Spring Cloud Alibaba 大型互联网领域多场景最佳实践吾爱

前言: 【Spring Cloud Alibaba 大型互联网领域多场景最佳实践吾爱】下载课程ZY:https://www.sisuoit.com/1981....
简述 ClickHouse 近两年在开源社区愈发火热,不知从何开始大家争相用它来替换 ElasticSearch,大概因为 ElasticSearch 的开销太高,在不作为搜索引擎的场景下,一定程度的暴力搜索是可以容忍的。
我们在使用 Skywalking 后发现,它对后端存储要求太高了,使用 (32C + 64G + 2T) x8 的配置,在云平台上每月好几万的开销,性能依然非常捉急,查询经常超时。前前后后优化了小半年后,最终下定决心替换成 ClickHouse。
在使用为 ClickHouse 后,机器数量减少了 50%;

  • 查询链路列表从 5.53/s 提高到了 166/s,响应时间从 3.52s 降低到了 166ms;
  • 查询链路详情从 5.31/s 提高到了 348/s,响应时间从 3.63s 降低到了 348ms;
链路数据存储时间从 5 天提高到了 10 天,数据量达到数百亿;
值得一提的是,在与 ES 的对比中经常会提到磁盘空间降低,其实 ClickHouse 的压缩率没有那么夸张,起码在我的实际体验两者相差不大。如果 ES 空间占用很高,那很可能是因为没在索引中开启 codec: best_compression。
ClickHouse 也并不是没有缺点,本篇文章分享下如何用 ClickHouse 作为 Skywalking 的后端存储。本文不会赘述 ClickHouse 的基本原理,需要读者对 ClickHouse 有一定了解的情况下阅读。
(由于工作量巨大,对 Skywalking 存储的改造仅限于存储链路数据,即 Segment,其余部分就抓大放小,仍使用 ElasticSearch 存储,没有进行改造)
表设计 ClickHouse 基本只能建立一种索引,即 Order By 的索引。而链路表查询条件众多,几乎每个字段都是查询条件,且包含多种排序,设计起来比较辣手。
查询条件:时间、服务名称、服务实例、链路类型、链路 ID、链路名称、响应时间、是否异常
排序条件:时间、响应时间
想要在一张表上设计出符合所有查询模式,基本是不可能的(或完全不可能),在参考了 jaeger-clickhouse 等众多设计后,更加坚定了这个结论。
尝试了数次后,最终的建表语句如下:
CREATE TABLE skywalking.segment ( `segment_id` String, `trace_id` String, `service_id` LowCardinality(String), `service_instance_id` LowCardinality(String), `endpoint_name` String, `endpoint_component_id` LowCardinality(String), `start_time` DateTime64(3), `end_time` DateTime64(3), `latency` Int32, `is_error` Enum8('success' = 0, 'error' = 1), `data_binary` String, INDEX idx_endpoint_name endpoint_name TYPE tokenbf_v1(2048, 2, 0) GRANULARITY 1, PROJECTION p_trace_id ( SELECT trace_id, groupArrayDistinct(service_id), min(start_time) AS min_start_time, max(start_time) AS max_start_time GROUP BY trace_id ) ) ENGINE = MergeTree PARTITION BY toYYYYMMDD(start_time) ORDER BY (start_time, service_id, endpoint_name, is_error) TTL toDateTime(start_time) + toIntervalDay(10)

首先,在 partition 上还是使用了天作为条件。在 Order By 时,使用 时间 + 服务 + 链路名称 + 异常。为什么不是 服务 + 时间,因为在很多查询中,时间作为条件的情况比服务作为条件的频率更高,如果在服务放在前边,大部分时候 ClickHouse 需要在一个文件的不同部分去遍历,IO

    推荐阅读