
Hello,我是小兔大白糖。 一次请求串了十个服务,用户只说「慢」;没有传播上下文,日志对不上号——排障到最后,缺的是链路合同,不是更多散落日志。写成这篇,做一次业界向的分布式追踪调研。
分布式追踪用 Trace/Span 把一次请求串成可对齐的链路合同;采样是成本开关,不能替代指标与日志。
说明:SkyWalking / Jaeger / OpenTelemetry 只谈公开文档可核对的概念与代价;文中采样率与伪流程是示意,不是某集群的默认值。
估计阅读时间:8 分钟
为什么现在要关心这件事?
Trace 是一次请求的全局故事;Span 是其中一章;传播头把章节订成一本书。
| 现象 | 常见真相 |
|---|---|
| 拓扑很好看,事故仍盲 | 采样过低或关键路径未打点 |
| 存储被打爆 | 全量无采样 |
| 跨服务断链 | 缺 W3C / 厂商传播头 |
心智模型是什么?
心智模型:Trace 是整次请求的故事书,Span 是其中一章;没有传播上下文就对不上页码。
有哪些模式可对照?
对照结论:选实现前先写清采样率、传播格式与错误强制保留,而不是先绑厂商。
| 方向 | 常见选择(公开) | 备注 |
|---|---|---|
| Java Agent 无侵入 | SkyWalking 等 | 运维与版本要跟 |
| 云原生 | Jaeger / Tempo 等 | 常与 Mesh/OTel 结合 |
| 厂商中立 API | OpenTelemetry | 采集与后端可拆 |
价值:定位尾延迟与错误归属;不是代替指标与结构化日志。
常见坑有哪些?
常见坑:全量追踪无成本合同、只埋入口不传下游、用追踪替代指标告警。
- 全量追踪无成本合同
- 只看 UI 拓扑,不看关键 Span 属性
- 用追踪代替 SLI/告警
- 异步消息未传递上下文
该怎么选?一句话结论
- 先定传播标准与采样策略。
- 与日志/指标三角互补。
- 关键同步路径优先保证可见。
系列:本篇(distributed-deep #7)