feat:change img

gongna-au · Nov 7, 2023 · 13b7ecd · 13b7ecd
1 parent 15a79f0
commit 13b7ecd
Show file tree

Hide file tree

Showing 8 changed files with 92 additions and 59 deletions.
diff --git a/_posts/2023-10-18-test-markdown.md b/_posts/2023-10-18-test-markdown.md
diff --git a/_posts/2023-10-19-test-markdown.md b/_posts/2023-10-19-test-markdown.md
@@ -1,13 +1,13 @@
 ---
 layout: post
-title: Jaeger 分布式追踪
+title: OpenTelemetry和Jaeger进行分布式追踪
 subtitle: 
-tags: [Jaeger]
+tags: [OpenTelemetry]
 comments: true
 ---
 
 
-> 请谈谈对OpenTelemetry和Jaeger的看法。它们如何协同工作？
+> OpenTelemetry和Jaeger如何协同工作？
 
 OpenTelemetry：
 
@@ -45,7 +45,7 @@ OpenTelemetry为应用程序提供了追踪和度量的能力。当使用OpenTel
 在Jaeger中，可以查询、分析和可视化这些追踪数据，以获得系统的深入视图和性能洞察。
 总的来说，OpenTelemetry和Jaeger是分布式追踪领域的强大组合。OpenTelemetry提供了数据收集的标准化和自动化，而Jaeger提供了数据的存储、查询和可视化。这两者的结合为微服务和分布式系统提供了强大的监控和诊断能力。
 
-> Jaeger的基础存储
+> Jaeger的基础存储？
 
 可插拔存储后端：Jaeger支持多种存储后端，包括Elasticsearch、Cassandra、Kafka和Badger等。这种可插拔的设计意味着可以选择最适合的环境和需求的存储后端。虽然 Jaeger 本身的存储可能足够用于开发和测试环境，但在生产环境中，一个健壮的外部存储后端几乎总是必需的。
 
@@ -61,7 +61,7 @@ OpenTelemetry为应用程序提供了追踪和度量的能力。当使用OpenTel
 
 总的来说，Jaeger的存储是其架构中的一个关键组件，负责持久化追踪数据。通过与多种存储后端的集成，Jaeger为用户提供了灵活性，使他们可以选择最适合他们需求的存储解决方案。
 
-> Jaeger的内存存储
+> Jaeger的内存存储？
 
 
 内存存储：Jaeger的一个简单配置是使用内存存储，这意味着所有的追踪数据都保存在内存中，不持久化到磁盘。这种配置适用于开发和测试环境，但不适用于生产环境，因为重启Jaeger实例会导致数据丢失。
@@ -70,7 +70,7 @@ Badger存储：Badger是一个嵌入式的键/值存储，可以在本地文件
 
 外部存储后端：虽然Jaeger支持Elasticsearch、Cassandra和Kafka作为存储后端，但这并不意味着它们在默认配置中都被使用。需要明确地配置Jaeger以使用这些后端，并确保相应的存储系统已经设置并运行。
 
-> Jaeger 请求处理的过程
+> Jaeger 请求处理的过程？
 
 代理和收集器：当发送追踪数据到Jaeger时，通常首先发送到Jaeger代理，然后代理将数据转发到Jaeger收集器。收集器负责将数据写入配置的存储后端。
 
@@ -93,7 +93,7 @@ Jaeger UI：当用户想要查看追踪数据时，他们会使用Jaeger UI。
 总结：一个请求的追踪数据从应用程序开始，通过Jaeger客户端库、Jaeger代理、Jaeger收集器，最后存储在配置的存储后端中。当需要查看这些数据时，可以通过Jaeger UI进行查询和可视化。
 
 
-> jaeger-agent 和 jaeger-collector 通过gRPC 通信
+> jaeger-agent 和 jaeger-collector 如何通过gRPC 通信？
 
 在 Jaeger 的架构中，jaeger-agent 和 jaeger-collector 之间的通信通常是由 Jaeger 项目本身管理的，通常不需要手动编写 gRPC 代码来实现这一点。Jaeger 的各个组件已经内置了这些通信机制。
 
@@ -111,7 +111,7 @@ jaeger-agent --reporter.grpc.host-port=jaeger-collector.example.com:14250
 ```
 这样，jaeger-agent 就会使用 gRPC 协议将数据发送到 jaeger-collector。
 
-> Jaeger分布式部署
+> Jaeger如何进行分布式部署？
 
 选择存储后端：
 
@@ -151,7 +151,7 @@ jaeger-agent --reporter.grpc.host-port=jaeger-collector.example.com:14250
 如果需要，配置身份验证和授权。
 通过以上步骤，可以在分布式环境中部署Jaeger，从而实现高可用性、扩展性和故障隔离。这种部署方式特别适合大型或复杂的微服务和分布式系统。
 
-> 使用Docker模拟部署分布式Jaeger的步骤
+> 使用Docker模拟部署分布式Jaeger的步骤？
 
 使用Docker部署分布式Jaeger是一个很好的选择，因为Docker提供了一个轻量级、隔离的环境，可以轻松地模拟分布式部署。以下是使用Docker模拟部署分布式Jaeger的步骤：
 
@@ -200,26 +200,33 @@ docker run --name jaeger-query -d -p 16686:16686 -e SPAN_STORAGE_TYPE=elasticsea
 选择合适的采样策略可以确保捕获到有代表性的追踪数据，同时不会对系统产生过大的负担。
 
 追踪数据的传输：
+
 Jaeger客户端库通常会在内存中缓存追踪数据，并批量发送到Jaeger后端，以减少网络调用的次数和延迟。
 考虑使用异步传输，这样即使追踪后端服务不可用或延迟也不会影响到应用的主要功能。
+
 存储后端的性能：
 
 Jaeger支持多种存储后端，如Elasticsearch、Cassandra和Kafka。每种存储后端都有其性能特点和最佳实践。
 根据数据量、查询需求和存储策略选择合适的存储后端，并进行适当的优化。
+
 追踪数据的生命周期：
 
 考虑设置追踪数据的保留策略，以自动删除旧的追踪数据，防止存储资源被耗尽。
+
 服务间通信的开销：
 
 在微服务之间传递追踪上下文（如Span ID和Trace ID）会增加通信的开销。虽然这些开销通常很小，但在高吞吐量的系统中可能会变得显著。
+
 查询性能：
 
 当使用Jaeger UI进行查询时，需要确保存储后端可以快速响应，特别是在大量的追踪数据下。
 考虑为存储后端启用索引和优化查询性能。
+
 监控和告警：
 
 监控Jaeger的性能和健康状况，确保它不会成为系统的瓶颈。
 设置告警，以便在出现性能问题或故障时立即通知。
+
 资源分配：
 
 根据追踪数据的量和查询需求为Jaeger分配足够的计算和存储资源。
@@ -277,6 +284,7 @@ func main() {
 
 如果使用的是Jaeger代理，可以使用命令行参数或环境变量来配置采样策略。例如，使用以下命令行参数启动Jaeger代理并设置概率采样率为20%：
 
+
 ```go
 docker run -d -p 5775:5775/udp -p 6831:6831/udp -p 6832:6832/udp -p 5778:5778/tcp jaegertracing/jaeger-agent --sampler.type=probabilistic --sampler.param=0.2
 ```
@@ -333,42 +341,52 @@ Span:
 详细解释: 在分布式追踪中，Span通常包含一个开始时间、一个结束时间、一个描述性的名称（例如函数名或API端点）以及其他可选的元数据（例如日志、标签或事件）。Span还有一个唯一的ID和一个关联的Trace ID。
 
 Trace:
+
 定义: Trace是由多个Span组成的，代表一个完整的事务或工作流程，如用户请求的处理。
 详细解释: 在微服务架构中，一个用户请求可能需要多个服务协同工作来完成。每个服务的工作可以被表示为一个Span，而整个用户请求的处理则被表示为一个Trace。所有相关的Span共享一个Trace ID，这样我们就可以将它们组合在一起，形成一个完整的视图。
 
 Baggage:
+
 定义: Baggage是与Trace相关的键值对数据，它在Trace的所有Span之间传播。
 详细解释: Baggage允许在整个Trace的生命周期中携带数据。例如，可能想在Trace的开始时设置一个“用户ID”或“实验变种”，然后在后续的Span中访问这些数据。Baggage可以帮助实现跨服务的上下文传播。
 
 Context:
+
 定义: Context是一个抽象概念，用于在不同的操作和函数调用之间传递元数据，如Span和Baggage。
 详细解释: 在分布式追踪中，Context确保在处理一个请求时，所有相关的信息（如当前的Span、Baggage等）都能被正确地传递和访问。例如，在OpenTelemetry中，Context是一个核心概念，用于在API调用和库之间传递追踪和度量信息。
 
 > Jaeger与其他追踪系统（如Zipkin）相比有什么优势或特点？
 
 原生支持OpenTracing:
+
 Jaeger是作为OpenTracing项目的一部分而创建的，因此它从一开始就原生支持OpenTracing API。这意味着对于那些已经采用OpenTracing标准的应用程序，集成Jaeger会更加直接。
 虽然Zipkin现在也支持OpenTracing，但它最初并不是为此而设计的。
 
 灵活的存储后端:
+
 Jaeger支持多种存储后端，如Elasticsearch、Cassandra和Kafka。这为用户提供了更多的选择，以满足其特定的需求和偏好。
 Zipkin也支持多种存储后端，但Jaeger在某些方面提供了更多的灵活性。
 
 适应性:
+
 Jaeger的设计允许它轻松地适应大规模和高流量的环境。例如，它支持收集器和代理的分离部署，这有助于在大型系统中分散负载。
 
 高级UI和过滤功能:
+
 Jaeger的UI提供了一些高级的过滤和查找功能，使用户能够更容易地找到和分析特定的追踪。
 虽然Zipkin也有一个功能强大的UI，但Jaeger在某些方面提供了更多的功能，如追踪比较和性能优化。
 
 性能优化:
+
 Jaeger提供了一些高级的性能优化功能，如自适应采样，这有助于在高流量环境中减少系统开销。
 
 生态系统和集成:
+
 由于Jaeger是CNCF（云原生计算基金会）的项目，它与其他CNCF项目（如Prometheus、Kubernetes等）有很好的集成。
 虽然Zipkin也有一个强大的生态系统，但Jaeger在与其他云原生工具的集成方面可能有优势。
 
 扩展性:
+
 Jaeger的架构设计为模块化，这使得它更容易扩展和自定义。例如，可以轻松地添加新的存储后端或采样策略。
 总的来说，虽然Jaeger和Zipkin都是优秀的分布式追踪系统，但它们在设计、特性和生态系统方面有所不同。选择哪一个取决于的具体需求、偏好和现有的技术栈。
 
@@ -402,28 +420,40 @@ Jaeger的架构设计为模块化，这使得它更容易扩展和自定义。
 
 > 如何传递追踪信息？
 
-HTTP Headers：在基于HTTP的微服务架构中，追踪信息（如trace ID和span ID）通常作为HTTP headers传递。例如，使用B3 Propagation headers（由Zipkin定义）。
+HTTP Headers：
 
-消息队列：在基于消息的系统中，追踪信息可以作为消息的元数据或属性传递。
+在基于HTTP的微服务架构中，追踪信息（如trace ID和span ID）通常作为HTTP headers传递。例如，使用B3 Propagation headers（由Zipkin定义）。
 
-gRPC Metadata：对于使用gRPC的系统，追踪信息可以通过gRPC的metadata传递。
+消息队列：
 
-Context Propagation：在同一进程内的不同组件之间，可以使用编程语言提供的上下文（如Go的context.Context）来传递追踪信息。
+在基于消息的系统中，追踪信息可以作为消息的元数据或属性传递。
 
-谁来生成ID：
-边缘服务：第一个接收到请求的服务（通常是API网关或边缘服务）负责生成trace ID。这确保了整个请求链中的所有spans都共享相同的trace ID。
+gRPC Metadata：
 
-每个服务：每个服务在开始处理请求时都会生成一个新的span ID。这标识了该服务处理的操作或任务。
+对于使用gRPC的系统，追踪信息可以通过gRPC的metadata传递。
 
-什么算法：
-随机生成：使用强随机数生成器生成随机ID。例如，使用UUID（通常是UUID v4）。
+Context Propagation：
 
-雪花算法（Snowflake）：这是Twitter开发的一个算法，用于生成唯一的ID。它结合了时间戳、机器ID和序列号来确保在分布式系统中生成的ID是唯一的。
+在同一进程内的不同组件之间，可以使用编程语言提供的上下文（如Go的context.Context）来传递追踪信息。
+
+> 谁来生成ID?
+
+边缘服务：
+
+第一个接收到请求的服务（通常是API网关或边缘服务）负责生成trace ID。这确保了整个请求链中的所有spans都共享相同的trace ID。
+
+每个服务：
 
+每个服务在开始处理请求时都会生成一个新的span ID。这标识了该服务处理的操作或任务。
+
+> 什么算法?
+
+随机生成：使用强随机数生成器生成随机ID。例如，使用UUID（通常是UUID v4）。
+雪花算法（Snowflake）：这是Twitter开发的一个算法，用于生成唯一的ID。它结合了时间戳、机器ID和序列号来确保在分布式系统中生成的ID是唯一的。
 增量或原子计数器：对于单一服务，可以简单地使用一个原子计数器来生成span IDs。但是，这种方法在分布式系统中可能不是很实用，除非它与其他信息（如机器ID）结合使用。
 
 
-> 链路追踪
+> 链路追踪?
 
 链路追踪:
 链路追踪通常使用一个称为“span”的概念来代表一个工作单元或一个操作，例如一个函数调用或一个数据库查询。每个span都有一个唯一的ID，以及其他关于该操作的元数据，如开始和结束时间。

diff --git a/_posts/2023-10-23-test-markdown.md b/_posts/2023-10-23-test-markdown.md
@@ -6,6 +6,7 @@ tags: [go]
 comments: true
 ---
 
+简单的例子：
 ```go
 package main
 

diff --git a/_posts/2023-11-4-test-markdown.md b/_posts/2023-11-4-test-markdown.md
@@ -54,7 +54,6 @@ Grafana可以从Prometheus服务器读取指标，并以图表的形式进行展
 总的来说，通过使用Prometheus和Grafana，我们可以有效地收集和展示Arana的运行指标，从而更好地监控其性能和健康状况。
 
 
-
 **提案标题：云原生数据库 Arana 监控方案**
 
 **1. 项目背景：**
@@ -102,6 +101,7 @@ Jaeger 是一个开源的分布式追踪系统，可以用来追踪 Arana 数据
 - 通过数据驱动，优化和改进 Arana 数据库的性能。
 
 
+### Vitess 
 
 Vitess 提供了大量的性能和诊断指标，下面列举了其中一部分主要的指标：
 

diff --git a/aboutme.md b/aboutme.md
@@ -2,6 +2,7 @@
 layout: page
 title: About me
 subtitle: Why you'd want to go on a date with me
+cover-img: ["/assets/img/backend5.jpg":]
 ---
 
 I have the following qualities:

diff --git a/assets/img/backend3.jpg b/assets/img/backend3.jpg
diff --git a/assets/img/backend5.jpg b/assets/img/backend5.jpg
diff --git a/index.html b/index.html
@@ -2,5 +2,5 @@
 layout: home
 title: GopherGong
 subtitle: Most of the time, What you lack is not knowledge but enthusiasm！
-cover-img: ["/assets/img/backend2.jpg":]
+cover-img: ["/assets/img/backend3.jpg":]
 ---
-Original file line number
+Diff line change
@@ Expand Up / @@ -6,6 +6,7 @@ tags: [go] @@
     comments: true
     ---
+    简单的例子：
     ```go
     package main
@@ Expand Down @@