---

概述

在前面： 一文中我们利用Zipkin搭建了一个微服务调用链的追踪中心，并且模拟了微服务调用的实验场景。利用Zipkin的库Brave，我们可以收集一个客户端请求从发出到被响应 经历了哪些组件、哪些微服务、请求总时长、每个组件所花时长 等信息。

本文将讲述如何利用Zipkin对Mysql数据库的调用进行追踪，这里同样借助OpenZipkin库Brave来完成。

---

扩展ZipkinTool组件

ZipkinTool是在一文中编写的与Zipkin通信的工具组件，利用其追踪微服务调用链的，现在我们想追踪Mysql数据库调用链的话，可以扩展一下其功能。

• pom.xml添加依赖：

            
     
      io.zipkin.brave
             
     
      brave-mysql
             
     
      4.0.6
     
    

• 在ZipkinConfiguration类中添加MySQLStatementInterceptorManagementBean

@Bean    public MySQLStatementInterceptorManagementBean mySQLStatementInterceptorManagementBean() {        return new MySQLStatementInterceptorManagementBean(brave().clientTracer());    }

---

添加Mysql数据库访问的微服务

依然继承前文：，我们改造一下文中的ServiceC这个微服务，在其中添加与Mysql数据库的交互。

• pom.xml中添加JDBC和Mysql依赖

                
     
      org.springframework.boot
                 
     
      spring-boot-starter-jdbc
             
            
                
     
      mysql
                 
     
      mysql-connector-java
                 
     
      runtime
             
    

• application.properties中添加Mysql连接的配置

spring.datasource.driver-class-name=com.mysql.jdbc.Driverspring.datasource.url=jdbc:mysql://你的Mysql服务所在IP:3307/test?useSSL=false\  &statementInterceptors=com.github.kristofa.brave.mysql.MySQLStatementInterceptor\  &zipkinServiceName=mysqlServicespring.datasource.username=rootspring.datasource.password=XXXXXX

• Controller中添加JdbcTemplate访问数据库的代码

@GetMapping("/mysqltest”)    public String mysqlTest() {        String name = jdbcTemplate.queryForObject( "SELECT name FROM user WHERE id = 1", String.class );        return "Welcome " + name;    }

---

启动Mysql数据库服务

1. 启动Mysql容器

docker run -d -p 3307:3306 \-v ~/mysql/data:/var/lib/mysql \-v ~/mysql/conf:/etc/mysql/conf.d \-e MYSQL_ROOT_PASSWORD=XXXXXX \--name mysql mysql

2. 再启动一个Mysql容器，接入其中做一些设置

• 首先进入mysql命令行

docker run -it --rm \--link mysql:mysql mysql \mysql -hmysql -u root -p

• 接下来创建数据库zipkin： 用于存放Zipkin所收集的数据

CREATE DATABASE `zipkin`CREATE TABLE IF NOT EXISTS zipkin_spans (  `trace_id_high` BIGINT NOT NULL DEFAULT 0 COMMENT 'If non zero, this means the trace uses 128 bit traceIds instead of 64 bit’,  `trace_id` BIGINT NOT NULL,  `id` BIGINT NOT NULL,  `name` VARCHAR(255) NOT NULL,  `parent_id` BIGINT,  `debug` BIT(1),  `start_ts` BIGINT COMMENT 'Span.timestamp(): epoch micros used for endTs query and to implement TTL’,  `duration` BIGINT COMMENT 'Span.duration(): micros used for minDuration and maxDuration query’) ENGINE=InnoDB ROW_FORMAT=COMPRESSED CHARACTER SET=utf8 COLLATE utf8_general_ci;ALTER TABLE zipkin_spans ADD UNIQUE KEY(`trace_id_high`, `trace_id`, `id`) COMMENT 'ignore insert on duplicate’;ALTER TABLE zipkin_spans ADD INDEX(`trace_id_high`, `trace_id`, `id`) COMMENT 'for joining with zipkin_annotations’;ALTER TABLE zipkin_spans ADD INDEX(`trace_id_high`, `trace_id`) COMMENT 'for getTracesByIds’;ALTER TABLE zipkin_spans ADD INDEX(`name`) COMMENT 'for getTraces and getSpanNames’;ALTER TABLE zipkin_spans ADD INDEX(`start_ts`) COMMENT 'for getTraces ordering and range’;CREATE TABLE IF NOT EXISTS zipkin_annotations (  `trace_id_high` BIGINT NOT NULL DEFAULT 0 COMMENT 'If non zero, this means the trace uses 128 bit traceIds instead of 64 bit’,  `trace_id` BIGINT NOT NULL COMMENT 'coincides with zipkin_spans.trace_id’,  `span_id` BIGINT NOT NULL COMMENT 'coincides with zipkin_spans.id’,  `a_key` VARCHAR(255) NOT NULL COMMENT 'BinaryAnnotation.key or Annotation.value if type == -1’,  `a_value` BLOB COMMENT 'BinaryAnnotation.value(), which must be smaller than 64KB’,  `a_type` INT NOT NULL COMMENT 'BinaryAnnotation.type() or -1 if Annotation’,  `a_timestamp` BIGINT COMMENT 'Used to implement TTL; Annotation.timestamp or zipkin_spans.timestamp’,  `endpoint_ipv4` INT COMMENT 'Null when Binary/Annotation.endpoint is null’,  `endpoint_ipv6` BINARY(16) COMMENT 'Null when Binary/Annotation.endpoint is null, or no IPv6 address’,  `endpoint_port` SMALLINT COMMENT 'Null when Binary/Annotation.endpoint is null’,  `endpoint_service_name` VARCHAR(255) COMMENT 'Null when Binary/Annotation.endpoint is null’) ENGINE=InnoDB ROW_FORMAT=COMPRESSED CHARACTER SET=utf8 COLLATE utf8_general_ci;ALTER TABLE zipkin_annotations ADD UNIQUE KEY(`trace_id_high`, `trace_id`, `span_id`, `a_key`, `a_timestamp`) COMMENT 'Ignore insert on duplicate’;ALTER TABLE zipkin_annotations ADD INDEX(`trace_id_high`, `trace_id`, `span_id`) COMMENT 'for joining with zipkin_spans’;ALTER TABLE zipkin_annotations ADD INDEX(`trace_id_high`, `trace_id`) COMMENT 'for getTraces/ByIds’;ALTER TABLE zipkin_annotations ADD INDEX(`endpoint_service_name`) COMMENT 'for getTraces and getServiceNames’;ALTER TABLE zipkin_annotations ADD INDEX(`a_type`) COMMENT 'for getTraces’;ALTER TABLE zipkin_annotations ADD INDEX(`a_key`) COMMENT 'for getTraces’;ALTER TABLE zipkin_annotations ADD INDEX(`trace_id`, `span_id`, `a_key`) COMMENT 'for dependencies job’;CREATE TABLE IF NOT EXISTS zipkin_dependencies (  `day` DATE NOT NULL,  `parent` VARCHAR(255) NOT NULL,  `child` VARCHAR(255) NOT NULL,  `call_count` BIGINT,  `error_count` BIGINT) ENGINE=InnoDB ROW_FORMAT=COMPRESSED CHARACTER SET=utf8 COLLATE utf8_general_ci;ALTER TABLE zipkin_dependencies ADD UNIQUE KEY(`day`, `parent`, `child`);

这里创建了三个数据表。

该Sql文件可以从以下链接获得：

Sql脚本执行完成后，可以看到zipkin相关的三个表已经建成：

• 创建数据库test：用作测试数据库

CREATE DATABASE `test`CREATE TABLE `user` (  `id` int(11) unsigned NOT NULL auto_increment,  `name` varchar(100) DEFAULT NULL ,  PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET = utf8;insert into user values (1,”hansonwang99”)

这里插入了一条数据用于实验。

---

启动zipkin服务

docker run -d -p 9411:9411 \--link mysql:mysql \-e STORAGE_TYPE=mysql \-e MYSQL_HOST=mysql \-e MYSQL_TCP_PORT=3306 \-e MYSQL_DB=zipkin \-e MYSQL_USER=root \-e MYSQL_PASS=XXXXXX \ --name zipkin openzipkin/zipkin

---

启动Mysql数据库访问的微服务（即ServiceC）

在浏览器中输入：localhost:8883/mysqltest，如果看到以下输出，就可以证明数据库调用操作已经成功了！

---

Zipkin追踪数据库调用实际实验

• 浏览器输入：

打开Zipkin Web UI，点击服务名下拉列表能看见已经成功识别了Mysql数据库调用服务

• 选中mysqlservice后，点击Find Traces

可以看到 首次查询 Mysql的调用链追踪信息，有很多

随便点开某一个查看：

• 接下来浏览器中再次输入：localhost:8883/mysqltest

目的是再次触发Mysql的调用，然后再次Find Traces，可以看到追踪数据类似下图：包含两次Mysql的query动作：

点开第一个query查看，其实际上是在 尝试连接Mysql数据库

点开第二个query查看，发现这里才是 实际查询业务

从图形化界面上可以清楚地知道每个阶段的详细步骤与耗时，因此可以用来分析哪个SQL语句执行相对较慢。

---

后记

本文实验所用源码已经开源，需要的话请 。

作者更多的原创文章：

作者一些其他容器化、微服务化方面的文章：

---