|
|
@ -38,7 +38,7 @@
|
|
|
|
|
|
|
|
|
|
|
|
因为问题的跟踪和解决其实就是沿着数据的流向来的,我们只要在 trace 流动的过程中,在沿途把相关的 log 收集上来,然后再针对收到的各种 trace,根据其标签去统计相应的指标。
|
|
|
|
因为问题的跟踪和解决其实就是沿着数据的流向来的,我们只要在 trace 流动的过程中,在沿途把相关的 log 收集上来,然后再针对收到的各种 trace,根据其标签去统计相应的指标。
|
|
|
|
|
|
|
|
|
|
|
|
这一样,是不是就成功地将三个模型关联在了一起?而且还不是强扭的瓜!
|
|
|
|
这样,是不是就成功地将三个模型关联在了一起?而且还不是强扭的瓜!
|
|
|
|
|
|
|
|
|
|
|
|
再回到之前假设的场景:当我们对某个 Metric 波动发生兴趣时,可以直接将造成此波动的 Trace 关联检索出来,然后查看这些 Trace 在各个微服务中的所有执行细节,最后发现是底层某个微服务在执行请求过程中发生了 Panic,这个错误不断向上传播导致了服务对外 SLA 下降。
|
|
|
|
再回到之前假设的场景:当我们对某个 Metric 波动发生兴趣时,可以直接将造成此波动的 Trace 关联检索出来,然后查看这些 Trace 在各个微服务中的所有执行细节,最后发现是底层某个微服务在执行请求过程中发生了 Panic,这个错误不断向上传播导致了服务对外 SLA 下降。
|
|
|
|
|
|
|
|
|
|
|
|