[Trace] Jaeger

Jaeger란 무엇인가?

Jaeger는 분산 추적 시스템(Distributed Tracing System)을 위한 오픈소스 도구입니다. Uber에서 개발되었으며, 현재는 Cloud Native Computing Foundation(CNCF)의 프로젝트로 관리되고 있습니다. Jaeger는 마이크로서비스 아키텍처에서 애플리케이션의 요청 흐름을 추적하고 성능 문제를 분석하는 데 주로 사용됩니다.

• 이름의 유래: "Jaeger"는 독일어로 "사냥꾼"을 의미하며, 시스템 내에서 복잡한 요청 경로를 "추적"한다는 의미를 담고 있습니다.
• 핵심 기능: 분산 시스템에서 발생하는 트랜잭션의 시작부터 끝까지의 흐름을 시각화하고, 지연 시간(latency), 오류, 병목 지점을 파악합니다.

---

Jaeger의 주요 구성 요소

1. Jaeger Agent:
   
   • 애플리케이션에 가까이 배치되어 추적 데이터를 수집.
   • UDP를 통해 데이터를 Jaeger Collector로 전송.
2. Jaeger Collector:
   
   • 추적 데이터(스팬)를 수집하고 저장소(예: Elasticsearch, Cassandra)에 저장.
   • 데이터 처리 및 집계 역할.
3. Jaeger Query & UI:
   
   • 저장된 추적 데이터를 조회하고 웹 UI로 시각화.
   • 사용자가 트레이스와 스팬을 분석할 수 있는 인터페이스 제공.
4. 저장소(Storage Backend):
   
   • 추적 데이터를 영구 저장 (예: Elasticsearch, Cassandra, 메모리).
5. Instrumentation:
   
   • 애플리케이션에 추가되는 코드(예: OpenTracing/OpenTelemetry API)로, 추적 데이터를 생성.

---

Jaeger가 하는 일

Jaeger는 **스팬(Span)**과 **트레이스(Trace)**라는 개념을 기반으로 동작합니다:

• 스팬(Span): 요청의 단일 작업 단위(예: API 호출, DB 쿼리).
• 트레이스(Trace): 여러 스팬으로 구성된 요청의 전체 흐름.

예를 들어, 사용자가 웹사이트에서 주문을 하면:

1. 프론트엔드 → 주문 API → 결제 서비스 → DB 호출로 이어지는 요청 흐름을 하나의 트레이스로 기록.
2. 각 단계(스팬)의 소요 시간, 성공/실패 여부 등을 추적.

---

Jaeger를 사용하는 이유

1. 분산 시스템의 복잡성 관리

• 문제: 마이크로서비스 환경에서는 단일 요청이 여러 서비스를 거치며, 어디서 문제가 발생했는지 파악하기 어려움.
• 해결: Jaeger는 요청의 전체 경로를 시각화해 병목 지점이나 오류를 빠르게 식별.
• 예시: 주문 처리 중 결제 서비스에서 2초 지연 발생 시 Jaeger UI에서 해당 스팬 확인.

2. 성능 최적화

• 문제: 특정 API 호출이 느리거나 응답 시간이 길어지는 이유를 찾기 어려움.
• 해결: Jaeger는 각 스팬의 지연 시간을 분석해 성능 개선 포인트를 제공.
• 예시: DB 쿼리 스팬이 500ms 걸린다면 쿼리 튜닝 필요.

3. 장애 분석

• 문제: 시스템 장애 발생 시 원인을 추적하기 위해 여러 서버 로그를 뒤져야 함.
• 해결: Jaeger는 오류가 발생한 트레이스와 스팬을 상세히 보여줘 디버깅 시간 단축.
• 예시: "결제 실패" 오류가 특정 서비스에서 발생한 경우 해당 트레이스에서 확인.

4. 서비스 간 의존성 파악

• 문제: 복잡한 마이크로서비스 환경에서 서비스 호출 관계를 문서화 없이 알기 어려움.
• 해결: Jaeger는 의존성 그래프를 생성해 서비스 간 상호작용을 시각화.
• 예시: 프론트엔드가 주문, 결제, 배송 서비스와 어떻게 연결되는지 한눈에 확인.

5. 실시간 모니터링

• 문제: 시스템 상태를 실시간으로 파악하려면 별도 모니터링 도구 필요.
• 해결: Jaeger는 실시간으로 트레이스를 수집하고 UI로 보여줌.
• 예시: 트래픽 급증 시 요청 처리 속도 변화 모니터링.

6. 오픈소스와 표준 지원

• 이유: Jaeger는 OpenTracing과 OpenTelemetry를 지원하며, 무료로 사용 가능.
• 장점: 다양한 언어(Java, Python, Go 등)와 프레임워크(Spring Boot 등)에 쉽게 통합.

 

Jaeger 실습

1) Jaeger 서버

- jaeger 다운로드 및 압축 해제

wget https://github.com/jaegertracing/jaeger/releases/download/v1.66.0/jaeger-2.3.0-linux-amd64.tar.gz

tar zxvf jaeger-2.3.0-linux-amd64.tar.gz

 

- 폴더 이동 후 실행

cd jaeger-2.3.0-linux-amd64

./jaeger

 

- 클라이언트에서 접속 가능하도록 bind address 환경 변수 변경

export JAEGER_LISTEN_HOST=0.0.0.0

 

- 16686포트로 접속

2) 백엔드(Spring) 서버

- Spring Boot 애플리케이션에서 Jaeger 분산 추적 시스템을 설정하는 코드 작성

 

JaegerConfig.java

package com.example.jaeger.config;

import io.jaegertracing.Configuration;
import io.jaegertracing.internal.JaegerTracer;
import org.springframework.context.annotation.Bean;
import org.springframework.stereotype.Component;

@Component
public class JaegerConfig {
    @Bean
    public JaegerTracer jaegerTracer() {
        Configuration.SamplerConfiguration samplerConfig = Configuration.SamplerConfiguration.fromEnv().withType("const").withParam(1);

        Configuration.SenderConfiguration udpSender = Configuration.SenderConfiguration.fromEnv().withAgentHost("[Jaeger Server IP]");

        Configuration.ReporterConfiguration reporterConfig= Configuration.ReporterConfiguration.fromEnv().withLogSpans(true).withSender(udpSender);

        Configuration config = new Configuration("My Project").withSampler(samplerConfig).withReporter(reporterConfig);

        return config.getTracer();
    }
}

Jaeger의 JaegerTracer 객체를 Spring 빈으로 등록하여 애플리케이션에서 추적 데이터를 생성하고 Jaeger 서버로 전송할 수 있도록 합니다.

SamplerConfiguration:

• 샘플링은 추적할 요청의 비율을 결정합니다. 모든 요청을 추적하면 성능에 부담을 줄 수 있으므로 샘플링 전략이 중요합니다.

SenderConfiguration:

• 추적 데이터를 Jaeger로 전송하는 방법을 정의합니다.

ReporterConfiguration:

• 추적 데이터를 어떻게 보고(report)할지 설정합니다.

3) 전체 동작

1. Spring 초기화:
   
   • 애플리케이션 시작 시 JaegerConfig가 스캔되고, JaegerTracer 빈이 생성.
2. 추적 설정:
   
   • 모든 요청을 추적(const 샘플러).
   • 추적 데이터를 192.0.2.45:6831(Jaeger Agent)로 전송하고 로그에도 기록.
3. 사용:
   
   • 컨트롤러나 서비스에서 JaegerTracer를 주입받아 추적 시작.

 

요약 

Jaeger는 분산 시스템에서 요청 흐름을 추적하고, 성능 문제를 빠르게 파악하며, 시스템의 투명성을 확보하기 위해 사용됩니다. Jaeger를 사용하면 문제 진단 시간을 단축하고, 서비스 간 상호작용을 이해할 수 있으며 성능 최적화 및 안정성 향상에 도움이 됩니다. 또한, 마이크로서비스, 클라우드 네이티브 애플리케이션 등의 환경에서 사용하는 것이 적합합니다.