Skywalking 扩展:TID自定义规则

微服务日志追踪,Skywalking接入TraceId功能 微服务日志追踪 阅读详情

logback 配置

<?xml version="1.0" encoding="UTF-8"?>
<configuration scan="true" scanPeriod="60 seconds" debug="false">

    <springProperty scope="context" name="LOG_HOME" source="logging.file.path" defaultValue="/var/logs/test-server"/>
    <springProperty scope="context" name="LOG_NAME" source="spring.application.name" defaultValue="test-device"/>

    <property name="CONSOLE_LOG_PATTERN"
              value="%d{yyyy-MM-dd HH:mm:ss.SSS} %highlight(%5level) %magenta(${PID}) --- [%15.15thread] %cyan(%-40.40logger) : %msg%n"/>
    <property name="FILE_LOG_PATTERN"
              value="%d{yyyy-MM-dd HH:mm:ss.SSS} %5level ${PID} --- [%15.15thread] %-40.40logger : %msg%n"/>

    <property name="STDOUT_PATTERN" value="%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{50} - [%tid] - %msg%n"/>

    <appender name="CONSOLE" class="ch.qos.logback.core.ConsoleAppender">
        <encoder>
            <pattern>${CONSOLE_LOG_PATTERN}</pattern>
            <charset>UTF-8</charset>
        </encoder>
        <!--保证控制台打印链路信息-->
        <encoder class="ch.qos.logback.core.encoder.LayoutWrappingEncoder">
            <layout class="org.apache.skywalking.apm.toolkit.log.logback.v1.x.TraceIdPatternLogbackLayout">
                <pattern>${STDOUT_PATTERN}</pattern>
            </layout>
        </encoder>
    </appender>
    <appender name="FILE" class="ch.qos.logback.core.rolling.RollingFileAppender">
        <filter class="ch.qos.logback.core.filter.EvaluatorFilter">
            <evaluator class="ch.qos.logback.classic.boolex.OnMarkerEvaluator">
                <marker>MARKER_MP_NOTIFY</marker>
            </evaluator>
            <onMismatch>NEUTRAL</onMismatch>
            <onMatch>DENY</onMatch>
        </filter>
        <file>${LOG_HOME}/${LOG_NAME}.log</file>
        <rollingPolicy class="ch.qos.logback.core.rolling.SizeAndTimeBasedRollingPolicy">
            <fileNamePattern>${LOG_HOME}/${LOG_NAME}_%d{yyyy-MM-dd}_%i.log</fileNamePattern>
            <!-- 单个日志文件最多50MB -->
            <maxFileSize>50MB</maxFileSize>
            <!-- 日志文件保留天数 -->
            <maxHistory>30</maxHistory>
            <!-- 最大不能超过20GB, 到了这个值, 就会删除旧的日志 -->
            <totalSizeCap>20GB</totalSizeCap>
        </rollingPolicy>
        <encoder>
            <pattern>${FILE_LOG_PATTERN}</pattern>
            <charset>UTF-8</charset>
        </encoder>
        <!--保证日志文件打印链路信息-->
        <encoder class="ch.qos.logback.core.encoder.LayoutWrappingEncoder">
            <layout class="org.apache.skywalking.apm.toolkit.log.logback.v1.x.TraceIdPatternLogbackLayout">
                <pattern>${STDOUT_PATTERN}</pattern>
            </layout>
        </encoder>
    </appender>

    <!--整合skyWalking,日志上传至skyWalking-->
    <property name="SKY_LOG_PATTERN"
              value="%d{yyyy-MM-dd HH:mm:ss} | %-5level | %thread | %tid | %logger{50} %L\ | %msg%n" />
    <appender name="SKY_LOG" class="org.apache.skywalking.apm.toolkit.log.logback.v1.x.log.GRPCLogClientAppender" >
        <!-- 对日志进行格式化 -->
        <encoder class="ch.qos.logback.core.encoder.LayoutWrappingEncoder">
            <layout class="org.apache.skywalking.apm.toolkit.log.logback.v1.x.TraceIdPatternLogbackLayout">
                <pattern>${SKY_LOG_PATTERN}</pattern>
            </layout>
        </encoder>
    </appender>


    <root level="info">
        <appender-ref ref="CONSOLE"/>
        <appender-ref ref="FILE"/>
        <appender-ref ref="SKY_LOG"/>
    </root>

</configuration>


主要将此处的layout 改成自定义的

       <layout class="org.apache.skywalking.apm.toolkit.log.logback.v1.x.TraceIdPatternLogbackLayout">
                <pattern>${SKY_LOG_PATTERN}</pattern>
            </layout>

#替换成自定义的

<encoder class="ch.qos.logback.core.encoder.LayoutWrappingEncoder">
            <layout class="com.test.test.common.core.logback.TraceIdPatternLogbackLayout">
                <pattern>${SKY_LOG_PATTERN}</pattern>
            </layout>
        </encoder>

LogbackPatternConverter

import ch.qos.logback.classic.pattern.ClassicConverter;
import ch.qos.logback.classic.spi.ILoggingEvent;

/**
 * ClassName LogbackPatternConverter
 *
 * @author wang
 * Date 2022/6/27 14:29
 */
public class LogbackPatternConverter extends ClassicConverter {

    public LogbackPatternConverter() {
    }

    @Override
    public String convert(ILoggingEvent iLoggingEvent) {
        return "TID: 20220627";
    }

}

标题 TraceIdPatternLogbackLayout


import ch.qos.logback.classic.PatternLayout;
import org.springframework.stereotype.Component;

/**
 * ClassName TraceIdPatternLogbackLayout
 *
 * @author wang
 * Date 2022/6/27 14:28
 */
@Component
public class TraceIdPatternLogbackLayout extends PatternLayout {

    public TraceIdPatternLogbackLayout() {
    }

    static {
        DEFAULT_CONVERTER_MAP.put("tid", LogbackPatternConverter.class.getName());
    }
}

参考博客

https://blog.youkuaiyun.com/a17816876003/article/details/115682360

SkyWalking中Trace落地实现方案 Skywalking Traceid 阅读详情

相关推荐

SkyWalking日志收集实战:三种模式详解与Filebeat集成指南

在分布式系统监控领域,链路追踪与日志分析是两大核心支柱。链路追踪能够描绘请求在微服务间的调用路径,而日志则记录了每个服务节点内部的详细执行信息。将两者关联起来,是实现从宏观链路到微观根因分析的关键技术。其核心原理是通过统一的Trace ID上下文,将分散的日志条目与特定的请求链路绑定。这种关联技术能极大提升故障排查效率,让开发运维人员无需在多个系统间切换,即可完成端到端的诊断。在实际工程中,主要有三种实现模式:通过Agent实时上报、使用Filebeat等采集器推送文件日志、以及借助Kafka等消息队列构建

weixin_34302561的博客 367

skywalking 9.x入门(二) skywalking全链路tid追踪

这里是weihubeats,觉得文章不错可以关注公众号,文章首发。拒绝营销号,拒绝标题党。

念念不忘,必有回响 2374

Java应用性能监控与APM实战:从核心指标到SkyWalking落地

在分布式系统和微服务架构中,性能监控是保障应用稳定性的基石。其核心原理在于通过采集和分析系统运行时的各项指标,实现对应用健康状态的实时感知与问题诊断。这项技术的核心价值在于将运维从事后救火转变为事前预防和快速定位,从而提升系统可用性与开发运维效率。典型的应用场景包括实时发现接口性能瓶颈、定位内存泄漏、分析跨服务调用链路等。本文聚焦于Java生态,深入探讨了以SkyWalking为代表的APM工具如何通过低开销的字节码增强技术,实现全链路追踪与JVM深度监控,并结合Elasticsearch存储构建完整的可观

weixin_34037173的博客 338

skywalking获取traceId(tid)的方式

skywalking获取traceId(tid)的方式 ``` 一,通过MDC不能获取到traceId, tid 二,可以通过skywalking手动追踪API来获取 参考文献: https://blog.youkuaiyun.com/jilo88/article/details/81355265 步骤: 1,引入依赖jar包 <!-- https://mvnrepository.com/artifact/org.apache.skywalking/apm-toolkit-trace --&gt.

lijunwyf的专栏 2万+

SkyWalking分布式系统应用程序性能监控工具-中

ByteBuddy官方地址httpsByteBuddy是一个代码生成和操作库,用于在Java应用程序运行时创建和修改Java类,并且不需要编译器的帮助。与Java类库附带的代码生成实用程序不同,ByteBuddy允许创建任意类,并且不局限于为创建运行时代理实现接口。此外,ByteBuddy提供了一个方便的API,可以手动更改类,可以使用Java代理,也可以在构建期间更改类。无需理解字节码指令,即可使用较为简单的API就能很容易操作字节码,控制类和方法。JavaProxy。...

m0_56069948的博客 465

Java面试核心:从JVM并发到Spring源码的实战知识体系重构

在Java技术生态中,JVM内存模型与并发编程是构建高性能、高可靠应用的核心基础。JVM通过堆、栈、方法区等内存区域的精细管理来执行程序,而并发编程则利用synchronized、CAS、线程池等机制来优化多线程性能。这些底层原理共同支撑了现代Java应用在高并发、大数据量场景下的稳定运行,尤其在微服务与分布式架构中至关重要。深入理解ConcurrentHashMap的锁粒度演进、线程池参数调优等机制,能帮助开发者从本质上解决内存溢出、死锁等典型问题。本文以HashMap底层原理和Spring循环依赖为切入

weixin_33910460的博客 357

【SkyWalking】如何自定义TraceId

文章基于SW8协议,生成自定义的TraceId

九局下半 3606

Java高级岗面试高频题深度解析:JVM、并发、Spring与分布式系统设计

在Java后端开发领域,深入理解核心机制是构建高可用、高性能系统的基石。从JVM内存模型与垃圾回收原理出发,开发者能够掌握应用性能调优与线上问题排查的根本。并发编程中的锁机制、线程池与AQS框架,则是应对高并发场景、保障数据一致性的关键技术。Spring框架通过IoC容器管理Bean生命周期,并借助AOP与事务传播机制简化了企业级应用开发。这些技术最终服务于分布式系统架构,其中分布式ID生成、数据库事务ACID实现与Redis持久化机制,是保障数据可靠性与系统可扩展性的核心。本文聚焦Java高级工程师面试中

weixin_33727510的博客 430

SkyWalking 6.x 版本演进深度解读:从分布式追踪系统到可观测性分析平台

SkyWalking 6.x 是项目发展史上一次里程碑式的版本换代:项目官方明确将 v6 定位为"不再是简单的分布式追踪系统(Distributed Tracing System),而是一个可观测性分析平台(Observability Analysis Platform, OAP)"。本文以官方发布的 [changes-6.x.md](https://link.gitcode.com/i/6d47

gitblog_00253的博客 346

JMeter性能测试工程师面试12问与实战技巧

性能测试是验证系统在极端负载下稳定性的关键技术,其核心在于通过模拟真实用户行为来评估系统瓶颈。JMeter作为主流的开源负载测试工具,采用多线程模型实现并发请求模拟,支持HTTP、JDBC等多种协议。在分布式测试场景中,JMeter可通过Master-Slave架构突破单机性能限制,配合ServerAgent实现资源监控。性能测试工程师需要掌握从脚本参数化(如CSV数据驱动)、关联处理(动态Token传递)到结果分析(聚合报告解读)的完整技能链。特别是在电商秒杀等高并发场景中,合理的阶梯式压力测试方案设计能

weixin_33898876的博客 332

工业界实战:小红书推荐系统中的AB测试策略解析——分层、Holdout与反转实验

本文深入解析了小红书推荐系统在工业界实践中采用的AB测试核心策略。重点阐述了分层实验如何解决多实验并行与干扰问题,Holdout机制如何作为评估黄金标准提供稳定基准,以及反转实验如何作为全量上线后的终极安全网进行风险控制。这些策略共同构成了科学、严谨的线上评估体系,是保障推荐系统迭代效果与决策质量的关键。

transformer2023的博客 479

Apache SkyWalking 6.x 版本演进全回顾:从分布式追踪系统迈向可观测性分析平台(OAP)

Apache SkyWalking 6.x 是项目发展史上承前启后的重要版本线。本文以官方变更记录 [changes-6.x.md](https://link.gitcode.com/i/9cb09443d74e2b9205a03e1f94b0d8a7) 为主体脉络,完整梳理从 6.0.0-alpha 到 6.6.0 的七个版本在 Agent、OAP-Backend、UI 与工程实践上的核心演进,

gitblog_00430的博客 161

NIDS——suricata(一)

NIDS——suricata环境安装和规则编写

weixin_58666006的博客 1273

Java中级开发面试核心:并发编程与JVM调优实战

并发编程是Java开发的核心技能,涉及线程安全、锁优化等关键技术。通过synchronized和ReentrantLock等机制实现线程同步,其底层原理涉及JVM monitor和AQS队列。JVM调优则关注内存管理、垃圾回收策略等,合理配置参数可显著提升系统性能。这些技术在电商秒杀、金融交易等高并发场景中尤为重要。本文结合面试真题,深入解析Java并发编程三大核心问题与JVM性能调优实战要点,帮助开发者掌握系统设计关键能力。

weixin_34199335的博客 405

PyQt5数据库开发3 6 QSqlQuery完整实操案例【图文详解】

PyQt5数据库开发3 6.1 QSqlQuery实操案例【多图详解】,本文有点长,主要每一个步骤都有对应的图文教程!!!

qq_53317005的博客 2964

26版SPSS操作教程(高级教程第二十一章)

#专注方能成事 #本期内容:信度分析 #由于导师最近布置了学习SPSS这款软件的任务,因此想来平台和大家一起交流下学习经验,这期推送内容接上一次高级教程第二十章的学习笔记,希望能得到一些指正和帮助~

你好! 1713

2026年Java应用CPU飙高排查:从jstack到火焰图的完整实战指南

在微服务与云原生架构成为主流的今天,Java应用的性能问题排查面临着环境复杂、数据爆炸的新挑战。理解JVM线程模型与CPU资源调度的基本原理,是定位性能瓶颈的基础。现代可观测性技术通过整合指标监控、链路追踪与动态剖析,为工程师提供了从现象到根因的系统性诊断能力。这种能力在保障高并发在线服务的稳定性与资源利用率方面具有关键价值,尤其适用于电商、金融等对响应延迟敏感的核心业务场景。本文聚焦于CPU使用率异常飙升这一典型问题,详细阐述了如何结合arthas、async-profiler等工具进行深度剖析,并利用火

weixin_30345577的博客 374

昇腾AI原生创新算子挑战赛(S1赛季)复盘-LessEqual算子

【代码】昇腾AI原生创新算子挑战赛(S1赛季)复盘-LessEqual算子。

william_myq的博客 510

eCapture架构解析:无CA证书抓包与SSL/TLS流量解密原理

SSL/TLS加密是保障网络通信安全的基础技术,其核心在于通过非对称加密建立安全信道,并使用对称加密算法保护数据传输。传统抓包方法依赖安装自定义CA证书进行中间人解密,但这种方法需要控制客户端环境,在云原生、容器化或黑盒应用场景中难以实施。eCapture创新性地利用eBPF技术,从应用程序内存中直接提取会话密钥,实现了对加密流量的零侵入式解密。该技术通过在内核态挂载Uprobe探针,实时捕获SSL/TLS库函数调用,提取Master Secret和Client Random等关键信息,并与网络流量关联,最

weixin_33874713的博客 329

储能电池管理系统介绍(一)

介绍储能BMS的架构以及各模块功能

manjixingkong1234的专栏 1918

如何用python自己复现worldquant brain中的回测结果

本文介绍了在Python中复现WorldQuant Brain平台上alpha 101因子1和4的回测框架构建要点。重点分析了Brain平台的策略设置:使用TOP 3000高流动性股票(可用中证1000/2000替代);delay=1表示t日信号在t+1日开盘调仓;详细解释了market/sector/industry/subindustry四级中性化方法;说明了decay参数控制持仓权重线性衰减;以及TRUNCATION参数限制单股仓位风险。文章还探讨了不同调仓时点的实现差异,为自主构建量化回测系统提供了

夏之微风的博客 742

Java面试进阶指南:从核心原理到高并发系统设计实战

在软件开发领域,深入理解计算机科学原理是构建高性能、高可靠系统的基石。以Java为例,其内存模型(JVM)、并发编程机制和数据库事务原理共同构成了后端技术的核心支柱。掌握这些原理不仅能优化程序性能,更是解决线上复杂问题的关键。例如,理解JVM的垃圾回收机制和内存分配策略,可以帮助开发者有效诊断内存泄漏和频繁GC问题;而精通MySQL的索引数据结构(如B+树)和事务隔离级别,则是进行数据库性能调优和保证数据一致性的基础。这些技术价值最终体现在高并发、高可用的真实业务场景中,如应对秒杀系统的瞬时流量洪峰。本文聚

weixin_33834628的博客 286

7、刚度矩阵与弹簧元素:有限元分析的核心

本文深入探讨了有限元分析中的核心概念——刚度矩阵与弹簧元素。详细介绍了刚度矩阵的定义、构建方法及其对称性、正定性和稀疏性等性质,同时解析了弹簧和阻尼器元素的特性及其在模拟复杂系统中的应用,如液压缸、减震器等。通过结合刚度矩阵与弹簧元素,可以提高结构模型的精度并模拟复杂的工程系统。文章还讨论了优化策略、验证流程、误差分析及实际应用案例,展示了这些技术在桥梁分析、汽车悬挂系统等领域的重要作用,并展望了其在未来新材料、智能结构和数字孪生技术中的发展潜力。

nice1的博客 236

Java死锁实战手册:检测、分析与跨资源锁序防控

死锁是并发编程中典型的资源竞争问题,本质源于多个线程/服务对共享资源的循环等待。其核心原理在于持有并等待、不可剥夺与循环等待三条件叠加,而工程上唯一可主动干预的是锁获取顺序的一致性。通过JVM线程监控(ThreadMXBean)、跨层锁注册中心、锁序字典与IDL契约等技术手段,可实现从单机synchronized到分布式Redis/DB锁的全链路死锁检测与根因定位。该能力直接支撑金融级资金流水、电商秒杀库存等强一致性场景的高可用保障,是后端开发者必须掌握的稳定性工程基础能力。

diaozhiwa5526的博客 352

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

微服务知识点

分布式系统与性能优化摘要 CAP理论指出分布式系统只能同时满足一致性(C)、可用性(A)和分区容错性(P)中的两个特性。实际应用中,P是必须保证的,因此主要权衡C和A的选择。互联网系统多选择AP,通过最终一致性方案保障可用性,而核心场景如分布式锁等则选择CP。 当微服务调用变慢时,可按"链路定位→网络排查→应用排查→数据库排查→资源排查"五步法分析。通过调用链定位慢节点,依次检查网络、应用日志、数据库性能和服务器资源,针对性优化解决。 对于CPU利用率异常问题,采用分层排查法:首先确认是否为Java进程导致

qq_41893505的博客 1784

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

147.【2024Java八股-全网最全-10w字】

eg: 学校、院校、经验、年龄、跳槽频率…基本包括16种常见使用场景: 、数据共享分布式、、全局 ID、计数器、限流、位统计、购物车、用户消息时间线 timeline、、抽奖、点赞、签到、打卡、商品标签、商品筛选、用户关注、推荐模型、排行榜.详细讲解16种使用场景: https://blog.youkuaiyun.com/zxl646801924/article/details/123202381用户使用id进行查询文章的时候,首先会查询redis数据库,如果在redis中命中数据,那么redis就向用户返回查询的结果

qq_69683957的博客 1736

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

上一篇: Linux安装Skywalking 集成docker部署
下一篇: Java RSA 非对称加密算法实践
宁漂打工仔
博客等级 码龄9年 1万+粉丝 153原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

宁漂打工仔

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值