OpenTelemetry 复合采样

介绍

复合采样（Composite Sampling）是OpenTelemetry中一种高级采样策略，它允许你将多个采样器组合使用，根据不同的条件决定是否记录或丢弃遥测数据（traces、metrics、logs）。这种策略特别适合需要根据不同场景动态调整采样率的复杂系统。

为什么需要复合采样？

混合使用头采样（head-based）和尾采样（tail-based）策略
对不同优先级的请求应用不同采样率
在保证关键业务数据完整性的同时减少低优先级数据的存储成本

基本概念

采样器类型

OpenTelemetry提供了几种基础采样器：

总是采样（AlwaysOn）：记录所有数据
从不采样（AlwaysOff）：丢弃所有数据
概率采样（TraceIdRatioBased）：按固定比例采样
父采样（ParentBased）：继承父span的采样决策

复合采样原理

复合采样器通过逻辑组合这些基础采样器，形成更复杂的决策逻辑：

实现方式

基础代码示例

以下展示如何在Go中创建复合采样器：

go
import (
    "go.opentelemetry.io/otel/sdk/trace"
    "go.opentelemetry.io/otel/sdk/trace/tracetest"
)

func createCompositeSampler() trace.Sampler {
    // 创建两个基础采样器
    highPrioritySampler := trace.TraceIDRatioBased(1.0) // 100%采样关键业务
    lowPrioritySampler := trace.TraceIDRatioBased(0.1)  // 10%采样普通业务
    
    // 创建复合采样器
    return trace.CompositeSampler(
        // 第一个采样器：检查是否为关键业务
        trace.SamplerFunc(func(p trace.SamplingParameters) trace.SamplingResult {
            if isHighPriority(p) {
                return highPrioritySampler.ShouldSample(p)
            }
            return trace.SamplingDecisionDrop // 非关键业务交由下一个采样器处理
        }),
        // 第二个采样器：处理剩余请求
        lowPrioritySampler,
    )
}

func isHighPriority(p trace.SamplingParameters) bool {
    // 实际业务中可能检查HTTP头或RPC属性
    return p.Attributes.HasValue("priority", "high")
}

决策流程说明

当请求到达时，首先检查是否是高优先级请求
如果是高优先级，则100%采样
如果不是，则交给第二个采样器处理，按10%概率采样
如果所有采样器都拒绝，则最终丢弃该trace

实际应用案例

电商平台采样策略

假设一个电商平台需要：

保证支付流程的完整追踪（100%采样）
记录部分商品浏览行为（5%采样）
忽略健康检查请求（0%采样）

go
func createEcommerceSampler() trace.Sampler {
    return trace.CompositeSampler(
        // 第一层：忽略健康检查
        trace.SamplerFunc(func(p trace.SamplingParameters) trace.SamplingResult {
            if isHealthCheck(p) {
                return trace.SamplingDecisionDrop
            }
            return trace.UnspecifiedSamplingResult // 交由下一层处理
        }),
        // 第二层：支付相关采样
        trace.SamplerFunc(func(p trace.SamplingParameters) trace.SamplingResult {
            if isPaymentFlow(p) {
                return trace.SamplingDecisionRecord
            }
            return trace.UnspecifiedSamplingResult
        }),
        // 第三层：默认采样率
        trace.TraceIDRatioBased(0.05),
    )
}

性能考虑

复合采样器会按顺序执行所有子采样器，直到得到明确决策。过多的层级会影响性能，建议：

将最可能匹配的条件放在前面
避免深层嵌套
对高频路径进行优化

总结

复合采样提供了极大的灵活性，通过组合多个简单采样器，可以实现：

✓ 分业务优先级采样
✓ 混合头/尾采样策略
✓ 基于属性的动态决策
✓ 多层过滤机制

延伸学习

推荐练习：

实现一个三层复合采样器，分别处理：
- 错误请求（100%采样）
- 慢请求（50%采样）
- 普通请求（1%采样）
测试不同排序对性能的影响

官方资源：

介绍​

基本概念​

采样器类型​

复合采样原理​

实现方式​

基础代码示例​

决策流程说明​

实际应用案例​

电商平台采样策略​

总结​

延伸学习​

介绍