OpenTelemetry 头部采样

介绍

头部采样（Head Sampling）是OpenTelemetry中一种在追踪开始时决定是否采样的策略。与尾部采样（Tail Sampling）不同，头部采样会在请求链路的第一个节点（通常是入口服务）做出采样决策，后续所有相关span都会继承这个决策结果。

这种方法的优势在于：

减少整个分布式系统中的计算开销
保持完整事务链路的上下文一致性
简化采样决策逻辑

基础原理

头部采样通过检查请求的特定属性（如HTTP头）在追踪开始时立即做出决策。常见的决策依据包括：

固定采样率（如10%的请求）
特定请求头（如X-Sample: true）
请求属性（如只采样/api路径）

代码示例

以下是在Node.js中实现头部采样的示例：

javascript
const { NodeTracerProvider } = require('@opentelemetry/sdk-trace-node');
const { SimpleSpanProcessor } = require('@opentelemetry/sdk-trace-base');
const { ParentBasedSampler, TraceIdRatioBasedSampler } = require('@opentelemetry/core');

// 创建采样率为30%的头部采样器
const sampler = new ParentBasedSampler({
  root: new TraceIdRatioBasedSampler(0.3), // 30%采样率
});

const provider = new NodeTracerProvider({
  sampler: sampler
});

provider.addSpanProcessor(new SimpleSpanProcessor(new ConsoleSpanExporter()));
provider.register();

当运行上述代码时，你会看到约30%的请求会在控制台输出追踪信息。

采样策略类型

OpenTelemetry提供多种内置头部采样器：

AlwaysOnSampler - 采样所有请求

javascript
const { AlwaysOnSampler } = require('@opentelemetry/core');
new AlwaysOnSampler();

AlwaysOffSampler - 不采样任何请求

javascript
const { AlwaysOffSampler } = require('@opentelemetry/core');
new AlwaysOffSampler();

TraceIdRatioBasedSampler - 按比例采样

javascript
// 采样20%的请求
new TraceIdRatioBasedSampler(0.2);

ParentBasedSampler - 根据父span的采样决策

javascript
new ParentBasedSampler({
  root: new AlwaysOnSampler(), // 无父span时的策略
  remoteParentSampled: new AlwaysOnSampler(), // 远程父span已采样
  remoteParentNotSampled: new AlwaysOffSampler(), // 远程父span未采样
  localParentSampled: new AlwaysOnSampler(), // 本地父span已采样
  localParentNotSampled: new AlwaysOffSampler(), // 本地父span未采样
});

实际应用场景

场景1：生产环境监控

典型配置

生产环境通常使用低采样率（如1-10%）结合重要路径的强制采样：

javascript
const { Sampler } = require('@opentelemetry/api');

class ProductionSampler extends Sampler {
  shouldSample(context, traceId, spanName) {
    // 重要API强制采样
    if (spanName.startsWith('/payment')) return { decision: SamplingDecision.RECORD_AND_SAMPLED };
    
    // 其他请求按5%采样
    return traceId % 100 < 5 ? 
      { decision: SamplingDecision.RECORD_AND_SAMPLED } :
      { decision: SamplingDecision.NOT_RECORD };
  }
}

场景2：调试模式

开发环境可以配置为采样所有请求，同时标记测试流量：

javascript
const debugSampler = new ParentBasedSampler({
  root: new AlwaysOnSampler(),
  // 添加测试标记
  attributes: { 'env': 'dev' }
});

性能考量

注意采样开销

虽然头部采样能减少后端处理负担，但采样决策本身也有成本：

TraceIdRatioBasedSampler需要生成随机数
复杂业务逻辑采样器会增加延迟

推荐做法：

在负载均衡器或API网关层做初步采样
对高流量服务使用简单采样策略
将采样决策结果缓存在请求上下文中

总结

头部采样是OpenTelemetry中优化追踪数据收集的重要机制，通过早期决策可以有效控制数据量，同时保持分布式事务的完整性。关键要点：

适合大多数常规监控场景
决策应尽可能简单高效
可组合不同采样策略满足业务需求

延伸学习

尝试实现一个基于用户ID的采样器（如只采样VIP用户）
比较头部采样与尾部采样的性能差异
研究如何将采样决策传递给下游服务

练习建议

创建一个Express中间件，实现：

对/admin路径100%采样
对其他路径按5%采样
在响应头中添加X-Trace-Sampled标记

介绍​

基础原理​

代码示例​

采样策略类型​

实际应用场景​

场景1：生产环境监控​

场景2：调试模式​

性能考量​

总结​

延伸学习​

介绍