通過Trace ID和Span ID已經(jīng)實(shí)現(xiàn)了對(duì)分布式系統(tǒng)中的請(qǐng)求跟蹤，而這些記錄的跟蹤信息最終會(huì)被分析系統(tǒng)收集起來，并用來實(shí)現(xiàn)對(duì)分布式系統(tǒng)的監(jiān)控和分析功能，比如：預(yù)警延遲過長(zhǎng)的請(qǐng)求鏈路、查詢請(qǐng)求鏈路的調(diào)用明細(xì)等。此時(shí)，我們?cè)趯?duì)接分析系統(tǒng)時(shí)就會(huì)碰到一個(gè)問題：分析系統(tǒng)在收集跟蹤信息的時(shí)候，需要收集多少量的跟蹤信息才合適呢？

[[226406]]

理論上來說，我們收集的跟蹤信息越多就可以更好的反映出系統(tǒng)的實(shí)際運(yùn)行情況，并給出更精準(zhǔn)的預(yù)警和分析，但是在高并發(fā)的分布式系統(tǒng)運(yùn)行時(shí)，大量的請(qǐng)求調(diào)用會(huì)產(chǎn)生海量的跟蹤日志信息，如果我們收集過多的跟蹤信息將會(huì)對(duì)我們整個(gè)分布式系統(tǒng)的性能造成一定的影響，同時(shí)保存大量的日志信息也需要不少的存儲(chǔ)開銷。所以，在Sleuth中采用了抽象收集的方式來為跟蹤信息打上收集標(biāo)記，也就是我們之前在日志信息中看到的第四個(gè)boolean類型的值，它代表了該信息是否要被后續(xù)的跟蹤信息收集器獲取和存儲(chǔ)。

在Sleuth中的抽樣收集策略是通過Sampler接口實(shí)現(xiàn)的，它的定義如下：

public interface Sampler { 
    /** 
     * @return true if the span is not null and should be exported to the tracing system 
    */ 
    boolean isSampled(Span span); 
} 

通過實(shí)現(xiàn)isSampled方法，Spring Cloud Sleuth會(huì)在產(chǎn)生跟蹤信息的時(shí)候調(diào)用它來為跟蹤信息生成是否要被收集的標(biāo)志。需要注意的是，即使isSampled返回了false，它僅代表該跟蹤信息不被輸出到后續(xù)對(duì)接的遠(yuǎn)程分析系統(tǒng)（比如：Zipkin），對(duì)于請(qǐng)求的跟蹤活動(dòng)依然會(huì)進(jìn)行，所以我們?cè)谌罩局羞€是能看到收集標(biāo)識(shí)為false的記錄。

默認(rèn)情況下，Sleuth會(huì)使用PercentageBasedSampler實(shí)現(xiàn)的抽樣策略，以請(qǐng)求百分比的方式配置和收集跟蹤信息，我們可以通過在application.properties中配置下面的參數(shù)對(duì)其百分比值進(jìn)行設(shè)置，它的默認(rèn)值為0.1，代表收集10%的請(qǐng)求跟蹤信息。

spring.sleuth.sampler.percentage=0.1 

在開發(fā)調(diào)試期間，通常會(huì)收集全部跟蹤信息輸出到遠(yuǎn)程倉(cāng)庫(kù)，我們可以將其值設(shè)置為1，或者也可以通過創(chuàng)建AlwaysSampler的Bean（它實(shí)現(xiàn)的isSampled方法始終返回true）來覆蓋默認(rèn)的PercentageBasedSampler策略，比如：

@Bean 
public AlwaysSampler defaultSampler() { 
    return new AlwaysSampler(); 
} 

在實(shí)際使用時(shí)，通過與Span對(duì)象中存儲(chǔ)信息的配合，我們可以根據(jù)實(shí)際情況做出更貼近需求的抽樣策略，比如實(shí)現(xiàn)一個(gè)僅對(duì)包含指定Tag的抽樣策略：

public class TagSampler implements Sampler { 
 
    private String tag; 
 
    public TagSampler(String tag) { 
        this.tag = tag; 
    } 
 
    @Override 
    public boolean isSampled(Span span) { 
        return span.tags().get(tag) != null; 
    } 
} 

由于跟蹤日志信息的數(shù)據(jù)價(jià)值往往僅在最近的一段時(shí)間內(nèi)非常有用，比如：一周。那么我們?cè)谠O(shè)計(jì)抽樣策略時(shí)，主要考慮在不對(duì)系統(tǒng)造成明顯性能影響的情況下，以在日志保留時(shí)間窗內(nèi)充分利用存儲(chǔ)空間的原則來實(shí)現(xiàn)抽樣策略。

完整示例：

讀者可以根據(jù)喜好選擇下面的兩個(gè)倉(cāng)庫(kù)中查看trace-1和trace-2兩個(gè)項(xiàng)目：

Github：https://github.com/dyc87112/SpringCloud-Learning/

Gitee：https://gitee.com/didispace/SpringCloud-Learning/

【本文為51CTO專欄作者“翟永超”的原創(chuàng)稿件，轉(zhuǎn)載請(qǐng)通過51CTO聯(lián)系作者獲取授權(quán)】

戳這里，看該作者更多好文