一、Sleuth
1.1）Sleuth概述
订单服务有orderId，库存服务有stockId，支付服务有paymentId，作为这一整套流程Sleuth用traceId作为全链路唯一标识进行跟踪，链路中每一个小的调用单元称Span（记录日志）
1.2）普通日志输出
1.3）引入Sleuth的日志输出
一个TraceId对应一个或多个SpanId
1.4）跟踪原理
SpanId可以用来统计某个单元花费的时长
ParentSpanId表示当前SpanId的上一个工作单元的SpanId
1.5）抽样收集
一般来说日志会全部收集到数仓中，然后针对业务信息和重点日志信息进行提取存储到我们的NoSQL（比如ES）
二、Elastic Stack
2.1）概述
ES负责存储搜索，Logstash根据配置将指定路径的日志收集起来，Kibana负责展示（大部分公司不用Kibana按自己想要的方式去展示）
2.2） Elastic Stack的产生历史
2.3） Elastic Stack的应用方式
Filebeat选择将采集日志输出到Kafka是因为直接采集到Logstash和ES容易压力过大，中间加一个弹性较大的异步MQ
Zookeeper配置概述
Kafka配置概述
演示1：下载、启动、配置Filebeat
Ps：最新版本中已移除输出到Kafka
win启动
查看Kafka是否成功创建名为filebeat的Topic
监听名为filebeat的Topic
修改采集日志路径下的log文件
Kafka的consumer端已经获取到了
演示2：下载、启动、配置Elasticsearch
演示3：下载、启动、配置Kibana
演示4：下载、启动、配置Logstash
启动Logstash
修改日志文件
ElasticSearch-head插件中查看ES已经存储了日志的修改信息
演示5：配置服务日志输出
三、Zipkin
3.1）概述
3.2）Zipkin基础架构
3.3）重要组件解释
3.4）Zipkin的使用
jar包启动Zipkin
点击show查看详情
查看请求时间
3.5）Zipkin配置外部MySQL
下载mysql.sql文件在本地数据库中引入相关表
