分布式链路追踪:Trace、Span 与采样成本合同

分布式链路追踪:Trace、Span 与采样成本合同

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。

Trace、Span 与跨进程上下文传播
Trace、Span 与跨进程上下文传播 · 点击查看 SVG 原图

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 APIOpenTelemetry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。

  1. 全量追踪无成本合同
  2. 只看 UI 拓扑,不看关键 Span 属性
  3. 用追踪代替 SLI/告警
  4. 异步消息未传递上下文

该怎么选?一句话结论

  1. 先定传播标准与采样策略。
  2. 与日志/指标三角互补。
  3. 关键同步路径优先保证可见。

系列:本篇(distributed-deep #7)