4、链路追踪数据采集：Agent注入、字节码增强与手动埋点

链路追踪的数据采集是分布式性能观测的“第一公里”。采集层决定了你能看到什么粒度的数据、对业务代码的侵入程度以及运行时开销。本章聚焦三种主流采集方式：Agent 注入（无侵入）、字节码增强（半侵入）与手动埋点（显式侵入），并分析它们在并发瓶颈与慢查询关联场景下的适用性。

4.1 三种采集方式的核心对比

4.2 Agent 注入：零侵入的全局采集

Agent 注入通过在 JVM 启动参数中添加 -javaagent 参数，在类加载前修改字节码，自动拦截 HTTP 请求、RPC 调用、数据库操作等框架层行为。采集器将 Span 数据异步发送到后端，对业务代码完全透明。

# Jaeger Agent 启动示例
java -javaagent:/path/to/jaeger-agent.jar \
     -DJAEGER_AGENT_HOST=collector.example.com \
     -DJAEGER_AGENT_PORT=6831 \
     -DJAEGER_SERVICE_NAME=order-service \
     -jar order-service.jar

4.3 字节码增强：精准拦截与低开销

字节码增强在 Agent 基础上，通过 ByteBuddy 或 ASM 对指定类和方法进行拦截，插入追踪逻辑。相比全量 Agent，它允许你精确控制哪些方法需要采集，减少不必要的 Span 生成，降低 CPU 和内存开销。

// 使用 ByteBuddy 拦截 DAO 层方法
new AgentBuilder.Default()
    .type(ElementMatchers.nameContains("UserRepository"))
    .transform((builder, typeDescription, classLoader, module) ->
        builder.method(ElementMatchers.nameStartsWith("find"))
               .intercept(MethodDelegation.to(TraceInterceptor.class))
    ).installOn(inst);

字节码增强特别适合以下场景：

• 慢查询精确追踪：拦截所有数据库访问方法，记录执行时间、SQL 语句、参数大小。
• 第三方 SDK 监控：对 Redis 客户端、消息队列 SDK 的关键方法注入追踪。
• 并发池监控：拦截线程池的 execute() 方法，追踪任务排队时间和执行时间。

4.4 手动埋点：业务语义的精确注入

手动埋点通过 SDK 在代码中显式创建 Span，可以携带丰富的业务标签（Tag）和事件（Event）。对于慢查询分析，手动埋点能精确标记 SQL 执行开始/结束、连接池获取连接耗时、事务边界等关键节点。

// OpenTelemetry 手动埋点示例
Span slowQuerySpan = tracer.spanBuilder("db.slow_query")
    .setAttribute("db.system", "mysql")
    .setAttribute("db.statement", sql)
    .setAttribute("db.connection_pool", "HikariCP")
    .startSpan();

try (Scope scope = slowQuerySpan.makeCurrent()) {
    // 执行慢查询
    List<Order> orders = orderRepository.findByUserId(userId);
    slowQuerySpan.setAttribute("result.size", orders.size());
} catch (Exception e) {
    slowQuerySpan.recordException(e);
    slowQuerySpan.setStatus(StatusCode.ERROR);
} finally {
    slowQuerySpan.end();
}

4.5 三种方式的协同策略

在实际生产环境中，三种方式通常组合使用，形成分层采集体系：

1. 第一层（Agent 注入）：全量采集所有请求的 Trace 骨架，自动识别慢 Span。
2. 第二层（字节码增强）：对数据库、缓存、消息队列等中间件进行精准拦截，获取执行时间和参数。
3. 第三层（手动埋点）：在核心业务逻辑（如订单创建、支付回调）中注入业务标签，关联慢查询与业务上下文。

4.6 慢查询关联分析中的采集要点

在微服务并发瓶颈与慢查询关联分析中，数据采集需要特别关注以下维度：