1.?何自???Զ?????????Դ??
2.JS代码调试映射工具——Source Maps简介
3.OpenTelemetry、Spring Cloud Sleuth、Kafka、Jager实现分布式跟踪
4.如何使用 Excel 宏来节省时间和自动化您的工作
5.Source Insight 使用和配置
6.SpringCloud入门实战-Sleuth+Zipkin分布式请求链路跟踪详解

????Զ?????????Դ??

       本文介绍微服务架构中链路追踪组件Sleuth与Zipkin在SpringCloud入门的使用。

       链路追踪为何重要？在微服务中，动跟服务间频繁调用，踪样自动若调用链路出现问题，本源追踪请求路径、码何服务耗时变得困难。跟踪大智慧skd指标源码特别是样本源码服务数量增加到个时，链路追踪显得至关重要。信息

       链路追踪基于Dapper论文原理，何自Dapper论文提供了分布式追踪的动跟核心概念，如Trace（跟踪）、踪样自动Span（跨度）、本源Annotations（注解）、码何Sampling（采样率）等。跟踪追踪链路包括一个全局唯一标识的样本源码traceId和每个跨度的唯一spanId，记录服务名称、IP、调用时间等信息，采样率用于在高并发下高效采集。

       在SpringCloud中，通过Sleuth和Zipkin实现全链路追踪。Sleuth负责信息采集，eclispse 查看源码Zipkin负责处理与展示。

       部署Zipkin服务需安装并配置Docker和MySQL数据库。Docker-compose文件用于启动服务，执行SQL脚本创建表。

       在POM文件中引入Sleuth和Zipkin依赖。配置Zipkin服务地址及采样率（测试中设置为%）。每个服务配置才能实现全链路追踪。

       引入Sleuth starter自动在调用中添加追踪信息。例如，OpenFeign接口调用会输出日志，显示traceId和spanId，传递至Zipkin。

       登录Zipkin后台查看链路详情。使用浏览器访问pose 服务。

        跟踪数据概率抽样

        spring.sleuth.otel.config.trace-id-ratio-based属性定义了跟踪数据的采样概率。它根据提供给采样器的分数对一部分迹线进行采样。概率抽样允许 OpenTelemetry 跟踪用户通过使用随机抽样技术降低跨度收集成本。如果该比率小于 1.0，则某些迹线将不会被导出。对于此示例，我们将采样配置为 1.0、%。

        有关其他 OTel Spring Cloud Sleuth 属性，请参阅常见应用程序属性。

        OpenTelemetry 配置文件

        我们需要项目根目录下的 OTel 配置文件otel-config.yaml。内容如下。此配置文件定义了 OTel 接收器、处理器和导出器的行为。正如我们所看到的，我们定义了我们的接收器来监听 gRPC 和 HTTP，处理器使用批处理和导出器作为 jaeger 和日志记录。

        第 3 步：docker-compose 将所有内容串在一起

        让我们看看我们需要启动哪些 docker 容器来运行这三个微服务并观察它们的分布式跟踪，前三个微服务在上面的部分中进行了解释。

        运行docker-compose up -d以调出所有九个容器：

       

        第 4 步：追踪数据在行动

        快乐之路

        现在，让我们启动customer-service-bff流程的入口点，以创建新客户。

       

        启动 Jaeger UI， /?target=http%3A//localhost%3A/%2C]按[/url]服务搜索customer-service-bff，单击Find Traces按钮，这是我们看到的创建客户跟踪：它跨越三个服务，总共跨越六个，持续时间 . 毫秒。

       

        除了 Trace Timeline 视图（上面的屏幕截图），Jaeger 还提供了一个图形视图（Trace Graph在右上角的下拉菜单中选择）：

       

        三个微服务在 docker 中的日志输出显示相同的跟踪 id，以红色突出显示，并根据其应用程序名称显示不同的跨度 id（应用程序名称及其对应的跨度 id 以匹配的颜色突出显示）。在 的情况下customer-service，相同的 span id 从 REST API 请求传递到 Kafka 发布者请求。

       

       

       

        customer-service让我们在 docker 中暂停我们的PostgreSQL 数据库，然后重复从customer-service-bff. internal server error正如预期的那样，我们得到了。检查 Jaeger，我们看到以下跟踪，异常堆栈跟踪抱怨SocketTimeoutException，再次如预期的那样。

       

        识别长期运行的跨度

        Jaeger UI 允许我们搜索超过指定最大持续时间的跟踪。例如，我们可以搜索所有耗时超过 毫秒的跟踪。然后，我们可以深入研究长期运行的跟踪以调查其根本原因。

        在这个故事中，我们从 OpenTelemetry、Spring Cloud Sleuth 和 Jaeger 的角度解压了分布式跟踪，验证了 REST API 调用和 Kafka pub/sub 中分布式跟踪的自动检测。我希望这个故事能让你更好地理解这些跟踪框架和工具，尤其是 OpenTelemetry，以及它如何从根本上改变我们在 分布式系统 中进行可观察性的方式。

       

如何使用 Excel 宏来节省时间和自动化您的工作

       在 Excel 中，您或许会遇到重复执行相同步骤的情况。想象一下，只需点击一个按钮，就能自动完成这些任务，这岂不是美滋滋？这时候，Excel 宏就派上用场了。通过使用宏，jdk blockingqueue源码您可以自动化各种重复性任务，大大节省时间和精力。

       Excel 宏实际上是一系列记录的命令和操作，您可以多次播放。无论是将公司名称和地址输入表格这样简单的任务，还是创建自定义报告这样复杂的任务，只要能在 Excel 中完成，都可以用宏来实现自动化。

       使用宏之前，您需要先录制它。在执行自动化步骤的过程中，Excel 会跟踪所有操作并将其保存为宏。录制完成后，您可以随时再次运行它，甚至可以为宏指定键盘快捷方式，方便快捷。

       Excel 宏基于 Microsoft 的 Visual Basic for Applications (VBA) 编程语言。录制宏时，Excel 会将您的操作转换为 VBA 代码。因此，除了录制宏，nsa病毒源码您还可以在 VBA 代码中手动编写它们。本文将主要关注通过录制宏来创建宏，这是最简单快捷的方法。接下来，我们将讨论如何使用 VBA 从头开始编辑或编写宏，并提供一些自学资源。

       为了帮助说明这个过程，我们将使用一个小样本数据集。假设我们有七个客户需要合作，需要获取他们的姓名和余额，并执行两项任务：将客户姓名拆分为名字和姓氏，以及突出显示余额大于零的客户。

       要创建宏，我们将在 Excel 窗口顶部的“开发人员”选项卡中进行操作。默认情况下，该选项卡可能不存在，因此我们需要将其添加。在文件菜单中，选择自定义功能区，然后选中开发人员复选框，最后单击确定。谷歌托管源码

       在“开发人员”选项卡中，您可以看到录制和管理宏的命令。要开始录制宏，请为它命名，并为可读性添加描述或快捷键。点击 OK 后，Excel 会开始记录您的操作。

       在录制过程中，请只执行您希望宏执行的操作。例如，我们可以插入新列、重命名列、将姓名拆分为名字和姓氏，并使用条件格式突出显示余额大于零的客户。

       完成操作后，返回“开发人员”选项卡并单击停止录制。此时，您的第一个 Excel 宏已经创建完成。

       要运行宏，只需单击“宏”按钮即可。如果为宏分配了快捷键，只需按下组合键即可运行它。

       请注意，您不能将带有宏的电子表格另存为传统的 .xlsx 工作簿。必须将其另存为启用宏的 Excel 工作簿 (.xlsm) 以避免丢失宏。

       在打开包含宏的工作簿时，您可能会看到一条警告。请确保您的工作簿来自受信任的来源，否则请勿启用宏。

       在录制宏时，您还可以选择使用相对引用。这样，无论数据在电子表格的何处开始，宏都能找到并从该点开始处理。

       如果您想查看宏背后的 VBA 代码，请转到“开发人员”选项卡，选择宏，然后单击“编辑”。您可以在其中查看并修改宏的源代码。

       如果想尝试从头开始编写宏，可以使用 Codewars、Udemy 和 Codecademy 等在线资源来学习编写 VBA 脚本。

Source Insight 使用和配置

       源代码分析工具Source Insight的使用与配置是一个简化代码理解与管理的有效步骤。以下为操作流程：

       一、初始化新项目

       新建项目时，设定项目名称与目录。项目目录与源码目录可相同或不同，项目目录下将生成“ProjectName.si4project”子目录。配置源码路径，添加所有源文件，并递归添加所有目录，确保所有文件被自动跟踪。关闭窗口，同步代码，强制解析所有文件，开启Project、Contex和Relation窗口。

       二、打开已有项目

       通过选择项目路径，直接加载并开始使用已有项目。

       三、配置主题

       调整界面主题颜色，以提高阅读舒适度与效率。

       四、调整字体

       修改字体大小、样式与颜色，确保代码清晰易读。

       五、函数调用关系图

       1. 开启调用关系图功能。

       2. 选择合适的调用关系图显示方式，如节点大小、边线条样式等。

       3. 设置调用关系图类型，如按调用频率排序或按层次结构展示。

       4. 选择是否显示函数原型（函数声明），以节省空间。

       六、常用快捷方式

       熟练掌握快捷键是提高使用效率的关键。例如，使用快捷键快速搜索代码、跳转至定义、查看调用点等。

       参考:

       2. Source Insight查看函数调用关系使用技巧 - CSDN

SpringCloud入门实战-Sleuth+Zipkin分布式请求链路跟踪详解

       探索SpringCloud实战：Sleuth+Zipkin实现分布式请求链路跟踪详解

       在SpringCloud入门实战系列中，我们将深入理解SpringCloud Sleuth如何协助解决微服务中的挑战。通过源码地址的项目demo，一步步掌握这一关键组件。Sleuth是Spring Cloud的分布式跟踪解决方案，它跟踪用户请求从数据采集到处理的全过程，构建调用链视图，对微服务监控至关重要。

       Sleuth借鉴了Dapper的术语，核心概念包括：

Span（跨度）：一次请求的标识，每个微服务调用产生一个，由位ID唯一标识，包含摘要、时间戳等信息。

Trace（跟踪）：调用链路集合，由一个请求产生的所有Span组成，每个跨度有各自的跟踪ID。

Annotation（标注）：记录请求的开始和结束事件，如发送请求、接收请求等。

       Sleuth与Zipkin紧密相关，通常一起使用进行可视化追踪。Sleuth特性包括将跟踪信息添加到日志、在应用程序边界自动插入跟踪、提供分布式跟踪数据模型抽象等。在项目集成时，可以搭建Zipkin服务，添加依赖，配置通过HTTP或消息传递方式发送跟踪数据，以及在业务代码中应用Sleuth。测试时，通过访问特定接口可以查看请求链路信息。

       通过实践SpringCloud Sleuth，你可以更好地理解和应用它在微服务架构中的作用，提升监控和调试的效率。