简介
Zipkin 是 Twitter 开源的调用链分析工具，目前基于 springcloud sleuth 得到了广泛的使用，特点是轻量，使用部署简单。
Pinpoint 是韩国人开源的基于字节码注入的调用链分析，以及应用监控分析工具。特点是支持多种插件，UI 功能强大，接入端无代码侵入。
SkyWalking 是本土开源的基于字节码注入的调用链分析，以及应用监控分析工具。特点是支持多种插件，UI 功能较强，接入端无代码侵入。目前已加入 Apache 孵化器。
CAT 是大众点评开源的基于编码和配置的调用链分析，应用监控分析，日志采集，监控报警等一系列的监控平台工具。
基本原理
| 类别 | Zipkin | Pinpoint | SkyWalking | CAT |
|---|---|---|---|---|
| 实现方式 | 拦截请求，发送（HTTP，mq）数据至 zipkin 服务 | java 探针，字节码增强 | java 探针，字节码增强 | 代码埋点（拦截器，注解，过滤器等） |
接入
| 类别 | Zipkin | Pinpoint | SkyWalking | CAT |
|---|---|---|---|---|
| 接入方式 | 基于 linkerd 或者 sleuth 方式，引入配置即可 | javaagent 字节码 | javaagent 字节码 | 代码侵入 |
| agent 到 collector 的协议 | http,MQ | thrift | gRPC | http/tcp |
| OpenTracing | √ | × | √ | × |
分析
| 类别 | Zipkin | Pinpoint | SkyWalking | CAT |
|---|---|---|---|---|
| 颗粒度 | 接口级 | 方法级 | 方法级 | 代码级 |
| 全局调用统计 | × | √ | √ | √ |
| traceid 查询 | √ | × | √ | × |
| 报警 | × | √ | √ | √ |
| JVM 监控 | × | × | √ | √ |
面 UI 展示
| 类别 | Zipkin | Pinpoint | SkyWalking | CAT |
|---|---|---|---|---|
| 健壮度 | ** | ***** | **** | ***** |
数据存储
| 类别 | Zipkin | Pinpoint | SkyWalking | CAT |
|---|---|---|---|---|
| 数据存储 | ES，mysql,Cassandra, 内存 | Hbase | ES，H2 | mysql,hdfs |
PinPoint 和 skyWalking 支持的插件对比
| 类别 | Pinpoint | SkyWalking |
|---|---|---|
| web 容器 | Tomcat6/7/8,Resin,Jetty,JBoss,Websphere | Tomcat7/8/9,Resin,Jetty |
| JDBC | Oracle,mysql | Oracle,mysql,Sharding-JDBC |
| 消息中间件 | ActiveMQ, RabbitMQ | RocketMQ 4.x,Kafka |
| 日志 | log4j, Logback | log4j,log4j2, Logback |
| HTTP 库 | Apache HTTP Client, GoogleHttpClient, OkHttpClient | Apache HTTP Client, OkHttpClient,Feign |
| Spring 体系 | spring,springboot | spring,springboot,eureka,hystrix |
| RPC 框架 | Dubbo,Thrift | Dubbo,Motan,gRPC,ServiceComb |
| NOSQL | Memcached, Redis, CASSANDRA | Memcached, Redis |
性能分析
摘自：https://juejin.im/post/5a7a9e0af265da4e914b46f1
模拟了三种并发用户：500，750，1000。使用 jmeter 测试，每个线程发送 30 个请求，设置思考时间为 10ms。使用的采样率为 1，即 100%，这边与生产可能有差别。pinpoint 默认的采样率为 20，即 50%，通过设置 agent 的配置文件改为 100%。zipkin 默认也是 1。组合起来，一共有 12 种。下面看下汇总表：
从上表可以看出，在三种链路监控组件中，skywalking 的探针对吞吐量的影响最小，zipkin 的吞吐量居中。pinpoint 的探针对吞吐量的影响较为明显，在 500 并发用户时，测试服务的吞吐量从 1385 降低到 774，影响很大。然后再看下 CPU 和 memory 的影响，在内部服务器进行的压测，对 CPU 和 memory 的影响都差不多在 10% 之内。