大规模分布式系统跟踪基础设施Dapper

文章介绍了针对不同业务场景下商品信息动态校验的需求,设计了一套基于业务标识的动态配置校验引擎。该引擎支持SPU、SKU及组包商品的多维度校验,包括基本信息、唯一性、一致性及业务逻辑校验,实现了配置内容的实时生效和灵活扩展,提高了业务处理的灵活性和准确性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

摘要

1.介绍

2. Dapper的分布式跟踪

2.1 跟踪树和span

2.2 植入点

2.3 Annotation

2.4 采样率

2.5 跟踪的收集

2.5.1 带外数据跟踪收集

2.6 安全和隐私考虑

3. Dapper部署状况

3.1 Dapper运行库

3.2 生产环境下的涵盖面

3.3 跟踪Annotation的使用

4. 处理跟踪损耗

4.1 生成跟踪的损耗

4.2 跟踪收集的消耗

4.3 在生产环境下对负载的影响

4.4 可变采样

4.5 应对积极采样(Coping with aggressive sampling)

4.6 在收集过程中额外的采样

5. 通用的Dapper工具

5.1 Dapper Depot API

5.1.1 DAPI在Google内部的使用

5.2 Dapper的用户接口

6. 经验

6.1 在开发中使用Dapper

6.1.1 与异常监控的集成

6.2 解决延迟的长尾效应

6.3 推断服务依赖

6.4 不同服务的网络使用率

6.5 分层和共享存储系统

6.6 Dapper的救火能力(Firefighting)

7. 其他收获

8. 相关产品

9. 总结


干货分享,感谢您的阅读!

论文《Dapper, a Large-Scale Distributed Systems Tracing Infrastructure》介绍了谷歌开发的大规模分布式系统跟踪基础设施Dapper。Dapper旨在通过提供跨多个服务和计算机的详细跟踪信息,帮助开发人员理解和调试复杂的分布式系统。论文讨论了Dapper背后的动机、其架构以及在诊断性能问题和优化分布式系统方面所提供的实际好处。本文作为回顾经典,重新学习,翻译的同时加入一些现有的理解。

摘要

现代互联网服务通常是作为复杂的、大规模的分布式系统实现的。这些应用程序由软件模块集合构建而成,这些模块可能由不同的团队开发,可能使用不同的编程语言,并且可能跨越多个物理设施上的许多千台计算机。在这样的环境中,帮助理解系统行为并对性能问题进行推理的工具是非常宝贵的。 在这里,我

评论 1535
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

张彦峰ZYF

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值