋span 102
練結 107
練習3：跟蹤函數和傳遞上下文 108
步驟1：跟蹤單個函數 109
步驟2：將多個span合併為一個跟蹤 111
步驟3：傳播進程內上下文 115
練結 123
練習4：跟蹤RPC請求 124
步驟1：拆解單體 124
步驟2：在進程之間傳遞上下文 127
步驟3：應用OpenTracing推薦的標記 136
練結 141
練習5：使用baggage 141
在Go中使用baggage 142
在Java中使用baggage 142
在Python中使用baggage 143
練結 143
練習6：自動埋點 143
Go中的開源埋點 144
Java中的自動埋點 146
Python中的自動埋點 148
練習7：額外練習 151
總結 151
參考資料 152
5 非同步應用程式埋點 153
先決條件 154
項目原始程式碼 154
Java 開發環境 155
Kafka、ZooKeeper、Redis與Jaeger 155
Tracing Talk聊天應用程式 156
實現 158
運行應用程式 162
觀察跟蹤 163
使用OpenTracing埋點 166
Spring埋點 167
tracer resolver 167
Redis埋點 168
Kafka埋點 170
埋點非同步代碼 178
總結 183
參考資料 183
6 跟蹤標準與生態系統 184
埋點形式 185
分析跟蹤部署和互通性 188
跟蹤的五種含義 190
瞭解受眾 192
生態系統 193
跟蹤系統 193
X-Ray、Stackdriver等 194
標準項目 194
總結 200
參考資料 201
7 使用服務網格進行跟蹤 202
服務網格 203
服務網格的可觀測性 206
先決條件 207
項目原始程式碼 207
Java開發環境 208
Kubernetes 208
Istio 208
Hello應用程式 210
使用Istio進行分散式跟蹤 213
使用Istio生成服務圖 223
分散式上下文和路由 225
總結 228
參考資料 228
8 關於採樣 230
基於頭部的一致性採樣 231
概率採樣 231
速率限制採樣 232
保證輸送量的概率採樣 234
自我調整採樣 235
上下文敏感的採樣 244
即時採樣或調試採樣 244
如何處理過採樣 247
基於尾部的一致性採樣 249
部分採樣 253
總結 253
參考資料 253
Ⅲ 從跟蹤中獲取價值 255
9 跟蹤的價值 256
作為知識庫的跟蹤 257
服務圖 257
深度，路徑感知服務圖 259
檢測架構問題 262
性能分析 263
關鍵路徑分析 263
識別跟蹤模式 265
範例 269
延遲長條圖 271
長期性能分析 273
總結 273
參考資料 274
10 分散式上下文傳播 275
布朗跟蹤平面 276
Pivot Tracing 280
混沌工程 283
流量標記 285
生產環境測試 286
生產環境調試 287
在生產環境中進行開發 288
總結 289
參考資料 289
11 集成指標與日誌 291
可觀測性的三大支柱 292
先決條件 294
項目原始程式碼 294
Java開發環境 295
在Docker中運行伺服器 295
在Kibana中聲明索引模式 296
運行用戶端 297
Hello應用程式 298
與指標集成 299
通過跟蹤埋點實現標準指標 299
向標準指標中添加上下文 303
上下文感知的指標API 308
與日誌集成 309
結構化日誌記錄 309
將日誌與跟蹤上下文關聯起來 311
上下文感知的日誌API 316
在跟蹤系統中捕獲日誌 316
是否需要單獨的日誌記錄和跟蹤後端 318
總結 319
參考資料 320
12 通過資料採擷提煉洞見 321
特徵提取 322
資料採擷管道的組件 323
跟蹤後端 324
跟蹤完成觸發器 324
特徵提取器 325
聚合器 326
特徵提取練習 326
先決條件 328
項目原始程式碼 328
在Docker中運行伺服器 329
在Elasticsearch中定義索引映射 330
Java開發環境 331
微服務模擬器 331
在Kibana中定義索引模式 334
span計數作業 336
跟蹤完成觸發器 338
特徵提取器 340
觀測趨勢 341
謹防推斷 349
歷史分析 350
即時分析 350
總結 353
參考資料 353
Ⅳ 部署和維護跟蹤基礎設施 355
13 在大型組織中實施跟蹤 356
為什麼很難部署跟蹤埋點 357
減少採用障礙 358
標準框架 359
內部適配器庫 360
默認啟用跟蹤 361
monorepo 361
與現有的基礎設施集成 362
從哪裡開始 362
構建文化 364
解釋價值 364
與開發人員工作流集成 365
跟蹤品質指標 366
故障排除指南 369
跳出關鍵路徑 369
總結 369
參考資料 370
14 分散式跟蹤系統的底層架構 371
為什麼需要自己“造輪子” 372
定制和集成 372
頻寬成本 372
把控數據 373
押注新興標準 373
架構和部署模式 374
基本架構：代理 收集器 查詢服務 374
流式架構 377
多租戶 378
安全 381
在多個資料中心運行 382
監控和故障診斷 384
彈性 386
過採樣 386
調試跟蹤 387
資料中心容錯移轉導致的流量峰值 387
無休止的跟蹤 387
長跟蹤 388
總結 388
參考資料 388
後記 390
參考資料 393
1 為什麼需要分散式跟蹤 2
微服務與雲原生應用程式 3
什麼是可觀測性 5
微服務的可觀測性挑戰 7
傳統的監控工具 9
指標 10
日誌 11
分散式跟蹤 12
我在跟蹤領域的經歷 14
為何編寫本書 17
總結 18
參考資料 19
2 跟蹤一次HotROD之旅 20
先決條件 21
從預打包的二進位檔案運行 21
從Docker鏡像運行 22
從原始程式碼運行 22
啟動Jaeger 24
初識HotROD 26
架構 29
資料流程 30
上下文日誌 32
span標記與日誌 35
確定延遲的來源 37
資源使用屬性 50
總結 53
參考資料 54
3 分散式跟蹤基礎 55
想法 56
請求相關性 56
黑盒推理 57
特定於域的模式 57
中繼資料傳播 57
剖析分散式跟蹤 59
採樣 60
保留因果關係 60
請求間因果關係 62
跟蹤模型 63
事件模型 63
span模型 65
時鐘偏差調整 67
跟蹤分析 69
總結 70
參考資料 70
Ⅱ 資料收集問題 73
4 OpenTracing的埋點基礎 74
先決條件 76
項目原始程式碼 76
Go開發環境 77
Java開發環境 78
Python開發環境 78
MySQL資料庫 78
查詢工具（curl或wget） 79
跟蹤後端（Jaeger） 79
OpenTracing 80
練習1：Hello應用程式 83
用Go語言實現Hello應用程式 84
用Java語言實現Hello應用程式 88
用Python語言實現Hello應用程式 92
練結 94
練習2：個跟蹤 94
步驟1：創建跟蹤器實例 94
步驟2：啟動span 99
步驟3：注釋span 102
練結 107
練習3：跟蹤函數和傳遞上下文 108
步驟1：跟蹤單個函數 109
步驟2：將多個span合併為一個跟蹤 111
步驟3：傳播進程內上下文 115
練結 123
練習4：跟蹤RPC請求 124
步驟1：拆解單體 124
步驟2：在進程之間傳遞上下文 127
步驟3：應用OpenTracing推薦的標記 136
練結 141
練習5：使用baggage 141
在Go中使用baggage 142
在Java中使用baggage 142
在Python中使用baggage 143
練結 143
練習6：自動埋點 143
Go中的開源埋點 144
Java中的自動埋點 146
Python中的自動埋點 148
練習7：額外練習 151
總結 151
參考資料 152
5 非同步應用程式埋點 153
先決條件 154
項目原始程式碼 154
Java 開發環境 155
Kafka、ZooKeeper、Redis與Jaeger 155
Tracing Talk聊天應用程式 156
實現 158
運行應用程式 162
觀察跟蹤 163
使用OpenTracing埋點 166
Spring埋點 167
tracer resolver 167
Redis埋點 168
Kafka埋點 170
埋點非同步代碼 178
總結 183
參考資料 183
6 跟蹤標準與生態系統 184
埋點形式 185
分析跟蹤部署和互通性 188
跟蹤的五種含義 190
瞭解受眾 192
生態系統 193
跟蹤系統 193
X-Ray、Stackdriver等 194
標準項目 194
總結 200
參考資料 201
7 使用服務網格進行跟蹤 202
服務網格 203
服務網格的可觀測性 206
先決條件 207
項目原始程式碼 207
Java開發環境 208
Kubernetes 208
Istio 208
Hello應用程式 210
使用Istio進行分散式跟蹤 213
使用Istio生成服務圖 223
分散式上下文和路由 225
總結 228
參考資料 228
8 關於採樣 230
基於頭部的一致性採樣 231
概率採樣 231
速率限制採樣 232
保證輸送量的概率採樣 234
自我調整採樣 235
上下文敏感的採樣 244
即時採樣或調試採樣 244
如何處理過採樣 247
基於尾部的一致性採樣 249
部分採樣 253
總結 253
參考資料 253
Ⅲ 從跟蹤中獲取價值 255
9 跟蹤的價值 256
作為知識庫的跟蹤 257
服務圖 257
深度，路徑感知服務圖 259
檢測架構問題 262
性能分析 263
關鍵路徑分析 263
識別跟蹤模式 265
範例 269
延遲長條圖 271
長期性能分析 273
總結 273
參考資料 274
10 分散式上下文傳播 275
布朗跟蹤平面 276
Pivot Tracing 280
混沌工程 283
流量標記 285
生產環境測試 286
生產環境調試 287
在生產環境中進行開發 288
總結 289
參考資料 289
11 集成指標與日誌 291
可觀測性的三大支柱 292
先決條件 294
項目原始程式碼 294
Java開發環境 295
在Docker中運行伺服器 295
在Kibana中聲明索引模式 296
運行用戶端 297
Hello應用程式 298
與指標集成 299
通過跟蹤埋點實現標準指標 299
向標準指標中添加上下文 303
上下文感知的指標API 308
與日誌集成 309
結構化日誌記錄 309
將日誌與跟蹤上下文關聯起來 311
上下文感知的日誌API 316
在跟蹤系統中捕獲日誌 316
是否需要單獨的日誌記錄和跟蹤後端 318
總結 319
參考資料 320
12 通過資料採擷提煉洞見 321
特徵提取 322
資料採擷管道的組件 323
跟蹤後端 324
跟蹤完成觸發器 324
特徵提取器 325
聚合器 326
特徵提取練習 326
先決條件 328
項目原始程式碼 328
在Docker中運行伺服器 329
在Elasticsearch中定義索引映射 330
Java開發環境 331
微服務模擬器 331
在Kibana中定義索引模式 334
span計數作業 336
跟蹤完成觸發器 338
特徵提取器 340
觀測趨勢 341
謹防推斷 349
歷史分析 350
即時分析 350
總結 353
參考資料 353
Ⅳ 部署和維護跟蹤基礎設施 355
13 在大型組織中實施跟蹤 356
為什麼很難部署跟蹤埋點 357
減少採用障礙 358
標準框架 359
內部適配器庫 360
默認啟用跟蹤 361
monorepo 361
與現有的基礎設施集成 362
從哪裡開始 362
構建文化 364
解釋價值 364
與開發人員工作流集成 365
跟蹤品質指標 366
故障排除指南 369
跳出關鍵路徑 369
總結 369
參考資料 370
14 分散式跟蹤系統的底層架構 371
為什麼需要自己“造輪子” 372
定制和集成 372
頻寬成本 372
把控數據 373
押注新興標準 373
架構和部署模式 374
基本架構：代理 收集器 查詢服務 374
流式架構 377
多租戶 378
安全 381
在多個資料中心運行 382
監控和故障診斷 384
彈性 386
過採樣 386
調試跟蹤 387
資料中心容錯移轉導致的流量峰值 387
無休止的跟蹤 387
長跟蹤 388
總結 388
參考資料 388
後記 390
參考資料 393
|
