可观测性

通过跟踪、指标、日志和健康状况观察应用程序

在构建应用程序时，了解系统行为是操作应用程序的一个重要而又具有挑战性的部分，例如：

  • 观察应用程序的内部调用
  • 衡量其性能
  • 一旦出现问题，立即意识到问题的存在

对于由多个微服务组成的分布式系统来说，这一点尤其具有挑战性，因为由多个调用组成的流程可能从一个微服务开始，然后在另一个微服务中继续。

在生产环境中，应用程序的可观察性至关重要，而在开发过程中也非常有用：

  • 了解瓶颈
  • 提高性能
  • 跨微服务执行基本调试

虽然可以从底层基础架构（内存消耗、CPU 使用率）收集有关应用程序的某些数据点，但必须从 “应用程序感知 “层收集其他有意义的信息–该层可以显示重要的一系列调用是如何在微服务间执行的。 通常情况下，您需要添加一些代码来检测应用程序，然后将收集到的数据（如跟踪和指标）发送到可观察性工具或服务，这些工具或服务可以帮助存储、可视化和分析所有这些信息。

维护此检测代码（不是应用程序核心逻辑的一部分）需要了解可观测性工具的 API、使用其他 SDK 等。 此检测还可能给应用程序带来可移植性挑战，需要根据应用程序的部署位置进行不同的检测。 例如：

  • 不同的云提供商提供不同的可观测性工具
  • 本地部署可能需要自托管解决方案

使用 Dapr 为应用提供可观察性

当您利用 Dapr API 构建块来执行服务到服务调用、发布/订阅消息传递和其他 API 时，Dapr 在 分布式跟踪 方面具有优势。 由于这种服务间通信是通过 Dapr 运行时（或 “sidecar”）进行的，因此 Dapr 在卸载应用程序级检测负担方面具有独特的优势。

分布式跟踪

Dapr可以使用广泛采用的Open Telemetry (OTEL)和Zipkin协议来配置以发出跟踪数据。 这使得它很容易与多种可观测性工具集成。

Distributed tracing with Dapr

自动生成跟踪上下文

Dapr使用W3C tracing 规范来跟踪上下文，作为Open Telemetry（OTEL）的一部分，用于为应用程序生成和传播上下文头，或传播用户提供的上下文头。 这意味着 Dapr 默认会进行跟踪。

Dapr sidecar 和控制平面的可观测性

您还可以通过以下方式观察 Dapr 本身：

  • 生成由 Dapr 副卡和 Dapr 控制平面服务发出的日志
  • 收集有关性能、吞吐量和延迟的指标
  • 使用健康端点探针显示 Dapr sidecar 健康状况

Dapr sidecar metrics, logs and health checks

日志

Dapr生成日志到：

  • 提供 sidecar 运行的可见性
  • 帮助用户发现问题并进行调试

日志事件包含由 Dapr 系统服务生成的警告，错误，信息和调试消息。 您还可以配置 Dapr，将日志发送到收集器，如 Open Telemetry Collector，Fluentd，New Relic，Azure Monitor，以及其他可观察性工具，这样就可以搜索和分析日志，提供见解。

Metrics

指标（Metrics）是在一段时间内收集和存储的一系列度量值和计数。 Dapr 指标 提供监控功能，以了解 Dapr sidecar 和控制面板。 例如，Dapr sidecar 和用户应用之间的服务指标可以展示调用延迟、流量故障、请求的错误率等。

Dapr 控制面板指标 显示 sidecar 注入失败和控制面板服务的健康状态，包括CPU使用情况、actor placement 数量等。

健康检查

Dapr sidecar 暴露了一个HTTP端点用于健康检查。 有了这个应用程序接口，用户代码或托管环境就可以探测 Dapr 侧载程序，以确定其状态，并找出侧载程序就绪性方面的问题。

相反，Dapr 可配置为探测应用程序的健康状况，并对应用程序的健康状况变化做出反应，包括停止发布/订阅和短路服务调用调用。

下一步