某金融科技公司的支付系统曾陷入严重的故障排查困境：用户反馈 "转账失败"，运维人员在 ELK 中找到支付服务的错误日志，却无法确定该请求的上游调用来源；在 Prometheus 中发现接口响应时间突增，却不知道是哪个下游服务导致延迟；最终花费 4 小时才定位到问题 ------ 第三方风控服务超时，但因调用链断裂，中间环节的异常未被关联。这正是微服务可观测性的核心痛点：追踪、日志、指标三者孤立，缺乏统一的全链路关联，故障排查效率极低。本文将以 SkyWalking 为核心，结合 Elasticsearch、Prometheus，构建 "分布式追踪为骨架、日志为细节、指标为预警" 的全链路可观测性体系，实现从 "发现问题" 到 "定位根因" 的端到端闭环。
一、微服务全链路可观测性的核心痛点与价值
- 传统可观测性方案的三大瓶颈
在微服务架构中，仅靠独立的日志、指标或追踪工具，无法满足故障排查需求：
- 调用链断裂：跨服务调用时，traceId传递丢失（如 HTTP 调用未携带 Header、消息队列消费未传递上下文），导致调用链无法串联，无法追踪请求完整路径；
- 数据孤立：日志中包含traceId，但无法直接关联到对应的调用链；指标显示 "接口错误率升高"，却无法定位到具体的异常调用实例；
- 排查效率低：故障发生时，需在 ELK（查日志）、Prometheus（看指标）、Zipkin（追调用链）多个工具间切换，手动关联数据，排查时间从小时级起步；
- 业务关联性弱：传统追踪工具仅关注 "技术指标"（如响应时间、调用次数），缺乏与 "业务指标"（如订单号、用户 ID）的关联，无法快速定位 "某笔特定订单的调用异常"。
金融支付系统的典型困境：
当一笔转账请求失败时，日志中仅记录 "转账失败，订单号：PAY20251208001"，但无法通过订单号找到对应的调用链；调用链中显示 "风控服务调用超时"，却无法直接查看该次调用的详细日志，需手动复制traceId到 ELK 中查询。
- 全链路可观测性的核心价值
一套完善的全链路可观测性体系，需实现 "追踪、日志、指标" 的深度融合，其核心价值体现在：
- 全链路追踪：从用户请求入口（网关）到下游所有服务（订单、支付、风控），完整串联调用链，可视化展示请求路径、耗时分布、异常节点；
- 数据关联融合：通过traceId/spanId将 "调用链""日志""指标" 三者关联 ------ 点击调用链中的某个span，可直接查看对应的日志；指标异常时，自动关联最近的异常调用链；
- 业务上下文穿透：在追踪数据中嵌入业务标识（如订单号、用户 ID），支持通过 "订单号" 直接查询对应的调用链与日志，实现 "业务问题→技术根因" 的快速映射；
- 智能故障定位：基于调用链拓扑，自动分析异常传播路径（如 "风控服务超时→支付服务重试→订单服务回滚"），定位故障源头，而非仅看到表面的异常节点；
- 性能瓶颈分析：通过调用链的耗时分布，识别性能瓶颈（如 "数据库查询耗时占比 80%""第三方接口响应慢"），指导性能优化。
- 主流分布式追踪工具对比
|-------------|-------------------------|----------|-----------------------|----------------|----------------|
| 工具 | 核心优势 | 部署复杂度 | 生态融合度 | 业务上下文支持 | 适用场景 |
| SkyWalking | 中文友好、支持多语言、全链路拓扑 | 中 | 高（支持 ELK/Prometheus） | 强（支持自定义标签） | 中大型微服务、多语言架构 |
| Zipkin | 轻量、部署简单、OpenTracing 兼容 | 低 | 中（需手动集成日志） | 弱（仅基础标识） | 小型微服务、快速试点 |
| Jaeger | 云原生友好、K8s 集成度高 | 中 | 中（支持 Grafana） | 中（支持 baggage） | 云原生微服务、K8s 环境 |
| Dynatrace | AI 驱动根因分析、全栈监控 | 低（SaaS） | 高（自动关联日志 / 指标） | 强（自动识别业务标识） | 企业级关键业务、高预算场景 |
二、SkyWalking 核心原理与架构解析
- SkyWalking 的核心概念
SkyWalking 是一款开源的分布式追踪、APM 工具，基于字节码增强技术实现无侵入式监控，核心概念包括：
- Trace（调用链）：一个用户请求从入口到出口的完整调用路径，由多个Span组成；例如 "用户下单" 请求，包含 "网关→订单服务→库存服务→支付服务" 的完整链路；
- Span（调用跨度）：调用链中的最小单元，代表一次服务间调用或一个本地方法执行；每个Span包含traceId（所属调用链 ID）、spanId（自身 ID）、parentSpanId（父调用 ID）；
- 服务（Service）：微服务实例的逻辑分组，如 "order-service""payment-service"；
- 服务实例（Service Instance）：服务的具体部署实例，如 "order-service-10.0.0.1:8080"；
- 端点（Endpoint）：服务提供的具体接口或方法，如 "/order/create""com.xxx.payment.service.PaymentServiceImpl#pay"；
- 标签（Tag）：附加在Span上的键值对，用于存储业务上下文（如orderNo=PAY20251208001）或技术信息（如http.method=POST）；
- 日志关联：通过traceId和spanId将日志与Span绑定，实现 "调用链→日志" 的跳转；
- 指标关联：基于Service/Endpoint维度，自动生成性能指标（如 QPS、响应时间、错误率），与 Prometheus 兼容。
- SkyWalking 核心架构
SkyWalking 采用 "agent + 后端服务 + 存储 + UI" 的分层架构，支持多语言、多协议接入：
- Agent 层：无侵入式探针，部署在微服务实例中，负责采集调用链、日志、指标数据；
- Java Agent：通过字节码增强（Instrumentation）技术，自动拦截 HTTP、Dubbo、Spring Cloud 等调用，无需修改业务代码；
- 其他语言 Agent：支持 Go、Python、Node.js 等语言，通过 SDK 或框架集成实现数据采集；
- Backend 层：后端服务，负责接收 Agent 上报的数据，进行清洗、分析、聚合；
- OAP Server（Observability Analysis Platform）：核心分析引擎，分为接收层（Receiver）、分析层（Analyzer）、存储层（Storage）；
- Alert Manager：告警管理模块，基于指标或调用链异常触发告警；
- Storage 层：持久化存储，支持 Elasticsearch、MySQL、TiDB 等；推荐使用 Elasticsearch，满足高吞吐、高查询性能需求；
- UI 层：Web 可视化界面，提供调用链查询、服务拓扑、仪表盘、日志查看等功能；
- 生态集成层：与 ELK、Prometheus、Grafana 等工具集成，实现数据互通（如 SkyWalking 调用链跳转至 Kibana 日志）。
核心数据流转流程：
- 微服务启动时，加载 SkyWalking Agent；
- Agent 拦截服务调用（如 HTTP 请求、Dubbo 调用），自动生成traceId/spanId，采集调用耗时、状态等信息；
- Agent 将调用链、日志、指标数据异步上报至 OAP Server；
- OAP Server 对数据进行分析（如计算接口 QPS、错误率，构建服务拓扑），并存储到 Elasticsearch；
-
用户通过 SkyWalking UI 查询调用链、查看服务拓扑，或通过集成工具（如 Grafana）查看指标。
-
无侵入式追踪的实现原理
SkyWalking Java Agent 的无侵入式追踪，基于 Java Instrumentation 技术实现，核心步骤：
- Agent 加载：通过 JVM 参数-javaagent:/path/to/skywalking-agent.jar指定 Agent 包，JVM 启动时优先加载 Agent；
- 字节码增强：Agent 在类加载时（ClassFileTransformer），对目标类（如 Spring MVC 的DispatcherServlet、Dubbo 的Invoker）进行字节码修改，插入追踪逻辑；
- 例如：拦截DispatcherServlet#doDispatch方法，在请求处理前生成Span，处理后记录耗时并上报；
- 上下文传递：跨服务调用时，Agent 自动将traceId/spanId放入调用协议的 Header（如 HTTP 的sw8 Header、Dubbo 的attachment），下游服务接收后解析上下文，继续延伸调用链；
- 避免性能影响：Agent 采用异步上报（队列 + 线程池），数据压缩传输，对业务服务的性能影响控制在 5% 以内。
三、实战部署：SkyWalking 全链路追踪体系搭建
- 环境准备
- 基础环境：JDK 11+（Agent 支持 JDK 8-21）、Docker（用于部署 Elasticsearch、SkyWalking OAP）；
- 存储需求：Elasticsearch 7.x（推荐 7.17 版本，与 SkyWalking 兼容性最佳）；
- 微服务框架：Spring Cloud Alibaba 2022.0.0.0（或 Spring Boot 2.7+）；
- 工具版本：SkyWalking 9.7.0（最新稳定版）、Elasticsearch 7.17.0。
- 部署 Elasticsearch（存储层）
SkyWalking 的调用链、日志、指标数据需存储在 Elasticsearch 中，采用 Docker Compose 部署：
yaml取消自动换行复制
启动 Elasticsearch：
bash取消自动换行复制
docker-compose -f docker-compose-es.yml up -d
验证启动：访问http://localhost:9200，返回ES集群信息即成功
- 部署 SkyWalking OAP 与 UI（后端与可视化层）
同样使用 Docker Compose 部署 SkyWalking OAP Server 与 Web UI：
yaml取消自动换行复制
启动 SkyWalking：
bash取消自动换行复制
确保ES网络已存在
docker network inspect skywalking-network || docker network create skywalking-network
启动OAP与UI
docker-compose -f docker-compose-skywalking.yml up -d
验证启动：访问http://localhost:8080，进入SkyWalking UI即成功（默认无账号密码）
- 微服务集成 SkyWalking Agent（数据采集层）
Spring Boot 微服务集成 SkyWalking Agent，实现无侵入式追踪，核心步骤：
4.1 下载 SkyWalking Agent
从 SkyWalking 官网（https://skywalking.apache.org/downloads/）下载 9.7.0 版本的 Agent 包，解压后得到skywalking-agent目录，核心文件包括：
- agent.jar：Agent 核心包；
- config/agent.config：Agent 配置文件；
- plugins/：各类框架的拦截插件（如 Spring Cloud、Dubbo、MySQL）。
4.2 配置 Agent（agent.config）
修改config/agent.config，关键配置如下：
properties取消自动换行复制
1. 服务名称（将在SkyWalking UI中显示，建议与Spring应用名一致）
agent.service_name=${SW_AGENT_NAME:order-service}
2. OAP Server地址（Agent上报数据的地址）
collector.backend_service=${SW_AGENT_COLLECTOR_BACKEND_SERVICES:127.0.0.1:11800}
3. 日志集成：将日志中的traceId/spanId上报至SkyWalking（需配合Logback/Log4j2配置）
plugin.toolkit.log.grpc.reporter.server_host=${SW_GRPC_LOG_SERVER_HOST:127.0.0.1}
plugin.toolkit.log.grpc.reporter.server_port=${SW_GRPC_LOG_SERVER_PORT:11800}
plugin.toolkit.log.grpc.reporter.max_message_size=${SW_GRPC_LOG_MAX_MESSAGE_SIZE:10485760}
4. 采样率配置（生产环境建议100%，测试环境可降低）
agent.sample_n_per_3_secs=${SW_AGENT_SAMPLE:10000} # 每秒采样10000个请求（即100%）
5. 业务标签：自动采集HTTP请求参数（如orderNo）作为Span标签（可选）
plugin.http.http_params_length=${SW_HTTP_PARAMS_LENGTH:1024}
4.3 集成 Logback 日志（关联日志与调用链）
为了让日志中包含traceId/spanId，并能在 SkyWalking UI 中查看日志，需修改 Logback 配置（logback-spring.xml）：
- 引入 SkyWalking 日志依赖（pom.xml）：
xml取消自动换行复制
walking kit-logback-1.x</artifactId>
<version>9.7.0</version>
</dependency>
- 配置 Logback 输出traceId/spanId：
xml取消自动换行复制
<conversionRule conversionWord="spanId" converterClass="org.apache.skywalking.apm.toolkit.log.logback.v1.x.SpanIdConverter"/>
. 控制台输出（开发环境）：包含traceId/spanId -->
SOLE" class="ch.qos.logback.core.ConsoleAppender">
<encoder>
<pattern>%d{yyyy-MM-dd HH:mm:ss.SSS} [%traceId] [%spanId] [%level] %logger{50} - %msg%n </encoder>
</appender>
- 日志上报至SkyWalking（通过gRPC）：支持在UI中查看日志 -->
YWALKING_LOG" class="org.apache.skywalking.apm.toolkit.log.logback.v1.x.log.GRPCLogClientAppender">
{yyyy-MM-dd HH:mm:ss.SSS} [%level] %logger{50} - %msg%n </encoder>
</appender>
- 全局日志级别：INFO，同时输出到控制台与SkyWalking -->
INFO">
ender-ref ref="CONSOLE"/>
ender-ref ref="SKYWALKING_LOG"/>
</root>
>
4.4 启动微服务并加载 Agent
通过 JVM 参数指定 Agent 路径，启动 Spring Boot 微服务：
bash取消自动换行复制
java -javaagent:/path/to/skywalking-agent/agent.jar \
-Dskywalking.agent.service_name=order-service \ # 服务名（覆盖agent.config配置）
-Dskywalking.collector.backend_service=127.0.0.1:11800 \ # OAP地址
-jar order-service-1.0.0.jar
验证集成效果：
- 访问微服务接口（如http://localhost:8081/order/create）；
- 查看控制台日志，确认包含traceId/spanId（如2025-12-08 15:30:00.123 [8f7e6d5c4b3a210...] [a1b2c3d4e5f6...] [INFO] ...）；
- 进入 SkyWalking UI → 追踪 → 搜索traceId，确认调用链已被采集。
四、全链路追踪核心功能实战
- 调用链查询：可视化请求完整路径
SkyWalking UI 提供强大的调用链查询功能，支持通过traceId、服务名、端点名、时间范围等多维度筛选：
1.1 基础调用链查询
- 进入 SkyWalking UI → 左侧菜单 "追踪"；
- 筛选条件设置：
- 服务名：选择 "order-service"；
- 端点名：选择 "/order/create"；
- 时间范围：选择 "最近 10 分钟"；
- 状态：选择 "成功" 或 "失败"；
- 点击 "搜索"，展示符合条件的调用链列表；
- 点击某条调用链，进入详情页，查看：
- 调用路径：从网关（如 spring-cloud-gateway）→ 订单服务 → 库存服务 → 支付服务的完整链路；
- 耗时分布：每个span的耗时（如 "订单服务→库存服务" 调用耗时 200ms）；
- 状态标识：失败的span以红色标注，鼠标悬停可查看异常信息（如 "第三方风控服务超时"）；
- 标签信息：每个span的标签（如http.method=POST、db.instance=order-db）。
1.2 业务标识查询：通过订单号定位调用链
传统追踪工具仅支持通过traceId查询，SkyWalking 支持通过业务标识（如订单号）查询调用链，需在代码中手动注入业务标签：
- 注入业务标签（Spring Boot 服务）：
java取消自动换行复制
import org.apache.skywalking.apm.toolkit.trace.TraceContext;
import org.apache.skywalking.apm.toolkit.trace.Tag;
import org.apache.skywalking.apm.toolkit.trace.Tags;
@RestController
@RequestMapping("/order")
public class OrderController {
@PostMapping("/create")
// 通过@Tag注解将订单号作为Span标签
@Tags({@Tag(key = "orderNo", value = "{request.orderNo}"), @Tag(key = "userId", value = "{request.userId}")})
public OrderDTO createOrder(@RequestBody OrderCreateRequest request) {
// 手动将订单号放入MDC，便于日志关联
MDC.put("orderNo", request.getOrderNo());
try {
return orderService.createOrder(request);
} finally {
MDC.clear();
}
}
}
- 通过订单号查询调用链：
- 进入 SkyWalking UI → 追踪 → 点击 "高级搜索"；
- 标签筛选：添加条件 "orderNo = PAY20251208001"；
- 点击 "搜索"，直接定位到该订单对应的调用链，无需记忆traceId。
- 服务拓扑图：可视化微服务依赖关系
SkyWalking 自动构建服务拓扑图，展示服务间的调用关系、调用量、成功率，帮助快速识别依赖瓶颈：
2.1 查看全局拓扑
- 进入 SkyWalking UI → 左侧菜单 "拓扑图"；
- 时间范围：选择 "最近 1 小时"；
- 层级筛选：选择 "服务"（展示服务级拓扑）或 "实例"（展示实例级拓扑）；
- 拓扑图解读：
- 节点：每个节点代表一个服务（如 "order-service""stock-service"），节点大小代表调用量；
- 边：服务间的调用关系，边的粗细代表调用量，颜色代表成功率（绿色：成功率 > 99%，黄色：95%-99%，红色：5%）；
- 悬停信息：鼠标悬停在节点上，显示服务的 QPS、平均响应时间、错误率；悬停在边上，显示调用量、平均耗时。
2.2 故障定位：通过拓扑图快速识别异常服务
当支付服务调用第三方风控服务超时，拓扑图会呈现明显异常：
- 支付服务（payment-service）到风控服务（risk-control-service）的边显示红色，且标注 "错误率 100%"；
- 点击该边，可查看具体的异常信息（如 "超时时间 5000ms"）；
- 进一步点击 "查看调用链"，直接定位到超时的span，无需逐个服务排查。
- 日志与调用链联动：从追踪到日志的一键跳转
SkyWalking 支持 "调用链→日志" 的直接联动，无需在多个工具间切换，大幅提升排查效率：
3.1 在调用链中查看关联日志
- 进入调用链详情页，找到某个span（如 "支付服务调用风控服务"）；
- 点击该span右侧的 "日志" 标签，展示该span对应的所有日志；
- 日志包含完整的上下文信息（如traceId、spanId、订单号），可直接查看异常堆栈信息；
- 若日志量较大，可通过 "日志级别"（INFO/ERROR）筛选，快速定位错误日志。
3.2 日志与调用链的双向联动
通过 SkyWalking 与 ELK 的集成，实现双向跳转：
- SkyWalking→Kibana：在调用链详情页，点击 "查看 Kibana 日志"，自动跳转到 Kibana 并筛选该traceId的所有日志；
- 配置方法：修改 SkyWalking OAP 的application.yml，添加 Kibana 地址与日志查询模板：
yaml取消自动换行复制
ui:
settings:
log:
kibana:
address: http://localhost:5601
queryTemplate: "/app/discover#/?_g=(time:(from:now-1h%2Fm,to:now))&_a=(columns:!(),filters:!((query:(match:(traceId:(query:'{traceId}',type:phrase)))),index:'microservice-log-*',interval:auto,query:(language:kuery,query:''),sort:!((@timestamp,desc)))"
- Kibana→SkyWalking：在 Kibana 日志中，点击traceId字段，自动跳转到 SkyWalking 对应的调用链详情页；
- 配置方法：在 Kibana 中为traceId字段添加 "链接模板"，指向 SkyWalking UI 的调用链查询地址：
plaintext取消自动换行复制
- 指标与调用链联动：从指标异常到根因定位
SkyWalking 自动将调用链数据聚合为指标（如 QPS、响应时间、错误率），当指标异常时，可直接关联到对应的调用链：
4.1 基于指标触发告警并关联调用链
- 配置指标告警：
- 进入 SkyWalking UI → 左侧菜单 "告警" → "告警规则" → "创建规则"；
- 规则配置：
- 指标类型：选择 "端点指标"；
- 指标名称：选择 "平均响应时间"；
- 服务名：选择 "payment-service"；
- 端点名：选择 "/payment/transfer"；
- 阈值条件："> 1000ms"（持续 1 分钟）；
- 告警通知：配置钉钉 / 邮件通知，包含 "查看异常调用链" 的链接；
- 指标异常触发告警：
- 当/payment/transfer接口平均响应时间超过 1000ms，触发告警；
- 告警通知中包含 "查看异常调用链" 的链接，点击后直接跳转到 SkyWalking 的调用链查询页面，筛选出该时间段内的所有慢调用；
- 定位根因：
- 在慢调用链列表中，查看每个调用链的耗时分布，发现 "调用第三方银行接口" 的span耗时占比 90%；
- 进一步查看该span的日志，发现 "银行接口返回超时错误"，确认根因为第三方服务延迟。
4.2 集成 Prometheus 实现跨工具指标联动
SkyWalking 支持将指标导出到 Prometheus，通过 Grafana 展示，并关联到 SkyWalking 的调用链：
- 配置 SkyWalking 指标导出到 Prometheus：
- 修改 SkyWalking OAP 的application.yml，启用 Prometheus exporter：
yaml取消自动换行复制
prometheus:
exporter:
enabled: true
port: 9090 # Prometheus采集端口
metrics_path: /metrics
- Prometheus 配置采集 SkyWalking 指标：
- 在prometheus.yml的scrape_configs中添加：
yaml取消自动换行复制
- job_name: 'skywalking-metrics'
static_configs:
- targets: ['skywalking-oap:9090']
- Grafana 配置仪表盘并关联调用链：
- 在 Grafana 中创建基于 SkyWalking 指标的仪表盘（如 "支付服务接口性能"）；
- 为 "平均响应时间" 图表添加 "链接"，指向 SkyWalking 的调用链查询页面，筛选该时间段内的慢调用：
plaintext取消自动换行复制
http://localhost:8080/trace?traceId=\&serviceName=payment-service\&endpointName=/payment/transfer\&startTime={{startTime}}&endTime={{endTime}}&status=slow
五、生产环境最佳实践与性能优化
- 调用链采样策略：平衡性能与排查需求
在高并发生产环境中，100% 采样会导致 Agent 上报数据量过大，影响服务性能，需制定合理的采样策略：
1.1 常见采样策略对比
|---------|----------------------------|--------------------------|-----------------------|
| 采样策略 | 核心逻辑 | 适用场景 | 优缺点 |
| 全量采样 | 所有请求都生成调用链 | 低并发服务（如后台管理系统）、关键业务（支付） | 排查全面，但高并发下性能影响大 |
| 固定速率采样 | 每秒采样 N 个请求（如 1000 个 / 秒） | 中高并发服务（如订单服务） | 性能影响可控，但低流量时可能漏采关键请求 |
| 按比例采样 | 按百分比采样（如 10%） | 非关键业务服务（如商品浏览） | 配置简单，但高并发下采样量仍可能过大 |
| 基于规则采样 | 仅采样异常请求（错误 / 慢调用）+ 少量正常请求 | 高并发核心服务（如网关、支付） | 性能影响最小，关键故障不遗漏 |
1.2 生产环境推荐配置（基于规则采样）
修改 SkyWalking Agent 的agent.config：
properties取消自动换行复制
1. 基础采样：每秒采样100个正常请求（避免数据量过大）
agent.sample_n_per_3_secs=${SW_AGENT_SAMPLE:300} # 3秒采样300个 → 1秒100个
2. 异常请求强制采样：错误请求100%采样
plugin.jdk.httpclient.sample_error=true
plugin.spring.mvc.sample_error=true
plugin.dubbo.sample_error=true
3. 慢调用强制采样：耗时超过500ms的请求100%采样
plugin.jdk.httpclient.slow_threshold=${SW_SLOW_THRESHOLD:500}
plugin.spring.mvc.slow_threshold=${SW_SLOW_THRESHOLD:500}
plugin.dubbo.slow_threshold=${SW_SLOW_THRESHOLD:500}
- 调用链上下文传递：避免调用链断裂
跨服务调用或异步处理时，若traceId/spanId传递丢失，会导致调用链断裂，需确保全链路上下文传递：
2.1 HTTP 调用上下文传递（Spring Cloud）
SkyWalking Agent 自动拦截 Spring Cloud OpenFeign、RestTemplate 的 HTTP 调用，在 Header 中添加sw8协议头（包含traceId/spanId），无需手动配置；若使用自定义 HTTP 客户端（如 OkHttp），需手动传递 Header：
java取消自动换行复制
public class CustomHttpClient {
public String callRiskControlService(String orderNo, String traceId, String spanId) {
OkHttpClient client = new OkHttpClient();
Request request = new Request.Builder()
.url("http://risk-control-service/risk/check?orderNo=" + orderNo)
// 手动添加SkyWalking上下文Header
.addHeader("sw8", "1-" + traceId + "-" + spanId + "-1-1")
.build();
try (Response response = client.newCall(request).execute()) {
return response.body().string();
} catch (IOException e) {
throw new RuntimeException(e);
}
}
}
2.2 消息队列上下文传递（Kafka/RabbitMQ）
消息生产者发送消息时，需将traceId/spanId放入消息头；消费者消费消息时，从消息头中解析上下文并传递给 SkyWalking Agent：
- Kafka 生产者传递上下文：
java取消自动换行复制
import org.apache.skywalking.apm.toolkit.trace.TraceContext;
import org.apache.kafka.clients.producer.ProducerRecord;
@Service
public class KafkaProducerService {
@Autowired
private KafkaTemplateafkaTemplate;
public void sendOrderMessage(String orderNo, String message) {
// 从SkyWalking上下文获取traceId/spanId
String traceId = TraceContext.traceId();
String spanId = TraceContext.spanId();
// 创建ProducerRecord，添加上下文Header
ProducerRecord String> record = new ProducerRecord", message);
record.headers().add("sw8-traceId", traceId.getBytes());
record.headers().add("sw8-spanId", spanId.getBytes());
// 发送消息
kafkaTemplate.send(record);
}
}
- Kafka 消费者传递上下文：
java取消自动换行复制
// 从消息Header中解析traceId/spanId
String traceId = new String(record.headers().lastHeader("sw8-traceId").value());
String spanId = new String(record.headers().lastHeader("sw8-spanId").value());
// 将上下文传递给SkyWalking Agent
TraceContext.continued(traceId, spanId);
try {
// 处理消息逻辑
orderService.processOrder(record.value());
} finally {
// 清除上下文，避免线程复用导致数据污染
TraceContext.clear();
}
}