1. Tempo 架构总览

1.1 Tempo 在 Grafana 可观测性栈中的角色

Grafana 可观测性栈由三大支柱构成：Metrics（指标）、Logs（日志）、Traces（链路）。Tempo 负责链路支柱，提供高性价比的分布式追踪存储与查询能力。

1.2 核心组件介绍

Tempo 采用微服务架构，核心组件包括 Distributor、Ingester、Querier、Compactor，各组件职责明确、可独立扩缩容。

1.2.1 Distributor（分发器）

• 职责：接收来自应用 SDK 或 Agent 的 Span 数据（支持 OTLP、Jaeger、Zipkin 等协议），执行数据校验与 认证。
• 路由策略：根据 Trace ID 的 Hash 值将 Span 分发到对应的 Ingester 实例，保证同一 Trace 的所有 Span 进入同一 Ingester。
• 高可用：无状态设计，可水平扩展；前置负载均衡器（如 NGINX / Kubernetes Service）做流量分发。

1.2.2 Ingester（写入器）

• 职责：接收 Distributor 推送的 Span 数据，在内存中构建 Block（Tempo 的最小存储单元），定期 Flush 到后端存储。
• 生命周期：Block 经历 Receiving → Flushing → Complete 三个阶段，完成后不可变。
• 故障恢复：通过 WAL（Write-Ahead Log）保证数据不丢失，重启后从 WAL 恢复未 Flush 的 Block。

1.2.3 Querier（查询器）

• 职责：接收 Grafana 的 TraceQL 查询请求，从 Ingester（内存中的热数据）和后端存储（已 Flush 的冷数据）中检索匹配的 Trace。
• 索引加速：利用 Bloom Filter 和 Dedicated Column 快速定位目标 Block，避免全表扫描。
• 结果合并：将来自多个 Block 的 Span 按 Trace ID 合并为完整 Trace，返回给 Grafana。

1.2.4 Compactor（压缩器）

• 职责：将后端存储中的小 Block 合并为大 Block，减少文件数量、降低存储开销、提升查询效率。
• 触发策略：基于 Block 大小、时间窗口或 Compaction 周期自动触发。
• 副作用控制：合并过程中保留原始 Block 直到新 Block 写入完成，保证数据一致性。

1.3 数据流与工作流程

一条 Trace 从产生到可查询，经历以下完整生命周期：

1. 数据产生：应用 SDK 生成 Span，通过 OTLP / Jaeger 协议发送至 Distributor。
2. 数据分发：Distributor 校验数据合法性，按 Trace ID 取模 Hash 路由到对应 Ingester。
3. 内存缓冲：Ingester 将 Span 追加到当前活跃 Block 的内存缓冲区，同时写入 WAL 确保持久性。
4. Flush 落盘：Block 达到大小上限或时间阈值后，Ingester 将 Block 序列化并写入后端存储（如 S3、GCS、Azure Blob）。
5. Compaction：Compactor 定期扫描小 Block，合并为大 Block，更新索引元数据。
6. 查询响应：Querier 接收 Grafana 的 TraceQL 请求，并行检索 Ingester 内存 + 后端存储，合并结果返回。

1.4 组件对比速查表