跳到主要内容

采样类型介绍

在分布式系统中，追踪（Tracing）是理解服务间调用关系的关键工具。Jaeger作为流行的分布式追踪系统，通过采样策略控制收集的追踪数据量，平衡系统开销与数据完整性。本文将介绍Jaeger支持的采样类型及其适用场景。

什么是采样？​

采样指从大量请求中选择部分请求进行完整追踪记录的过程。例如，在每秒处理1000次请求的系统中，若采样率为0.1%，则每秒只记录1次请求的完整追踪数据。合理采样可减少存储和计算资源消耗，同时保留关键信息。

为什么需要采样？
  • 降低存储成本
  • 减少网络传输开销
  • 避免分析工具过载

Jaeger 采样类型​

1. 恒定采样（Constant Sampling）​

最简单的策略，固定采样率对所有请求生效。

配置示例（Jaeger客户端配置）：

go
config := &jaegercfg.Configuration{
  Sampler: &jaegercfg.SamplerConfig{
    Type:  "const",
    Param: 1, // 1=全采样，0=不采样
  },
}

适用场景：

  • 开发环境调试
  • 低流量服务
注意

生产环境慎用Param: 1，可能造成性能问题！

2. 概率采样（Probabilistic Sampling）​

按概率随机采样，参数为采样概率（0~1）。

配置示例：

go
{
  Type:  "probabilistic",
  Param: 0.3, // 30%采样率
}

实际案例： 电商系统在促销期间使用0.1的概率采样，既捕捉典型请求又控制数据量。

3. 速率限制采样（Rate Limiting Sampling）​

控制每秒最大采样数，适合流量波动大的系统。

go
{
  Type:  "rateLimiting",
  Param: 10, // 每秒最多10条追踪
}

输入输出示例：

输入：每秒100次请求
输出：前10次请求被采样（均匀分布）

4. 自适应采样（Adaptive Sampling）​

动态调整采样率，结合系统负载和业务优先级（需Jaeger后端支持）。

如何选择采样策略？​

策略类型适用阶段优点缺点
恒定采样开发/测试简单直接无法扩展
概率采样生产环境资源消耗可预测可能错过重要请求
速率限制采样高流量生产保护后端系统突发流量可能丢数据
自适应采样复杂生产智能平衡配置复杂

实战建议​

  1. 开发环境：使用恒定采样+全采样

    yaml
    jaeger:
      sampler:
        type: const
        param: 1

  2. 生产环境推荐组合：

    • 基础服务：概率采样（0.01-0.1）
    • 支付核心链路：单独配置更高采样率

总结​

采样策略的选择需要综合考虑：

  • 业务重要性
  • 系统资源
  • 数据分析需求
进阶练习
  1. 在本地Jaeger中对比不同采样率的效果
  2. 尝试为/login和/checkout配置不同采样率

延伸阅读：


注意：实际使用时请移除代码块外部的