应用日志打印 traceId 和 spanId
SLF4J 提供了 MDC （Mapped Diagnostic Contexts）功能，可以支持用户定义和修改日志的输出格式以及内容。
本文将介绍 SOFATracer 集成的 SLF4J MDC功能，方便用户在只简单修改日志配置文件的前提下输出当前 SOFATracer 上下文 TraceId 以及 SpanId 。
使用前提
为了在应用中的日志正确打印 TraceId 和 SpanId 参数，我们的日志编程接口需要面向 SLF4J 进行编程，即打印日志的编程接口不要依赖具体的日志实现。
<dependency>
<groupId>org.slf4j</groupId>
<artifactId>slf4j-api</artifactId>
</dependency>
引入依赖
如果是 SOFABoot 或者 Spring Boot 的应用具体的日志实现需要大家去引入，我们推荐的日志打印实现是 Logback 和 Log4j2，不推荐 Log4j，同时日志实现建议只使用一个而不要使用多个实现。
Logback 实现引入：
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-logging</artifactId>
</dependency>
Log4j2 实现引入：
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-log4j2</artifactId>
<!--SOFABoot 没有管控 log4j2 版本 -->
<version>1.4.2.RELEASE</version>
</dependency>
配置方法
我们基于 SLF4J MDC 的原理打印对应的 TraceId 和 SpanId，首先我们的应用中的日志编程接口应该面向 SLF4J，如通过如下的方式：
//引入接口
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
//构造日志打印实例
private static final Logger logger = LoggerFactory.getLogger(XXX.class);
其次，我们为了正确打印 TraceId 和 SpanId 参数，我们还需要在日志的配置文件中配置 PatternLayout 的额外参数，这两个参数是 %X{SOFA-TraceId} 和 %X{SOFA-SpanId}，参数值我们均是从 MDC 中获取的值。
以 Logback 为例配置的 pattern 参数：
<pattern>%d{yyyy-MM-dd HH:mm:ss.SSS} %5p [%X{SOFA-TraceId},
%X{SOFA-SpanId}]
---- %m%n</pattern>
关键配置项目：[%X{SOFA-TraceId},%X{SOFA-SpanId}] 作为 Logback pattern 的一部分，在对应的 appender 被调用的时候，会根据 pattern 中的占位符替换为当前线程上下文中 TraceId 和 SpanId 的具体值，当前线程中没有对应的 TraceId 和 SpanId 值时，会用“空字符串”替代。
Log4j2 配置 PatternLayout 样例：
<PatternLayout pattern="%d{yyyy-MM-dd HH:mm:ss.SSS} %5p
[%X{SOFA-TraceId},%X{SOFA-SpanId}] ---- %m%n " />
Log4j 配置 PatternLayout 样例：
<layout class="org.apache.log4j.PatternLayout">
<param name="ConversionPattern" value="%d %-5p %-32t
[%X{SOFA-TraceId},%X{SOFA-SpanId}] - %m%n"/>
</layout>
需要注意的是：[%X{SOFA-TraceId},%X{SOFA-SpanId}] 使我们推荐的打印格式，用户可以根据自己的实际需求场景进行定制
异步线程处理
线程中使用 java.lang.Runnable
如果用户在代码中通过 java.lang.Runnable 新启动了线程或者采用了线程池去异步地处理一些业务，那么需要将 SOFATracer 日志上下文从父线程传递到子线程中去，SOFATracer 提供的 com.alipay.common.tracer.core.async.SofaTracerRunnable 默认完成了此操作，大家可以按照如下的方式使用：
Thread thread = new Thread(new SofaTracerRunnable(new Runnable() {
@Override
public void run() {
//do something your business code
}
}));
thread.start();
线程中使用 java.util.concurrent.Callable
如果用户在代码中通过 java.util.concurrent.Callable 新启动线程或者采用了线程池去异步地处理一些业务，那么需要将 SOFATracer 日志上下文从父线程传递到子线程中去，SOFATracer 提供的 com.alipay.common.tracer.core.async.SofaTracerCallable 默认完成了此操作，大家可以按照如下的方式使用：
ExecutorService executor = Executors.newCachedThreadPool();
SofaTracerCallable<Object> sofaTracerSpanSofaTracerCallable = new SofaTracerCallable<Object>(new Callable<Object>() {
@Override
public Object call() throws Exception {
return new Object();
}
});
Future<Object> futureResult = executor.submit(sofaTracerSpanSofaTracerCallable);
//do something in current thread
Thread.sleep(1000);
//another thread execute success and get result
Object objectReturn = futureResult.get();
这个实例中，假设 java.util.concurrent.Callable 返回结果的对象类型是 java.lang.Object，实际使用时可以根据情况替换为期望的类型。
SOFATracer 对线程池、异步调用场景下的支持
异步场景
异步调用，以 rpc 调用为例，每次 rpc 调用请求出去之后不会等待到结果返回之后才去发起下一次处理，这里有个时间差，在前一个 rpc 调用的 callback 回来之前，又一个新的 rpc 请求发起，此时当前线程中的 TracerContext 没有被清理，则 spanId 会自增，tracerId 相同。
对于上面这种情况，SOFATracer 在对于异步情况处理时，不会等到 callback 回来之后，调用 cr 阶段才会清理，而是提前就会清理当前线程的 tracerContext 上下文，从而来保证链路的正确性。
线程池
目前来说，不管是 SOFARPC 还是 Dubbo 的埋点实现，在使用单线程或者线程池时，情况是一样的：
同步调用，线程池中分配一个线程用于处理 rpc 请求，在请求结束之前会一直占用线程；此种情况下不会造成下一个 rpc 请求错拿上一个请求的 tracerContext 数据问题
异步调用，由于异步回调并非是在 callback 中来清理上下文，而是提前清理的，所以也不会存在数据串用问题。
callback 异步回调，这个本质上就是异步调用，所以处理情况和异步调用相同。
Functional 接口支持
从 Java 8 中，Java 开始引入了各种 @FunctionalInterface 接口，以更好地支持函数式编程，通常，Java 的函数会在一个 ForkJoinPool 中执行，如果这个时候没有把 Tracer 的一些线程变量传递进去的话，就会造成 Trace 信息的丢失。
因此，在 SOFATracer XXX 版本中增加了对这些 @FunctionalInterface 接口的包装类，以确保 Trace 相关的信息能够正确地传递下面，下面以 Consumer 接口为例进行说明，只需要将原来构造 Consumer 的地方修改成构造 SofaTracerConsumer，并且将原来的 Consumer 传入作为 SofaTracerConsumer 的构造函数的参数即可：
Consumer<String> consumer = new SofaTracerConsumer<>(System.out::println);
采样模式
目前 SOFATracer 提供了两种采样模式，一种是基于 BitSet 实现的基于固定采样率的采样模式；另外一种是提供给用户自定义实现采样的采样模式。
下面通过案例来演示如何使用。
本示例基于 tracer-sample-with-springmvc 工程；除 application.properties 之外，其他均相同。
基于固定采样率的采样模式
在 application.properties 中增加采样相关配置项
#采样率 0~100
com.alipay.sofa.tracer.samplerPercentage=100
#采样模式类型名称
com.alipay.sofa.tracer.samplerName=PercentageBasedSampler
验证方式
-
当采样率设置为100时，每次都会打印摘要日志。
-
当采样率设置为0时，不打印
-
当采样率设置为0~100之间时，按概率打印
以请求 10 次来验证下结果。
1、当采样率设置为100时，每次都会打印摘要日志
启动工程，浏览器中输入：http://localhost:8080/springmvc ；并且刷新地址10次，查看日志如下：
自定义采样模式
SOFATracer 中提供了一个采样率计算的接口 Sampler ，如果你需要定制化自己的采样策略，可通过实现此接口来进行扩展。
下面通过一个简单的Demo 来演示如何使用自定义采样模式。
自定义采样规则类
public class CustomOpenRulesSamplerRuler implements Sampler {
private static final String TYPE = "CustomOpenRulesSamplerRuler";
@Override
public SamplingStatus sample(SofaTracerSpan sofaTracerSpan) {
SamplingStatus samplingStatus = new SamplingStatus();
Map<String, Object> tags = new HashMap<String, Object>();
tags.put(SofaTracerConstant.SAMPLER_TYPE_TAG_KEY, TYPE);
tags = Collections.unmodifiableMap(tags);
samplingStatus.setTags(tags);
if (sofaTracerSpan.isServer()) {
samplingStatus.setSampled(false);
} else {
samplingStatus.setSampled(true);
}
return samplingStatus;
}
@Override
public String getType() {
return TYPE;
}
@Override
public void close() {
// do nothing
}
}
在 sample 方法中，用户可以根据当前 sofaTracerSpan 提供的信息来决定是否进行打印。这个案例是通过判断 isServer 来决定是否采样，isServer=true,不采样，否则采样。
在 application.properties 中增加采样相关配置项
com.alipay.sofa.tracer.samplerName.samplerCustomRuleClassName=com.alipay.sofa.tracer.examples.springmvc.sampler.CustomOpenRulesSamplerRuler
相关实验结果，可以自行验证下。
上报数据至 Zipkin
在本文档将演示如何使用 SOFATracer 集成 Zipkin 进行数据上报展示。
假设你已经基于 SOFABoot 构建了一个简单的 Spring Web 工程，那么可以通过如下步骤进行操作：
下面的示例中将分别演示在 SOFABoot/SpringBoot 工程中 以及 非 SOFABoot/SpringBoot 工程中如何使用。
依赖引入
添加 SOFATracer 依赖
工程中添加 SOFATracer 依赖：
<dependency>
<groupId>com.alipay.sofa</groupId>
<artifactId>tracer-sofa-boot-starter</artifactId>
</dependency>
配置 Zipkin 依赖
考虑到 Zipkin 的数据上报能力不是 SOFATracer 默认开启的能力，所以期望使用 SOFATracer 做数据上报时，需要添加如下的 Zipkin 数据汇报的依赖：
<dependency>
<groupId>io.zipkin.zipkin2</groupId>
<artifactId>zipkin</artifactId>
<version>2.11.12</version>
</dependency>
<dependency>
<groupId>io.zipkin.reporter2</groupId>
<artifactId>zipkin-reporter</artifactId>
<version>2.7.13</version>
</dependency>
配置文件
在工程的 application.properties 文件下添加一个 SOFATracer 要使用的参数，包括spring.application.name 用于标示当前应用的名称；logging.path 用于指定日志的输出目录。
# Application Name
spring.application.name=SOFATracerReportZipkin
# logging path
logging.path=./logs
com.alipay.sofa.tracer.zipkin.enabled=true
com.alipay.sofa.tracer.zipkin.baseUrl=http://localhost:9411
启动 Zipkin 服务端
启动 Zipkin 服务端用于接收 SOFATracer 汇报的链路数据，并做展示。Zipkin Server 的搭建可以参考此文档进行配置和服务端的搭建。
运行
可以将工程导入到 IDE 中运行生成的工程里面中的 main 方法启动应用，也可以直接在该工程的根目录下运行 mvn spring-boot:run，将会在控制台中看到启动日志：
2018-05-12 13:12:05.868 INFO 76572 --- [ost-startStop-1] o.s.b.w.servlet.FilterRegistrationBean : Mapping filter: 'SpringMvcSofaTracerFilter' to urls: [/*]
2018-05-12 13:12:06.543 INFO 76572 --- [ main] s.w.s.m.m.a.RequestMappingHandlerMapping : Mapped "{[/helloZipkin]}" onto public java.util.Map<java.lang.String, java.lang.Object> com.alipay.sofa.tracer.examples.zipkin.controller.SampleRestController.helloZipkin(java.lang.String)
2018-05-12 13:12:07.164 INFO 76572 --- [ main] s.b.c.e.t.TomcatEmbeddedServletContainer : Tomcat started on port(s): 8080 (http)
可以通过在浏览器中输入 http://localhost:8080/helloZipkin 来访问 REST 服务，结果类似如下：
{
content: "Hello, SOFATracer Zipkin Remote Report!",
id: 1,
success: true
}
查看 Zipkin 服务端展示
打开 Zipkin 服务端界面，假设我们部署的 Zipkin 服务端的地址是 http://localhost:9411，打开 URL 并搜索 helloZipkin(由于我们本地访问的地址是 localhost:8080/helloZipkin)，可以看到展示的链路图。
Spring 工程运行
对于一般的 Spring 工程，我们通常使用 tomcat/jetty 作为 servlet 容器来启动应用。具体工程参考 在 Spring 工程中使用 SOFATracer
手动埋点
SOFATracer 此前的埋点均是基于组件维度的埋点，用户很难在自己业务代码中进行埋点操作，或者增加自定义 tag 值来监控一些链路信息。
基于此，SOFATracer 从 2.4.1⁄3.0.6 版本开始支持手动埋点和基于注解的埋点方式，帮助用户解决自定义埋点问题。
使用方式
自定义埋点提供了两种方式，一种是手动埋点，一种是基于注解方式埋点。
手动埋点
手动埋点的方式遵循 opentracing 规范，SOFATracer 中通过 beforeInvoke 和 afterInvoke 两个函数封装了 span 的周期，如下：
// 注入 tracer
@Autowired
Tracer tracer;
private void testManual(){
try {
// beforeInvoke 开始
SofaTracerSpan sofaTracerSpan = ((FlexibleTracer) tracer).beforeInvoke("testManual");
sofaTracerSpan.setTag("manualKey","glmapper");
// do your biz
} catch (Throwable t){
// 异常结束
((FlexibleTracer) tracer).afterInvoke(t.getMessage());
} finally {
// 正常结束
((FlexibleTracer) tracer).afterInvoke();
}
}
这种方式在使用上没有直接使用注解方便，但是可以直观的了解到 span 的生命周期，另外手动埋点也是对基于注解方式埋点的一种补充，下面介绍。
基于注解方式
SOFATracer 中提供了 @Tracer 注解，其作用域是 method 级别。
// 在 hello 方法上使用 @Tracer 注解进行埋点
@Tracer
public String hello(String word){
// 自定义 tag 数据
SpanTags.putTags("author","glmapper");
// 失效
helloInner(word);
return "glmapper : hello " + word;
}
// 在 hello 方法上使用 @Tracer 注解进行埋点
@Tracer
private String helloInner(String word){
return "glmapper : hello " + word;
}
@Tracer 是基于 Spring Aop 实现，因此一定程度上依赖 Spring 中的代理机制。
如代码片段中所示，helloInner 方法由于执行过程中不会使用代理对象，而是 this，所以会导致 helloInner 的注解埋点失效。
那么对于此种情况，就可以使用手动埋点的方式来弥补。
SpanTags 是 SOFATracer 中提供的工具类，在使用注解或者手动埋点的情况下，可以通过此类提供的静态方法来设置 tag 。
日志格式
- json 格式
{"time":"2019-09-05 10:23:53.549","local.app":"flexible-sample","traceId":"0a0fe9291567650233504100130712","spanId":"0.2","span.kind":"client","result.code":"","current.thread.name":"http-nio-8080-exec-1","time.cost.milliseconds":"4ms","method":"hello","param.types":"java.lang.String","author":"glmapper","sys.baggage":"","biz.baggage":""}
- 非 json 格式
2019-09-05 10:25:50.992,flexible-sample,0a0fe9291567650350953100130778,0.2,client,,http-nio-8080-exec-1,4ms,hello,param.types=java.lang.String&author=glmapper&,,
自定义 Reporter
在使用自定义埋点组件的情况下，用户可以选择自定义 Reporter。
自定义 Reporter 实现
public class MyReporter implements Reporter {
@Override
public String getReporterType() {
return "myReporter";
}
@Override
public void report(SofaTracerSpan sofaTracerSpan) {
// System.out 输出
System.out.println("this is my custom reporter");
}
@Override
public void close() {
// ignore
}
}
配置
com.alipay.sofa.tracer.reporter-name=com.glmapper.bridge.boot.flexible.MyReporter
自定义实现 Reporter 可以将业务埋点的日志输出到任何期望的地方。
参考资料
https://www.sofastack.tech/projects/sofa-tracer/print-traceid-spanid/
https://www.sofastack.tech/projects/sofa-tracer/functional-interface-support/
