在K8s中搭建Jaeger — 找出Fastapi應用程式中的效能弱點
Tracing是應用程式監控可視化的三大支柱之一。Tracing的目的是跟踪程式的執行過程與資料流動。在微服務架構盛行的現今，Distributed Tracing可以協助我們對效能弱點有更好的掌握，而透過Jaeger，可以讓我們以更少的成本，系統性的搭建Tracing的架構。
本篇文章將介紹如何在K8s中，透過all-in-one jaeger image搭建開發版本的jaeger，以及介紹在生產環境中分別搭建每個組件，最後以Fastapi這個熱門的python後端框架，找出應用程式的效能弱點。那我們開始吧～
大綱
- Jaeger簡介
- 在K8s中搭建Elasticsearch
- 在K8s中搭建all-in-one Jaeger server
- 在K8s中分別搭建Jaeger的各個組件
- Fastapi application整合Open-telemetry
- 總結
Jaeger簡介
Jaeger是Uber在2015年創建的項目，2017年9月被加入CNCF孵化項目之列，並在2019年10月畢業，是CNCF孵化隊伍中第7個畢業的項目。下圖是Jaeger的架構圖，這這個章節，我將介紹Jaeger的幾個重要組件，以及基本的邏輯單元。
Jaeger的重要組件
- Client：這是Jaeger的客戶端，通常是整合在你的應用程式中，例如flask或Fastapi。
- Agent：Daemon Process，監聽通過 UDP 發送的span，batch型式送到collector。通常在K8s中透過sidecar或者DaemonSet實現。
- Collector：用pipeline處理收集到的spans，驗證trace — 加上索引— 資料轉型 — 儲存到指定的存儲，支持sampling設置，通常會透過sampling設置減少壓力。
- Storage：默認是透過memory，也提供badge…
