图解Metrics, tracing, and logging

Logging,Metrics 和 Tracing

 

最近在看Gophercon大会PPT的时候无意中看到了关于Metrics，Tracing和Logging相关的一篇文章，凑巧这些我基本都接触过，也是去年后半年到现在一直在做和研究的东西。从去年的关于Metrics的goappmonitor，到今年在排查问题时脑洞的基于log全链路(Tracing)追踪系统的设计，正好是对这三个话题的实践。这不禁让我对它们的关系进行思考：Metrics和Looging的区别是什么？Tracing还需要Logging吗？我们什么时候需要Metrics？它们之间有什么关联？

这其实也是我在设计goappmonitor的时候一直困扰我的问题，当时一直在想我要构建一个监控go程序的应用，它能够度量请求，函数调用，内存，CPU等等这些指标，无疑我需要侵入性的去打点，那么问题来了，我们的应用中是有自己的日志系统的，那么同一份数据需要记录两次吗？我该如何划分这个界线？毫无疑问，Metrcis和Logging是有数据重叠的。我们可以任务Metrics是对可观测性指标的一种度量，例如请求数，函数调用次数等，但是对于Metrcis来说，它有着自己独特的属性——聚合。另外，我们知道我们记录日志(Logging)是以事件为元数据，即记录当前发生了什么，这是Logging的关注属性。在构想产品全链路追踪系统时，类似的问题再一次出现，我在记录Tracing数据的时候，或多多少会有Logging的数据，在Tracing中我认为重要的是链路数据指标属性，例如调用了哪些函数栈，该请求处理时间是多少等等，同样我们会在函数中记录得到了哪些请求，即Logging，但Tracing也有着自己独特的属性——请求范围。

如下图：

日志，什么是日志，不知道大家有没有想过它的定义或者边界。Logging即是记录处理的离散事件，比如我们应用的调试信息或者错误信息等发送到ES；审计跟踪时间信息通过Kafka处理送到BigTable等数据仓储等等，大多数情况下记录的数据很分散，并且相互独立，也许是错误信息，也许仅仅只是记录当前的事件状态，或者是警告信息等等。

当我们想知道我们服务的请求QPS是多少，或者当天的用户登录次数等等，这时我们可能需要将一部分事件进行聚合或计数，也就是我们说的Metrics。可聚合性即是Metrics的特征，它们是一段时间内某个度量（计数器或者直方图）的原子或者是元数据。例如接收的HTTP数量可以被建模为计数器，每次的HTTP请求即是我们的度量元数据，可以进行简单的加法聚合，当持续了一段时间我们又可以建模为直方图。

Logging是处理请求范围内的信息，即可以绑定到系统中单个事务对象的生命周期的任何数据或元数据。对于每一次Tracing，例如HTTP请求的Tracing，我们只需要关注请求目前到达的节点状态，当前耗时，谁接收了这个请求等等，不用关系目前的系统日志，错误信息等等这些事件。或者像出站RPC到远程服务的持续时间; 将实际SQL查询的文本发送到数据库; 或入站HTTP请求的相关ID等等。

通过以上我们可以将重叠部分这样定义：

有人可能会想到，对于许多典型的云应用程序最终都将成为Tracing，因此该边界是在更广泛的跟踪背景下进行讨论。 但我们现在可以看到，并不是所有的Logging事件都是可聚合或者说可聚合的意义；并不是所有的度量都有在Tracing之中。 它们之间有相互重叠，也有绝对的覆盖。

在业界对于以上的实践可以看到现有系统进行的分类。例如，Prometheus开始专注于衡量系统，随着时间的推移可能会越来越多地追踪，从而成为Tracing的指标，但可能不会太深入到日志记录中，同时基于Dapper的各类分布式链路追踪系统也在不断出现。 ELK提供log的记录，滚动和聚合，并在其他领域不停的积累更多的特性，并集成进来。

所以，日志系统，度量系统，追踪系统这三个纬度所关注重点是不一样的。一般来说日志系统是对我们应用或者系统事件做一个记录，这些记录是我们问题排查，取证的一些依据；度量系统是对某些我们关注事件的聚合，当达到一定指标我们会设置告警，会设置自适应机制，会有容灾等等；在追踪系统我们更关注请求的质量和服务可行性，是我们优化系统，排查问题的高阶方法。一般来说，它们的优先级依次降低。

参考文献：

Metrics, tracing, and logging

Dapper，大规模分布式系统的跟踪系统 by bigbully

董的博客 " 开源日志系统比较