Apache SkyWalking Booster-UI中D3追踪图显示不完整问题分析
问题背景
在Apache SkyWalking的可观测性平台中,Booster-UI组件负责展示追踪数据。近期发现当追踪数据包含多个引用关系(refs)时,使用D3.js渲染的追踪图会出现显示不完整的问题。这个问题特别容易在RocketMQ等消息队列场景中出现,因为这些场景通常会生成包含多个跨进程引用的追踪数据。
问题现象
当追踪数据满足以下条件时会出现显示问题:
- 追踪包含多个span
- 这些span之间存在引用关系(refs)
- 特别是当有多个消费者-生产者模式的消息传递时
具体表现为D3渲染的SVG图形底部被截断,无法完整显示所有span节点。从技术实现来看,这是因为SVG容器的初始高度计算没有考虑引用节点的空间需求。
技术分析
当前实现的问题
当前代码中SVG容器高度的计算方式存在两个主要问题:
-
高度计算不完整:仅基于span数量计算高度,公式为
(span数量+1)*48。例如9个span计算得到480px高度。 -
调整不足:在已有计算基础上仅增加20px的调整量(变为500px),这对于包含多个ref的追踪远远不够。
正确的计算方式
正确的计算应该考虑:
- 基础span数量
- 引用关系(refs)带来的额外节点
- 必要的边距
修正后的计算公式应为:(span数量 + ref数量 + 1) * 节点高度(48px)。以示例中的9个span和5个ref为例,正确高度应为720px。
影响范围
这个问题主要影响:
- 消息队列场景(RocketMQ、Kafka等)的追踪展示
- 复杂的分布式事务追踪
- 任何包含多个跨进程引用的追踪场景
解决方案建议
修复方案需要修改D3Graph组件的实现,主要调整点包括:
-
完善节点计数:在计算总高度时,需要统计所有span节点和ref节点。
-
动态高度调整:根据实际节点类型和数量动态计算所需高度,而不是使用固定增量。
-
响应式设计:确保在不同屏幕尺寸下都能正确显示完整图形。
总结
Apache SkyWalking Booster-UI中的这个问题虽然看似是简单的显示问题,但实际上反映了在复杂分布式系统追踪可视化中的一个常见挑战 - 如何准确计算和分配可视化元素的空间。特别是在消息队列等异步通信场景中,引用关系的正确处理对于准确展示系统行为至关重要。
这个问题的修复不仅能改善RocketMQ场景下的追踪展示,也将提升所有包含复杂引用关系的追踪数据的可视化效果,使开发者能够更全面地理解分布式系统的运行状况。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0131
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00