跳到主要内容

Zipkin 高级功能：追踪数据过滤

介绍​

在分布式系统中，Zipkin会收集大量追踪数据。但并非所有数据都值得长期存储或分析。追踪数据过滤允许你按规则筛选数据，例如：

  • 排除健康检查等低价值请求
  • 仅保留错误率高的服务追踪
  • 根据HTTP路径或标签过滤数据

过滤能显著降低存储成本，并帮助开发者聚焦关键问题。

基础过滤机制​

Zipkin提供两种主要过滤方式：

  1. 采集时过滤：在数据上报到Zipkin前丢弃匹配项
  2. 存储后过滤：通过查询接口筛选已存储数据

1. 采集时过滤（推荐）​

通过zipkin-collector配置过滤规则。修改zipkin-server的启动参数：

bash
java -jar zipkin-server.jar \
  --zipkin.collector.sample-rate=0.5 \
  --zipkin.collector.whitelist-paths=/api/important

参数说明：

  • sample-rate：采样率（0.5表示50%的请求会被记录）
  • whitelist-paths：只收集匹配路径的请求
提示

采集时过滤最节省资源，但过滤后的数据无法恢复。建议先在高采样率下测试规则。

2. 存储后过滤​

通过Zipkin API查询时添加过滤条件：

bash
# 只查询包含error标签的追踪
curl "http://localhost:9411/api/v2/traces?annotationQuery=error"

常用过滤参数：

  • serviceName：服务名
  • annotationQuery：标签键值对
  • minDuration/maxDuration：耗时范围

实际配置示例​

案例1：过滤健康检查请求​

在Spring Cloud Sleuth中配置：

java
@Bean
public Sampler sampler() {
    return new Sampler() {
        @Override
        public boolean isSampled(long traceId) {
            // 排除/actuator/health的请求
            return !Optional.ofNullable(RequestContextHolder.getRequestAttributes())
              .map(attrs -> ((ServletRequestAttributes) attrs).getRequest())
              .map(req -> req.getRequestURI().contains("/actuator/health"))
              .orElse(false);
        }
    };
}

案例2：按错误状态过滤​

使用Zipkin的StorageComponent自定义存储逻辑：

java
@Bean
public StorageComponent storage() {
    return new FilteredStorageComponent(originalStorage) {
        @Override
        public boolean shouldStore(Span span) {
            // 只存储包含错误或耗时超过1秒的span
            return "error".equals(span.tags().get("error")) 
              || span.duration() > 1000;
        }
    };
}

高级过滤模式​

组合过滤条件​

基于标签的动态过滤​

在微服务中添加业务标签：

python
# Python Flask示例
from flask import Flask
import requests

app = Flask(__name__)

@app.route("/order")
def order():
    # 添加业务标签
    with tracer.start_span('place_order') as span:
        span.set_tag("business.tier", "premium")
        span.set_tag("payment.method", "credit_card")

然后在Zipkin中查询：

bash
# 只查询高级用户的订单
/api/v2/traces?annotationQuery=business.tier=premium

总结​

关键要点：

  • 优先使用采集时过滤减少不必要的数据传输
  • 结合采样率和路径过滤实现基础过滤
  • 通过自定义标签实现业务级过滤
  • 存储后过滤适合临时分析场景

延伸学习​

练习建议：

  1. 在本地Zipkin中配置只收集/api/v1路径的请求
  2. 为你的服务添加自定义业务标签
  3. 尝试组合多个过滤条件查询

附加资源：