跳到主要内容

常量采样器

什么是常量采样器？​

常量采样器（Constant Sampler）是Jaeger分布式追踪系统中最简单的采样策略之一。它的核心特点是始终返回固定的采样决策，要么对所有请求采样（true），要么完全不采样（false）。这种策略适用于测试环境或对采样率有严格要求的场景。

关键特性
  • 非概率性：决策完全由预定义值决定
  • 零开销：不需要运行时计算
  • 确定性结果：相同配置下所有请求得到相同处理

工作原理​

常量采样器通过简单的布尔逻辑工作：

配置方式​

基础配置示例​

在Jaeger客户端中配置常量采样器（以Go语言为例）：

go
import (
    "github.com/uber/jaeger-client-go/config"
)

func main() {
    cfg := config.Configuration{
        Sampler: &config.SamplerConfig{
            Type:  "const", // 指定常量采样器
            Param: 1,       // 1=true（采样），0=false（不采样）
        },
    }
    // 初始化追踪器...
}

参数说明​

参数值效果
Type"const"指定使用常量采样器
Param1采样所有请求
Param0不采样任何请求

实际应用场景​

场景1：开发环境调试​

go
// 开发环境配置：采样所有请求
devConfig := &config.SamplerConfig{
    Type:  "const",
    Param: 1,
}

为什么有用：开发时需要查看所有请求的完整追踪路径。

场景2：性能测试​

go
// 压测环境配置：关闭采样
perfConfig := &config.SamplerConfig{
    Type:  "const",
    Param: 0,
}

优势：避免采样开销影响性能测试结果准确性。

生产环境注意事项

常量采样器在生产环境中使用时：

  • 设为true可能导致存储爆炸
  • 设为false会丢失所有监控数据
  • 通常建议结合动态采样策略使用

与其他采样器对比​

采样器类型是否动态计算开销适用场景
常量否无测试/调试
概率否低常规生产
限流是中高负载系统
自适应是高智能采样

常见问题解答​

Q: 常量采样会降低系统性能吗？​

A: 当设为true时，会增加存储和网络开销，但采样决策本身没有计算成本。

Q: 如何临时修改采样策略？​

bash
# 通过环境变量动态覆盖（Jaeger客户端支持）
JAEGER_SAMPLER_TYPE=const JAEGER_SAMPLER_PARAM=0 go run main.go

总结​

常量采样器作为Jaeger中最基础的采样策略：

  • ✅ 优点：配置简单、零计算开销、结果确定
  • ❌ 缺点：缺乏灵活性
  • 🏆 最佳实践：适合非生产环境或明确知道采样需求的场景