1.故障快速定位
跨语言实现开发中在业务日志中添加调用链ID，可以通过调用链结合业务日志快速定位错误信息。
2.各个调用环节的性能分析
分析调用链的各个环节耗时，分析系统的性能瓶颈，找到系统的薄弱环节针对性优化
3.数据分析
分析用户的行为路径，经过了哪些服务器上的哪个服务加以应用。
4.调用拓扑图
Trace系统设计目标
低侵入、低损耗、大范围部署
基本实现
埋点日志内容，通过记录traceId、RPCId、调用的开始时间，调用类型，协议类型，调用方ip和端口，请求的服务名等信息；调用耗时，调用结果，异常信息，消息报文等；
典型应用
非开源：Google的Dapper，淘宝的鹰眼，新浪的Watchman，京东的Hydra
开源：zipkin， pinpoint , skywalking
应用及分析
1.鼻祖：Google Dapper
谷歌tracing论文，关键字：低损耗、应用透明的、大范围部署需求；大规模集群的跟踪监控系统；跨应用跨服务器；ops-dev；
应用级透明：把核心跟踪代码做的很轻巧，然后把它植入到那些无所不在的公共组件种，比如线程调用、控制流以及RPC库
实现：为服务器上每一次你发送和接收动作来收集跟踪标识符(message identifiers)和时间戳(timestamped events)，通过把代码植入限制在一个很小的通用组件库，实现监测系统的应用对开发人员的透明。
Dapper的跟踪模型：
跟踪树和span
ABCDE 5个span 组成了userRequest的跟踪树。Dapper会记录span名称，以及每个span的ID和父ID，以重建在一次追踪过程中不同span之间的关系。如果一个span没有父ID被称为root span。所有span都挂在一个特定的跟踪上，也共用一个跟踪id。所有这些ID用全局唯一的64位整数标示。
一个单独的span的细节图：
注意时间戳的正确性处理：由于客户端和服务器上的时间戳来自不同的主机，我们必须考虑到时间偏差。在我们的分析工具，我们利用了这个事实：RPC客户端发送一个请求之后，服务器端才能接收到，对于响应也是一样的（服务器先响应，然后客户端才能接收到这个响应）。这样一来，服务器端的RPC就有一个时间戳的一个上限和下限。
注：为保护Dapper的用户意外的过分热衷于日志的记录，每一个跟踪span有一个可配置的总标注量的上限。
Dapper日志收集管道
span数据写入
（1）本地日志文件中,然后Dapper的守护进程和收集组件把这些数据从生产环境的主机中拉出来
（2）最终写到
（3）Dapper的Bigtable仓库中，一次跟踪被设计成Bigtable中的一行，每一列相当于一个span。
Dapper守护进程在负载测试时的CPU资源使用率
Dapper的数据收集在Google的生产环境中的只占用了0.01%的网络资源。
后台查询WEB UI
Dapper的“Depot API”或称作DAPI，对分布式跟踪数据一个直接访问
2.阿里EagleEye
EagleEye （鹰眼）是Google 的分布式调用跟踪系统 Dapper 在淘宝的实现（2013）。每次调用分配TraceId、RpcId（dapper中的spanID），放在ThreadLocal的调用上下文上面，调用结束的时候，把TraceId、RpcId打印到访问日志。访问日志里面，一般会记录调用时间、远端IP地址、结果状态码、调用耗时之类，也会记录与这次调用类型相关的一些信息，如URL、服务名、消息topic等。
优化：通过设置全局采样开关，用来在运行期控制调用链的采样率(控制打不打日志)。所谓调用链采样，就是根据TraceId来决定当前的这一次访问日志是否输出
鹰眼sdk写log ——>storm集群收集(全量 hdfs；实时hbase)——>鹰眼服务器——>UI
3.Pinpoint
韩国naver, Pinpoint is an APM tool for large-scale distributed systems written in Java / PHP. Inspired by Dapper. Show me demo
Architecture
new release 支持flink处理数据（apache flink：stream vs spark 流式处理来模拟批量处理 ）
数据结构：（Span, Trace, 和 TraceId组成）同dapper
Core：字节码增强
使用字节码增强技术，不修改代码就工作。（代码零侵入，只需要加启动参数或通过配置文件加载即可）
JAVA字节码增强（before after 拦截器）在手工方法和自动方法两者之间属于自动方法。
应有尽有：spring全家，mq mw、cache、rpc（dubbo、grpc）、db（hbase、mysql及drivers）……很丰富
4.Skywalking
中国华为吴晟基于OpenTracking实现的开源项目-2017年加入Apache孵化器，show demo
OpenTracking：OpenTracing为了解决不同的分布式追踪系统 API 不兼容的问题，诞生了 OpenTracing 规范。
Component：
H2:Database Engine
ShardingSphere：Sharding-JDBC、Sharding-Proxy和Sharding-Sidecar
支持多语言多来源多格式数据输入：java、php、nodejs、go
Architecture
三层：
agent：探针，用来收集和发送数据到收集器
collector：链路数据收集器，数据可以落地ElasticSearch等Storage。
Storage&web：web可视化平台，用来展示落地的数据
Agent埋点实现
字节码增强：agent java 在类使用之前，增强或修改类的行为
Byte Buddy：Apache 2.0许可证的开源库，致力于解决字节码操作和API的复杂性
public class Agent {
public static void premain(String argument, Instrumentation inst) {
inst.addTransformer(new ClassFileTransformer() {
@Override
public byte[] transform(ClassLoader loader,String className,
Class
ProtectionDomain protectionDomain,byte[] classFileBuffer) {
// 返回改变后的类文件。
}
});
}}
Agent模块：
1.加载配置信息
2.加载插件
3.加载所需服务
4.使用ByteBuddy增强class
5.接入应用
6.部署启动agent ，程序中简单配置agentconfig即可。
7.同metrics.namespace