跳到主要内容

SkyWalking Agent采样策略

介绍​

在分布式系统监控中，采样策略是SkyWalking Agent的核心功能之一。它决定了哪些请求会被收集并上报到SkyWalking后端，帮助平衡监控精度与系统开销。对于初学者来说，理解采样策略能有效避免"全量采集"导致的性能问题。

采样策略通过以下方式优化监控：

  • 减少网络传输和存储压力
  • 降低Agent对业务系统的性能影响
  • 保持对关键请求的监控覆盖率

采样策略类型​

SkyWalking Agent提供三种主要采样策略：

1. 固定速率采样（Fixed Rate）​

最简单的采样方式，按固定比例采集请求：

# agent/config/agent.config
agent.sample_n_per_3_secs=${SW_AGENT_SAMPLE:1}
配置说明
  • ${SW_AGENT_SAMPLE:1} 表示每3秒采样1个请求
  • 可通过环境变量SW_AGENT_SAMPLE修改采样率

2. 动态采样（Dynamic）​

根据系统负载自动调整采样率：

agent.sample_rate=${SW_AGENT_SAMPLE_RATE:10000}
agent.sample_error_per_3_secs=${SW_AGENT_SAMPLE_ERROR:1}
动态逻辑
  • 默认采样率是1/10000（0.01%）
  • 当发生错误时，3秒内至少采样1个错误请求

3. 自适应采样（Adaptive）​

配置示例：

agent.adaptive_sampling.enabled=true
agent.adaptive_sampling.target_sample_count=100

实际应用案例​

电商系统场景​

假设有一个促销活动，请求量突增10倍：

  1. 初始状态：固定采样率1%
  2. 问题：产生大量监控数据，存储压力大
  3. 解决方案：切换为自适应采样 
    agent.sample_n_per_3_secs=-1  # 禁用固定采样
    agent.adaptive_sampling.enabled=true

错误监控优先​

确保错误请求100%采样：

agent.sample_error_per_3_secs=0  # 0表示采样所有错误

配置最佳实践​

  1. 开发环境：使用高采样率（如100%）

    agent.sample_n_per_3_secs=1000

  2. 生产环境：推荐组合策略

    agent.sample_n_per_3_secs=5      # 基础采样
    agent.sample_error_per_3_secs=0  # 全量错误采样
    agent.adaptive_sampling.enabled=true

  3. 关键业务：使用特定采样规则

    // 通过@Trace注解强制采样
    @Trace(operationName = "checkout", tags = {"sampling_force", "true"})
    public void processPayment() {...}

总结与练习​

关键点总结​

  • 固定采样适合负载稳定的系统
  • 动态采样平衡监控与资源消耗
  • 自适应采样应对流量波动最有效
  • 错误采样应单独配置

动手练习​

  1. 在本地环境配置固定采样率为50%
  2. 使用JMeter模拟流量，观察采样效果
  3. 尝试切换为自适应采样，比较数据差异

扩展学习​

  • 官方文档：Sampling Strategies
  • 源码分析：SamplingService类实现
  • 性能测试：不同采样率对CPU的影响

注意：实际使用时请移除最外层的