跳到主要内容

OpenTelemetry 概率采样

简介​

在分布式系统中，OpenTelemetry 用于生成大量遥测数据（如 traces、metrics、logs）。如果全量收集这些数据，可能导致存储成本过高或系统过载。概率采样（Probability Sampling）是一种通过预定义采样率（如 10%）随机决定是否收集数据的轻量级方案，它能有效控制数据量，同时保留代表性的系统行为样本。

核心概念​

采样率（Sampling Rate）​

采样率是一个介于 0 和 1 之间的值，表示数据被采集的概率。例如：

  • 0.1：10% 的数据会被采集
  • 1.0：全量采集（无采样）

采样决策流程​

代码示例​

配置概率采样器（Python）​

以下示例展示如何在 Python 中设置概率采样器：

python
from opentelemetry import trace
from opentelemetry.sdk.trace import TracerProvider
from opentelemetry.sdk.trace.sampling import TraceIdRatioBased

# 设置采样率为 30%
sampler = TraceIdRatioBased(0.3)
provider = TracerProvider(sampler=sampler)
trace.set_tracer_provider(provider)

tracer = trace.get_tracer(__name__)
with tracer.start_as_current_span("sample_span"):
    print("Span 可能被采样（30% 概率）")

输出结果​

运行多次后，大约 30% 的 Span 会被导出到后端系统（如 Jaeger）。

实际应用场景​

案例：电商平台流量监控​

假设一个电商平台的订单服务日均处理 100 万次请求：

  • 全量采集：存储所有 traces 需要 1TB/天，成本高昂。
  • 概率采样（5%）：只需存储 5 万次请求的 traces，仍能捕捉到错误率和延迟趋势。
采样率选择建议
  • 高流量生产环境：0.1~0.3（10%~30%）
  • 调试阶段：1.0（全量）
  • 低流量服务：0.5~1.0

注意事项​

  1. 数据一致性：同一 Trace 的所有 Span 应共享采样决策（通过 TraceId 实现）。
  2. 动态调整：可通过配置中心动态更新采样率，无需重启服务。
  3. 补充策略：可组合使用概率采样和基于条件的采样（如错误请求全采样）。

总结​

概率采样是 OpenTelemetry 中平衡数据量与精度的关键工具。通过合理设置采样率，开发者可以：

  • 降低存储和分析成本
  • 避免采集冗余数据
  • 保持对系统健康度的可见性

扩展练习​

  1. 修改上述代码示例，尝试不同的采样率（如 0.5、0.8），观察导出结果的变化。
  2. 在分布式链路中，验证同一个 Trace 的 Span 是否全部被采样或丢弃。

参考资源​