隨著微服務架構的流行，一次請求往往需要涉及到多個服務，因此服務效能監控和排查就變得更復雜。APM因此而生。
目前，市面上的APM服務端已經有了非常多的實現。比如Zipkin、Jaeger、SkyWalking、Elastic APM等（Pinpoint並不支援OpenTracing，所以我們不介紹）。
本教程僅提供一些開發思路，對技術要求較高，因為大部分需要涉及到對相應元件原始碼的理解。全部原始碼都可以在github上找到。
本次選擇Jaeger作為服務端示例。主要內容如下。
第一部分
在第一部分，我們來看一下apm的關鍵資訊和一些概念性的東西，為後面的示例做準備。在這裡，我們簡單的描述了jaeger是如何安裝的，也是一些準備工作。
第二部分
使用一個簡單的java程式，來說明如何使用OpenTracing api進行trace的生成，並演示一個帶有二個節點的呼叫鏈生成。
第三部分
使用OkHttp3和SpringBoot，來演示如何實現一個分散式呼叫。本文依然是使用底層的api進行構建，對開發感覺好的到此應該能夠應對各種場景。
第四部分
以SpringCloud為例，說明微服務的呼叫鏈生成邏輯。由於各種呼叫內容較多，我們僅以比較流行的Feign呼叫來說明其原理。 SpringCloud的實現已經有了比較好的輪子，考慮的也比較全面，可以參考其原始碼進行分析。
如果你在開發自己的中介軟體，或者做一些整合性的工作，本教程能夠讓你快速給自己的元件加入apm功能。前提是，你的api相容OpenTracing協議。
整體介紹
對於監控體系和apm鏈路，小姐姐味道公眾號有更加詳細的描述，建議先讀一下。
以下僅簡要說明一下呼叫鏈的主要因素。
呼叫鏈主要因素
資料收集部分
主要用於多樣化的資料收集，為資料分析做準備。要求易用好用侵入儘量小（開發工作量），並且在極端情況下（如收集元件不可用）不能對業務有任何影響。可以看到此部分的開發量是巨大的，尤其是需要整合Nginx上下游、基礎元件多樣、技術棧多樣的情況下。
資料分析部分
主要有實時分析與線下分析。一般，實時分析的價值更大一些，主要產出如秒級別的呼叫量、平均響應時間、TP值等。另外，呼叫鏈（Trace)需要儲存全量資料，一些高併發大埋點的請求，會有效能問題。
監控報警
此部分利用資料分析的產出，通過簡訊郵件等形式，通知訂閱人關注。監控報警平臺應儘量向devops平臺靠攏，包括自主化服務平臺。
為什麼選用jaeger
jaeger的開發較為活躍，而且它的模組劃分是比較靈活的。在資料量非常大的情況下，資料是可以先用kafka緩衝一下的(同時為接入各種流分析平臺做足了準備)。這些內容，我們在jaeger安裝的部分順便說明。
擴充套件方式
如果你的專案使用了SpringBoot，是非常方便進行擴充套件的。以下內容不止一次提起，讀過的請忽略。
我們接下來實現的功能是：任何加了
@OwlTrace註解的方法，都將產生一條呼叫鏈資訊。
首先，我們要定義一個註解：
import java.lang.annotation.*;
@Target({ElementType.METHOD})
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface OwlTrace {
}
複製程式碼然後，實現其處理類。程式碼通過AOP對Spring管理的Bean進行攔截，非常簡單的實現了Trace資訊的構造。程式碼如下：
import io.opentracing.Span;
import io.opentracing.Tracer;
import io.opentracing.tag.Tags;
import lombok.extern.slf4j.Slf4j;
import org.aspectj.lang.ProceedingJoinPoint;
import org.aspectj.lang.annotation.Around;
import org.aspectj.lang.annotation.Aspect;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.context.annotation.Lazy;
import java.util.LinkedHashMap;
import java.util.Map;
@Configuration
@Slf4j
public class OwlTraceAutoConfiguration {
static final String TAG_COMPONENT = "java";
@Autowired
@Lazy
Tracer tracer;
@Bean
public TracingAspect pxTracingAspect() {
return new TracingAspect();
}
@Aspect
class TracingAspect {
@Around("@annotation(com.sayhiai.arch.trace.annotation.OwlTrace)")
public Object pxTraceProcess(ProceedingJoinPoint pjp) throws Throwable {
Span span = null;
if (tracer != null) {
final String cls = pjp.getTarget().getClass().getName();
final String mName = pjp.getSignature().getName();
span = tracer.buildSpan(cls + "." + mName)
.withTag(Tags.COMPONENT.getKey(), TAG_COMPONENT)
.withTag("class", cls)
.withTag("method", mName)
.startActive(false)
.span();
}
try {
return pjp.proceed();
} catch (Throwable t) {
Map<String, Object> exceptionLogs = new LinkedHashMap<>(2);
exceptionLogs.put("event", Tags.ERROR.getKey());
exceptionLogs.put("error.object", t);
span.log(exceptionLogs);
Tags.ERROR.set(span, true);
throw t;
} finally {
if (tracer != null && span != null) {
span.finish();
}
}
}
}
}
複製程式碼最後，根據Spring的載入方式，將路徑新增到src/main/resources/META-INF/spring.factories中：
org.springframework.boot.autoconfigure.EnableAutoConfiguration=\
arch.trace.core.owl.OwlTraceAutoConfiguration,\
arch.trace.core.log.LoggingAutoConfiguration
複製程式碼將元件打成jar包，一個spring boot starter就實現了。
使用
application.properties
確保開了AOP
# AOP
spring.aop.auto=true
spring.aop.proxy-target-class=true
opentracing.jaeger.log-spans=true
opentracing.jaeger.udp-sender.host=192.168.3.237
opentracing.jaeger.udp-sender.port=5775
複製程式碼End
接下來，我們將逐步進入客戶端api的開發之中。
