2. Jaeger 基础回顾：Jaeger 架构与核心概念

在深入事故响应与变更窗口故障定位之前，必须牢固掌握 Jaeger 的架构组件与核心数据模型。本章将系统回顾 Jaeger 的四大核心组件（Agent、Collector、Query、UI）以及分布式追踪的两大基石：Span 与 Trace。这些知识是后续章节中分析调用链、定位性能瓶颈和根因分析的基础。

2.1 Jaeger 整体架构

Jaeger 采用模块化、可水平扩展的架构设计，主要分为客户端库（Instrumentation）、数据采集层（Agent & Collector）、存储后端（Storage Backend）以及查询与可视化层（Query & UI）。下图展示了 Jaeger 的标准部署架构与数据流。

2.2 核心组件详解

Jaeger 的每个组件在数据采集、处理、存储和查询链路中承担特定职责。下表总结了各组件的功能定位与关键配置。

2.3 Span：分布式追踪的基本单元

Span 是 Jaeger 中最基本的数据单元，代表分布式系统中一个逻辑工作单元（如一次 RPC 调用、一个数据库查询、一个消息队列发送）。每个 Span 记录以下关键信息：

• 操作名称（Operation Name）：描述该 Span 代表的操作，例如 HTTP POST /api/order。
• 开始时间与持续时间：精确到微秒的时间戳和耗时。
• Span 上下文（Span Context）：包含 Trace ID、Span ID、Baggage 等，用于跨进程传递追踪信息。
• 标签（Tags）：键值对形式的元数据，用于描述 Span 的属性（如 HTTP 状态码、错误信息、数据库语句）。
• 日志（Logs）：时间戳 + 键值对，用于记录 Span 生命周期内的关键事件（如异常堆栈、缓存命中/未命中）。
• 引用关系（References）：Span 之间的父子关系或跟随关系。

// 示例：一个典型的 Span 结构（JSON 表示）
{
  "traceID": "abc123def456",
  "spanID": "span001",
  "operationName": "HTTP GET /api/users",
  "startTime": 1710000000123456,
  "duration": 150000,  // 微秒，即 150ms
  "tags": [
    {"key": "http.method", "vStr": "GET"},
    {"key": "http.status_code", "vType": "int64", "vInt64": 200},
    {"key": "error", "vBool": false}
  ],
  "logs": [
    {
      "timestamp": 1710000000123500,
      "fields": [
        {"key": "event", "vStr": "cache_miss"},
        {"key": "cache.key", "vStr": "user:123"}
      ]
    }
  ],
  "references": [
    {"refType": "CHILD_OF", "traceID": "abc123def456", "spanID": "parentSpan001"}
  ]
}

2.4 Trace：端到端请求的完整视图

Trace 是由一组具有相同 Trace ID 的 Span 构成的树状结构，完整记录了一个请求从入口到出口经过的所有服务与操作。Trace 的核心特征包括：

• 全局唯一 Trace ID：贯穿整个请求生命周期，用于关联所有 Span。
• Span 层级关系：通过 CHILD_OF 和 FOLLOWS_FROM 引用关系构建调用树。
• 时间轴视图：在 UI 中以瀑布图（Waterfall）形式展示，直观呈现各 Span 的耗时与并行关系。
• 服务依赖图：基于 Trace 数据自动生成服务间调用拓扑。

2.5 Span 与 Trace 的关键属性对比

2.6 采样策略简介

在生产环境中，为控制存储成本，Jaeger 默认不会采集所有 Trace。理解采样策略对于事故响应至关重要——如果故障 Trace 未被采样，将无法进行事后分析。常见的采样策略包括：

• 头部采样（Head-based Sampling）：在 Trace 开始时决定是否采样，策略简单但无法针对特定错误路径。
• 尾部采样（Tail-based Sampling）：在 Trace 结束后根据结果（如是否包含错误）决定是否保留，更适合故障定位场景。
• 概率采样（Probabilistic Sampling）：按固定百分比采样，适用于流量均匀的场景。
• 速率限制采样（Rate Limiting Sampling）：每秒最多采集 N 个 Span，防止突发流量导致存储过载。