本文将解密如何使用Java Chassis 3可观测能力来快速定位问题，以及这个能力是如何构建起来的。
本文分享自华为云社区《Java Chassis 3技术解密：实用的可观测性》，作者：liubao68。
狭义的可观测性指的是日志、调用链和指标；而广义的可观测性则包括更多内容，一般来说，应用程序暴露出的便于理解其运行状态、运行轨迹、内部结构和功能集合的信息都属于可观测性的范围。本文重点讨论狭义的可观测性。日志揭露了应用程序内部运行的轨迹，通过异常日志可以理解错误产生的原因；调用链反映了一次业务操作经过的关键处理节点，可以帮助快速确定问题发生的边界；指标反映了错误发生时应用程序的当前或历史状态，帮助分析需要一定时间或流量积累才会发生的问题，比如过载问题、性能问题等。可见，为了分析故障，具备可观测性能力非常重要。
微服务系统具备复杂的调用关系和分布式部署特征。为了更好地分析和处理日志、调用链和指标，通常会部署ELK、SkyWalking和Prometheus等外部系统。然而，这些系统的完全搭建将花费数十万计算成本，而且很可能并没有显著提升日常问题定位的效率。不当的使用还可能会引入性能问题。针对问题定位难的情况，Java Chassis 3提供了非常简单高效、低成本的解决方案。由于采集的数据都与Java Chassis运行过程和系统架构强相关，也避免了采集海量无关数据，使得数据对于问题分析更具针对性，能够更快速识别问题根因。
以下是我们首先解密如何使用可观测能力来快速定位问题，然后再解密这个能力是如何构建起来的。
在很多组织里，问题定位通常由不太熟悉系统结构和技术细节的运维人员开始，或者由刚接触系统的新人开始。这给快速定界问题、收集和问题相关的信息带来了巨大的挑战。一个问题从发现到传递给责任模块，数个小时的时间就过去了。设计一个简单的问题定位流程，快速定界问题和收集关联信息，是可观测系统搭建的起点。
当用户识别到一个故障，比如交易失败，在系统层面，会对应到一次系统请求的失败。在系统设计之初，会采用一个请求标识将用户故障和系统请求关联起来，即TraceId，这是所有调用链系统设计的基础。通常建议前端在发送请求时携带TraceId，便于将前后端请求进行关联。在前端未按照要求携带TraceId的情况下，Java Chassis会在应用网关Edge Service生成TraceId，并在给前端响应的HTTP头中携带TraceId。当用户识别到一个故障，可以通过浏览器等前端工具获取TraceId。问题定位的起点是获取TraceId。
在管理控制台，输入TraceId和问题发生的大概时间，可以检索出关键的调用链信息和关键日志信息。通过调用链信息，可以知道请求的执行轨迹和发生问题的节点；通过关键日志信息，能够快速确定问题根因。对于一些简单常见的问题，经过这个简单的步骤，就能够确定问题根因。
对于一些复杂的问题，需要获取上下文日志或指标进行深入的分析，运维人员可以在检索结果里将完整的日志文件和指标信息下载下来，提供给故障服务的技术人员。
从上面的过程可以看出，运维人员在不理解系统实现细节的情况下，也能快速定界和定位一些简单问题，并能够快速收集详细和问题强相关的信息，提供给技术人员进一步处理。
Java Chassis在设计之初就内置了大量的可观测能力。使用上述流程，无需部署ELK、SkyWalking和Prometheus去采集数据，也不需要集成这些工具的SDK或Agent。通过一些开发规范约束和可观测API，就能够实现一个简单高效和易用的定位系统。
动手试试：可以通过下载和运行fence项目，体验上述问题定位流程和了解本章节介绍的实现原理。也可以在实际的业务系统中，参考该项目构筑业务需要的可观测能力。
Java Chassis通过集成应用性能监控、微服务调用链来生成调用链和指标，日志则使用slf4j来记录。这些数据构成了可观测的基础，接下来就是如何存储和采集这些数据。
通过配置log4j2，可以将日志、调用链和指标都输出到日志文件。特别的，该日志配置约束了数据存储的规则、路径，为可观测API提供了简单的实现方案。
每个微服务都集成和实现可观测API。
最后，我们可以开发一个管理控制服务，实现管理面可观测API，就完成了可观测能力的构建。
与部署ELK、SkyWalking和Prometheus去采集数据的传统方案对比，上述方案非常简单和实用，能够帮助实时在线分析问题。该方案也无需将日志、调用链和指标等数据集中存储下来，可以节省大量的存储设备空间。当然，它的缺点也是显而易见的，对于已经下线的服务，或者对于历史问题需要追溯的情况，则采集不到相关的信息。站在问题定位的角度，存储海量的日志、调用链和指标数据，大量数据都是和问题无关的，并且多数情况是要在第一时间完成问题定界和信息收集，因此上述方案相比传统方案就有了非常大的竞争力优势。
客户故事：很多客户花了大量成本构建可观测能力，依然无法指导运维人员快速定界和定位问题。通过建立一个简单实用的问题定界流程和采集数据的手段，可以帮助提升问题定位效率。
点击关注，第一时间了解华为云新鲜技术~
小编推荐阅读
