带你读《2022技术人的百宝黑皮书》——移动域全链路可观测架构和关键技术（6）https://developer.aliyun.com/article/1340963?groupCode=taobaotech
提升日志上传成功率，从几个方面保障在排查问题时有日志供应过来，一是内置日志主动上传能力，在核心场景 或问题反馈多时机触发，提高日志触达率，如舆情反馈、新功能上线发生异常时；二对TLOG能力进行升级，涉 及到分片策略、重试、日志治理等优化，解决以往用户反馈较多日志上传的时效问题；最后是收集各类异常信息，作为快照，通过MTOP链路旁路上报，辅助还原现场。
提升日志的定位效率，首先对日志做分类，如区分出页面日志、全链路日志支持快速筛选过滤；接着是打通各个 场景的全链路调用拓扑结构，目的是可以快速看出问题发生在哪个节点，以便快速分发处理；最后结构化错误、 慢、UI卡等问题，原则是将领域问题的解释权交给领域，比如卡顿日志有几类，如APM冻帧、ANR、主线程卡 顿等；业务类有请求失败、请求RT大于xx时间、页面白屏等，通过各领域的能力 对接来提升问题的快速诊断定位能力。
全链路追踪能力建设，鹰眼（分布式跟踪系统在阿里后端的实现）接入业务众多，日志量大，不可避免要做日志的采样，对于没有命中采样的调用，缓存只有5分钟，需要想办法在5分钟内通知鹰眼保持更久的时间。第一阶段，后端解析服务会解析出调用链的鹰眼ID，通知鹰眼服务存储对应的trace日志，成功通知后可以存3天；第二阶段感知网关发生异常，取出鹰眼ID，通知鹰眼存储将存储前置；第三阶段，类似场景追踪，获取核心场景的鹰眼trace日志，尝试放在摩天轮平台上存储。第一阶段已经上线，可以做到关联跳转鹰眼平台，一般从问题发生到 排查都过了5分钟，因此成功率不高，还需要结合2、3阶段进一步提升成功率，正在规划开发中。
平台能力的建设，基于端侧全链路日志做解析，在可视化方面，通过结构化展示全链路日志内容，方便快速部分节点的异常；还有就是基于结构化日志，对全链路日志中的耗时异常、接口报错、数据大小异常等问题进行快速诊断。
以上是今年在运维做的一些尝试，目的是希望可以通过技术升级，在排查领域用技术赋能代替流程赋能。下面接着继续给大家展示下淘宝的实践和集团其它app接入的效果。
全链路运维实践
淘宝卡顿问题排查
内部同事反馈在海外用淘宝App，出现卡、部分页面打不开等现象，经过上诉排查过程，提取到TLOG日志后。
通过“全链路可视化”功能(图10)，可以看到H5页面spanID为0.1的network状态为“失败”，导致页面打不 开。
通过“全链路诊断”耗时异常功能（图11），可以看到大量network耗时分布在2s、3s+，有的甚至8s+， network阶段发生在请求调用阶段(传输)，与海外用户访问到阿里的CDN节点慢相关。
(图13 全链路可视化功能)
(图14 全链路卡顿诊断功能)
带你读《2022技术人的百宝黑皮书》——移动域全链路可观测架构和关键技术（8）https://developer.aliyun.com/article/1340961?groupCode=taobaotech
