依赖图分析
介绍
在分布式系统中，服务之间的依赖关系往往错综复杂。依赖图分析通过可视化服务间的调用链路，帮助开发者快速理解系统架构、定位性能瓶颈或故障点。Jaeger作为流行的分布式追踪工具，提供了直观的依赖图（Dependency Graph）功能，将抽象的服务调用转化为图形化展示。
基础概念
依赖图由以下元素组成：
- 节点（Node）：代表一个独立服务（如
user-service或payment-service）。 - 边（Edge）：表示服务间的调用关系，箭头方向即调用方向。
- 权重：边的粗细或颜色可能反映调用频率或延迟。
如何在Jaeger中查看依赖图
- 打开Jaeger UI，进入
Dependencies选项卡。 - 选择时间范围（如最近1小时）。
- 系统会自动生成动态依赖图。
提示
如果依赖图为空，请确保：
- 服务已正确上报追踪数据
- 时间范围选择合理
实际案例分析
假设我们有一个电商系统，其依赖图如下：
通过该图可发现：
API-Gateway是核心枢纽ProductService依赖外部的InventoryService- 所有用户数据最终存入
MySQL
代码示例：生成追踪数据
以下是一个Python服务的示例，使用OpenTelemetry生成追踪数据：
from opentelemetry import trace
from opentelemetry.sdk.trace import TracerProvider
from opentelemetry.sdk.trace.export import BatchSpanProcessor
from opentelemetry.exporter.jaeger.thrift import JaegerExporter
# 初始化追踪
provider = TracerProvider()
jaeger_exporter = JaegerExporter(
agent_host_name="localhost",
agent_port=6831,
)
provider.add_span_processor(BatchSpanProcessor(jaeger_exporter))
trace.set_tracer_provider(provider)
# 创建跨服务调用
tracer = trace.get_tracer(__name__)
with tracer.start_as_current_span("process_order") as span:
span.set_attribute("service", "order-service")
# 调用其他服务...
依赖图的典型应用场景
- 架构审查：新成员快速理解系统结构
- 故障排查：当
PaymentService失败时，发现它调用了有问题的FraudDetectionService - 性能优化：识别高频调用链路（如
A → B → C → D的深嵌套）
注意
依赖图展示的是实际发生的调用，而非设计文档中的理想状态。可能会发现意外的依赖关系！
总结
通过Jaeger的依赖图分析，你可以：
- 可视化服务间实时交互
- 识别单点故障风险
- 验证架构变更效果
扩展练习
- 在本地部署Jaeger，上报两个相互调用的服务数据
- 尝试找出图中最长的调用链路
- 思考：如果
ServiceA调用ServiceB，而ServiceB又回调ServiceA，图中会如何显示？
附加资源
- Jaeger官方文档 - 依赖分析
- 《分布式系统观测：可观测性实践指南》第5章