📚 课程目录第2章 Jaeger链路追踪原理

2、Jaeger链路追踪原理：Jaeger架构、Span与Trace模型、采样策略

本章深入剖析Jaeger的核心运行机制，涵盖组件架构、数据模型与采样策略。理解这些原理是后续进行SLO误差预算验证与链路诊断的基础。

2.1 Jaeger整体架构

Jaeger采用模块化、可水平扩展的架构设计，主要包含以下核心组件：Agent（代理）、Collector（收集器）、Query（查询服务）与UI（用户界面）。各组件协同工作，完成链路数据的采集、传输、存储与检索。

2.2 Span 与 Trace 模型

Jaeger的数据模型基于OpenTracing标准，核心概念为Span（跨度）与Trace（追踪）。一个Trace代表一次完整的请求或事务，由一组具有因果关系的Span组成的有向无环图（DAG）。

2.2.1 Span 结构

每个Span记录一个操作单元，包含以下关键字段：

字段	说明	示例
operationName	操作名称，如HTTP方法、RPC调用名	`GET /api/users`
spanId	当前Span的唯一标识（64位整数）	`abc123def456`
traceId	所属Trace的唯一标识（128位整数）	`trace_001`
parentSpanId	父Span的ID，根Span此字段为空	`parent_span_01`
startTime / duration	开始时间戳与持续时长（微秒）	`1680000000 / 15000`
tags	键值对标签，用于附加元数据	`http.status_code=200`
logs	带时间戳的日志事件	`error: connection timeout`

2.2.2 Trace 与 Span 关系

下图展示了一个典型微服务请求的Trace结构，包含4个Span，清晰呈现了调用链与父子关系：

2.3 采样策略

在高并发生产环境中，为每个请求生成完整Trace会产生巨大的存储与网络开销。采样策略用于控制采集链路数据的比例，在数据完整性与资源成本之间取得平衡。Jaeger支持多种采样模式：

采样策略	工作原理	适用场景	注意事项
恒定采样	固定采样率（0~1），如0.1表示采集10%	低流量环境、调试阶段	高流量下存储压力大
速率限制采样	每秒最多采集N个Span	控制峰值写入速率	低流量时可能采集不足
概率采样	基于traceId哈希，按概率决定是否采集	生产环境默认推荐	需保证哈希均匀分布
自适应采样	根据流量动态调整采样率，优先保留慢请求	SLO监控、误差预算验证	需Collector端配置

SRE 实践提示： 在SLO误差预算验证场景中，推荐使用自适应采样或概率采样。自适应采样能自动增加慢请求的采样概率，确保异常链路不被遗漏，这对于准确计算误差预算消耗至关重要。

2.3.1 采样决策流程

采样决策通常在客户端SDK中完成，流程如下：

获取采样配置： 客户端启动时从Agent或远程配置中心拉取采样策略。
计算采样决策： 对于每个新Trace，根据策略类型计算是否采样。概率采样使用 traceId % 采样分母 判断。
传播采样标记： 将采样决策（sampled=true/false）通过请求头传播给下游服务，确保同一Trace的所有Span采样状态一致。
上报Span： 仅当sampled=true时，Span数据才会被发送到Agent。

  关键参数： 采样率直接影响误差预算台账的数据量。采样率过低可能导致关键SLO违规事件未被记录；采样率过高则增加存储成本。建议初始设置为 0.1（10%），并根据实际数据量与SLO目标逐步调整。

2.3.2 采样策略配置示例

以下为Jaeger客户端（Go语言）配置概率采样的代码示例：

// 使用概率采样，采样率为 0.1（10%）
cfg := &jaegerconfig.Configuration{
  Sampler: &jaegerconfig.SamplerConfig{
    Type:  jaeger.SamplerTypeProbabilistic,
    Param: 0.1,
  },
  // ... 其他配置
}

// 创建 Tracer
tracer, closer, err := cfg.NewTracer()
if err != nil {
  log.Fatal("无法创建 Jaeger Tracer:", err)
}
defer closer.Close()

通过理解Jaeger的架构、数据模型与采样策略，SRE工程师能够精准配置链路采集，为后续的SLO误差预算验证提供可靠的数据基础。