第2章 数据采集工具选择：工具对比、适用场景、采集配置
2.1 指标定义
在 Modifier 测量阶段，数据采集工具的选择直接决定耗时分析的 数据质量 与 采集成本。本章围绕以下核心指标进行定义：
| 指标名称 | 定义 | 推荐阈值 |
|---|---|---|
| 采集成功率 | 成功写入存储系统的数据事件数 / 总触发事件数 | ≥ 99.5% |
| 配置耗时 | 从安装工具到产出第一条可用耗时数据所花费的分钟数 | ≤ 15 min |
| 数据完整性 | 采集到的字段覆盖度（必选字段缺漏率 ≤ 1%） | ≥ 99% |
| 采样精度 | 采集到的时间戳与真实事件发生时间的偏差（μs 级） | ≤ 10 μs |
2.2 数据口径
所有采集工具必须遵循统一的数据口径规范，才能保证后续维度拆解与看板聚合的准确性：
- 覆盖范围：必须采集
Modifier进程的 CPU、内存、I/O、网络、锁竞争、GC 六类事件。 - 采样频率：默认 100 Hz（10 ms 间隔），支持动态降采样至 20 Hz。
- 元数据标签：每条数据必须包含
hostname、pid、thread_id、timestamp_ns、operation_name。 - 存储格式：统一封装为 Parquet 行组，分区键为
date/hour。
2.3 维度拆解
工具优劣不能一刀切，需从四个维度进行拆解对比：
| 维度 | 选项 A：Agent 植入 | 选项 B：内核 / eBPF 旁路 | 选项 C：日志采样 |
|---|---|---|---|
| 部署方式 | 需修改启动参数或注入 Jar | 无需重启进程，加载 eBPF 程序 | 仅配置日志输出格式 |
| 性能开销 | 平均 3~8% 延迟增加 | < 1% CPU 开销 | 取决于写入速率，可能飙高 I/O |
| 适用阶段 | 开发 / 预发环境 | 生产环境（低扰动） | 故障定位时的回溯分析 |
| 数据粒度 | 方法级 / 链路级 | 内核函数 / 系统调用 | 文本行级别 |
2.4 看板结构
工具选择看板采用 雷达图 + 热力矩阵 双视图布局，辅助决策：
- 雷达图：每个工具按“易用性、性能开销、数据完整性、实时性、扩展性”五个维度打分（1~5 分），投射到五边形上。
- 热力矩阵：行 = 工具名，列 = 六个采集事件类型（CPU / Mem / I/O / Net / Lock / GC），单元格颜色代表该工具对该事件的支持度（绿=原生支持，黄=需要插件，红=不支持）。
看板底部固定显示当前环境推荐的工具组合，如：
推荐组合：生产环境优先使用 eBPF 工具（如 BCC / Falco）采集系统级耗时，配合 async-profiler 采集 Java 方法级采样。
2.5 异常解释
常见采集异常及根因：
- 数据缺口：采集工具在进程 OOM 时丢失尾部数据 → 根因：未启用环形缓冲区或写缓冲关闭。
- 时间戳抖动：不同工具使用不同的时钟源（CLOCK_MONOTONIC vs CLOCK_REALTIME）导致对齐偏差 → 根因：口径未统一。
- 配置超时：采集配置耗时超过 15 分钟 → 根因：依赖缺失或内核版本不匹配。
一旦看板中“采集成功率”指标跌至 98% 以下，或“配置耗时”超过 20 分钟，应立即触发告警并进入 业务动作 流程。
2.6 业务动作
当看板指标异常时，按以下步骤执行工具切换或修复：
- 诊断：检查看板中的“维度拆解热力矩阵”，定位当前工具缺失的事件类型。
- 候选列表：根据缺失事件从备选工具库中筛选。备选工具库已在系统
/opt/modifier/toolchain.yml中预配置：
# /opt/modifier/toolchain.yml
tools:
- name: perf
events: [cpu_cycles, instructions, cache_misses]
deploy: kernel_based
- name: async_profiler
events: [java_method_sampling, lock_contention]
deploy: agent
- name: bcc
events: [syscall_io, tcp_latency, context_switches]
deploy: ebpf
- 验证：在预发环境运行一次 5 分钟的压力测试，确认采集成功率和数据完整性达到阈值后，灰度发布到生产。
- 回滚：若新工具导致采集开销超过 5% CPU，立即回退至旧工具并记录复盘。
2.7 复盘分析
每两周对工具选择进行一次复盘，重点分析以下三点：
- 工具更替频率：若同一环境在 1 个月内更换工具超过 2 次，说明初始选型未覆盖关键事件维度。
- 配置耗时分布：汇总所有采集任务的配置耗时，若中位数 > 10 分钟，应标准化安装脚本或提供容器化工具。
- 数据质量回溯：对比同时间段不同工具的采集成功率，找出最稳定的工具作为基准线。
将复盘结论更新至 toolchain.yml 的注释区，形成组织级工具选型知识库。