跳到主要内容

错误追踪分析

介绍​

在分布式系统中，错误可能发生在任何服务或组件中。Zipkin的错误追踪分析功能帮助开发者快速定位异常请求的源头，分析错误传播路径，并提供关键上下文信息（如错误类型、时间戳和关联服务）。本节将介绍如何通过Zipkin UI和API实现高效错误分析。

核心概念​

1. 错误标识​

Zipkin通过以下方式标记错误：

  • error 标签（error=true）
  • HTTP状态码（如 500 系列）
  • 自定义错误注解（如 error.message）
json
// Span中的错误标记示例
{
  "tags": {
    "error": "true",
    "error.message": "Database connection timeout",
    "http.status_code": "503"
  }
}

2. 错误传播路径​

错误可能通过服务调用链传播。Zipkin的可视化追踪图展示错误如何从源头扩散：

操作指南​

步骤1：筛选错误追踪​

在Zipkin UI中：

  1. 点击「Search」标签页
  2. 添加筛选条件：
    • error=true
    • 时间范围选择
  3. 点击「Find Traces」按钮
提示

使用 duration 筛选可以快速定位高延迟的错误请求。

步骤2：分析错误详情​

点击具体追踪进入详情页，重点关注：

  • 红色标记的异常Span
  • 错误堆栈信息（如果有）
  • 服务依赖路径（通过「Dependencies」视图）

步骤3：API查询示例​

通过Zipkin API直接获取错误数据：

bash
curl -X GET "http://localhost:9411/api/v2/traces?limit=10&annotationQuery=error=true"

响应示例（片段）：

json
{
  "traceId": "e3b0c44298fc1c14",
  "spans": [
    {
      "name": "get_user_data",
      "tags": {
        "error": "true",
        "error.object": "NullPointerException"
      }
    }
  ]
}

实际案例​

电商系统超时故障​

场景：用户支付时出现504 Gateway Timeout错误。

分析过程：

  1. 在Zipkin中筛选 http.status_code=504
  2. 发现错误源自支付服务调用风控服务超时
  3. 检查风控服务Span发现数据库查询耗时超过3秒
  4. 最终定位到未优化的SQL查询：
sql
-- 问题查询
SELECT * FROM risk_rules WHERE user_id=123 
ORDER BY create_time DESC;

解决方案：添加索引并优化查询语句。

总结​

通过Zipkin进行错误追踪分析的关键点：

  • 善用标签筛选快速定位错误
  • 通过可视化依赖图理解错误传播
  • 结合业务日志综合分析根本原因

扩展资源​

  1. Zipkin官方错误分析文档
  2. 练习：在本地环境中模拟以下错误场景并分析：
    • 服务间HTTP超时
    • 数据库连接池耗尽
    • 消息队列消费失败