如何做到方法的调用链

‘壹’ idea怎么查看jar里的类调用链

你要有这个jar对应的sources.jar才行，我这里以google的guava.jar为例，在maven仓库中，有：

对于没有相应的sources.jar的jar包，则看不到，jar包对应的sources.jar一般大公司的都会一起发布在网上。

‘贰’ tt函数调用链怎么用

载入时动态链接（load-time dynamic linking），模块非常明确调用某个导出函数，使得他们就像本地函数一样。这需要链接时链接那些函数所在DLL的导入库，导入库向系统提供了载入DLL时所需的信息及DLL函数定位。
运行时动态链接（run-time dynamic linking），运行时可以通过LoadLibrary或LoadLibraryEx函数载入DLL。DLL载入后，模块可以通过调用GetProcAddress获取DLL函数的出口地址，然后就可以通过返回的函数指针调用DLL函数了。如此即可避免导入库文件了。
调用链有头有尾执行从前往后，可以用一条线来表示，为简化用一条直线表示。调用链的头和尾是相对的，取决我们的观察需要。一条链可以一分为二分别进行分析。

‘叁’ 深入探究ZIPKIN调用链跟踪——拓扑Dependencies篇

Zipkin的拓扑服务zipkin-dependencies是作为zipkin的一个独立的离线服务，也就是说，只启动zipkin服务，是没法看到拓扑的，还需要自己离线启动zipkin-dependencues服务。

其中ES配置参数如下：

Zipkin出了支持elasticsearch存储，还有mysql，cassard，详细配置信息请看 源码Readme

1、图中线条说明

服务之间的线条，遵循以下原则：

2、主调被调次数说明

点开每一个服务，可以看到主调被调，比如我在拓扑图中点击
某个服务，可以与此服务有直接调用关系的服务有哪些，效果如下：

其中Uses by表示此服务作为被调服务，被哪些服务调用了；Uses表示此服务调用了哪些其他服务。

在上面的图中点击某个主调或被调服务，即可看到具体的调用次数，以及失败次数，效果如下：

通过拓扑图，宏观上，我们可以快速了解服务之间的调用关系，同时也可以知道哪些服务间调用有问题，且可以知道出现问题的一个量级是多少（失败数，调用总数）。

Zipkin拓扑denpendencies是基于上报的链路span数据再次构建出的描述链路拓扑的一种新的数据结构。

构建链路的第一步就是读取Span数据。Zipkin外部数据源支持三种，分别是Mysql，Cassandra，Elasticsearch，因此构建拓扑时，将从这三种数据源中读取Span数据。

读取Span数据源后，需要对其处理，计算出链路的拓扑。因为Span的数据量很大，普通程序计算处理无法完成任务，因此需要用到大数据框架。Zipkin官方选用的是Spark框架。Spark对Span数据进行处理，最后生成拓扑数据DenpendencyLink，然后持久化到存储中。

前端请求拓扑(DependencyLink)时，即按照查询条件，查询已经持久化后的DependencyLink，然后经过UI渲染，进行页面展示。

启动Zipkin-dependencies服务时，会传入几个参数，分别是时间day和存储类型storageType。Zipkin-dependencies服务是以天为单位进行建立拓扑，因此day将决定建立那一天的拓扑；而storageType将决定从什么储存中读取数据。

1、获取日期：

2、获取存储类型：

3、根据不同的存储启动不同的jOb:

不同的存储会定义不同Job类，因此有CassandraDependenciesJob，MySQLDependenciesJob，MySQLDependenciesJob，ElasticsearchDependenciesJob。 不同的Job主要区别在于读取Span的方式不同，而Spark对Span进行处理计算的方式基本都是相同的。 本文主要分析ElasticsearchJOb。

Job中主要逻辑都在run方法中，ElastichserchJob的Run方法定义如下：

主要步骤如下：
1、首先通过Spark的配置属性Conf，创建一个JavaSparkContext对象sc：

2、然后读取elasticsearch span数据源：

3、读取数据源后，就可以对Span进行处理了，首先按照TraceId 进行Group分组：

其中JSON_TRACE_ID Function定义如下：

4、Span按照TraceId Group 分组后，接着对Span进行处理， 创建出DenpendencyLink。

5、上面方法最终返回的是个Map类型，将其转化为pari类型，再对其进行一个receByKey操作：

6、Spark对Span的计算操作到这儿基本就完成了，最后将DependencyLink转化为Jso形式：

7、对于计算好的拓扑Links，将其持久化到Elasticsearch中：

整个过程到此完毕，其中最复杂也是最核心的逻辑就是计算出链路拓扑Denpendencylink，此步骤在Function (logInitializer, decoder)中。接下来详细分析完成的工作。

首先介绍一下DenpendencyLink数据结构。DenpendencyLink就是最终与页面交互的拓扑结构数据单元，字端有：

DenpendencyLink类定义如下：

类的定义如下：

其中call方法中，首先完成对同一TraceId的Span解码：

然后，通过DependencyLinker类构造出DependendyLink，首先构造一个SpanNode Tree：

然后利用深度优先遍历方法遍历整个，统计出CallCounts和errorCounts:

其中callCounts和errorCounts定义如下：

最后，再通过callCounts和errorCounts生成List<DependencyLink>:

这样，最终构建出了DependencyLink。

本文为我的调用链系列文章之一，已有文章如下：

祝大家工作顺利，天天开心！