跳到主要内容

OpenTelemetry 采样配置

什么是采样？​

采样（Sampling）是OpenTelemetry中控制收集多少遥测数据（如跟踪、指标、日志）的过程。通过采样，可以在系统开销和数据完整性之间取得平衡——高采样率会提供更全面的数据但增加资源消耗，低采样率则相反。

为什么需要采样？​

  1. 降低存储成本：全量数据存储可能非常昂贵。
  2. 减少网络带宽：避免传输所有生成的遥测数据。
  3. 控制后端负载：防止分析系统过载。
  4. 聚焦重要数据：优先保留对调试和监控最有价值的信息。

采样类型​

OpenTelemetry支持多种采样策略：

1. 头部采样 (Head-based Sampling)​

在请求开始时决定是否采样，常用策略包括：

  • 固定比率采样：按固定比例采样（如10%）。
  • 速率限制采样：每秒最多采样N个请求。

代码示例：固定比率采样​

python
from opentelemetry.sdk.trace.sampling import TraceIdRatioBased

# 采样率设置为10%
sampler = TraceIdRatioBased(0.1)

2. 尾部采样 (Tail-based Sampling)​

在请求完成后根据其特征决定是否保留，例如：

  • 只保留包含错误的请求
  • 只保留慢请求（延迟高于阈值）

代码示例：组合采样器​

python
from opentelemetry.sdk.trace.sampling import (
    TraceIdRatioBased,
    ParentBased,
)

sampler = ParentBased(
    root=TraceIdRatioBased(0.1),  # 根span采样率10%
    remote_parent_sampled=TraceIdRatioBased(0.5),  # 远程父span已采样时50%
)

3. 概率采样 (Probability Sampling)​

每个span独立决定是否采样，可能导致不完整的跟踪链。

实际案例：电商平台采样策略​

场景

一个电商平台需要监控下单流程，但每天有百万级请求。

解决方案：

  1. 对 /checkout 路径使用20%采样率
  2. 对错误响应（HTTP 5xx）100%采样
  3. 对延迟超过2秒的请求100%采样
python
from opentelemetry.sdk.trace.sampling import (
    TraceIdRatioBased,
    ParentBased,
    Decision,
)

class CustomSampler:
    def should_sample(self, context, trace_id, name, attributes, links):
        if attributes.get("http.target") == "/checkout":
            return Decision(True)  # 强制采样结账流程
        if attributes.get("http.status_code", "").startswith("5"):
            return Decision(True)  # 采样所有错误
        return Decision(False)

sampler = ParentBased(root=CustomSampler())

配置最佳实践​

  1. 生产环境推荐：结合 ParentBased 和 TraceIdRatioBased
    python
    sampler = ParentBased(root=TraceIdRatioBased(0.01))  # 1%采样率
  2. 开发环境：使用 AlwaysOnSampler 全量采样
  3. 关键路径：对核心业务逻辑提高采样率
  4. 错误优先：确保所有错误都能被捕获
注意

采样决策应在服务边界保持一致，避免跟踪链断裂！

总结​

采样是OpenTelemetry中平衡系统开销与数据价值的关键配置。通过合理组合头部采样、尾部采样和概率采样，可以构建高效的遥测数据收集策略。

延伸学习​

  1. 练习：尝试为你的应用配置不同的采样策略，比较存储数据量变化
  2. 进阶阅读：
    • OpenTelemetry官方采样文档
    • 分布式跟踪中的采样理论
  3. 工具实验：使用Jaeger或Zipkin查看不同采样策略的效果