简述分布式链路追踪工具—

1、简介

1.1 Jaeger是什么

Jaeger 是受到 Dapper 和 OpenZipkin 启发的由 Uber Technologies 作为开源发布的分布式跟踪系统，截止2023年8月3日最新稳定版本是1.47。其前端采用React语言实现，后端采用GO语言实现，适用于进行链路追踪，分布式跟踪消息传递，分布式事务监控、问题分析、服务依赖性分析、性能优化等场景。

1.2 分布式链路追踪相关术语

（1）APM

随着微服务架构的流行，一次请求往往需要涉及到多个服务，因此服务性能监控和排查就变得更复杂：

不同的服务可能由不同的团队开发、甚至可能使用不同的编程语言来实现；
服务有可能布在了几千台服务器，横跨多个不同的数据中心。

因此，就需要一些可以帮助理解系统行为、用于分析性能问题的工具，以便发生故障的时候，能够快速定位和解决问题，这就是APM系统，全称是（Application Performance Monitor，当然也有叫 Application Performance Management tools）

AMP最早是谷歌公开的论文提到的 Google Dapper。Dapper是Google生产环境下的分布式跟踪系统，自从Dapper发展成为一流的监控系统之后，给google的开发者和运维团队帮了大忙，所以谷歌公开论文分享了Dapper。

（2）链路追踪

在传统的单体程序中，遇到问题时，我们可以通过函数间的调用栈来查看函数间的调用关系。但是在分布式的架构中，一个请求可能会导致多个不同网络的服务调用，这给我们调试问题带来了困难。Jaeger可以简单理解为微服务的函数调用栈，其记录了一个请求的各种调用关系，以便于我们分析问题。

tracer：在广义上，一个trace代表了一个事务或者流程在（分布式）系统中的执行过程。trace 是多个 span组成的一个有向无环图（DAG），每一个span代表trace中被命名并计时的连续性的执行片段。每一个 Trace 会有一个独有的 Trace ID，假设服务调用关系为 a->b->c->d，请求从 a 开始发起。那么 a 负责生成 traceId，并在调用 b 的时候把 traceId 传递给 b，以此类推，traceId 会从 a 层层传递到 d。
span: 是链路追踪工具的逻辑工作单元，可以是一个微服务中的 service，也可以是一次方法调用，甚至一个简单的代码块调用。具有请求名称、请求开始时间、请求持续时间。每一个 Span 会有一个独有的 Span ID。Span 会被嵌套并排序以展示服务间的关系。
Span Context：含额外 Trace 信息的数据结构，span context 可以包含 Trace ID、Span ID，以及其他任何需要向下游服务传递的 Trace 信息。

总而言之，Trace表示对一次请求完整调用链的跟踪，而将两个服务例如上面的服务A和服务B的请求/响应过程叫做一次Span，trace是通过span来体现的，通过一句话总结，我们可以将一次trace，看成是span的有向图，而这个有向图的边即为span。而分布式跟踪系统要做的，就是记录每次发送和接受动作的标识符和时间戳，将一次请求涉及到的所有服务串联起来，只有这样才能搞清楚一次请求的完整调用链。

（3）OpenTracing

为了解决不同的分布式追踪系统 API 不兼容的问题，诞生了 OpenTracing 规范。OpenTracing 是一个轻量级的标准化层，它位于应用程序/类库和追踪或日志分析程序之间。

一句话总结，OpenTracing是一套标准，它通过提供平台无关、厂商无关的API，使得开发人员能够方便的添加（或更换）追踪系统的实现。OpenTracing提供了用于运营支撑系统的和针对特定平台的辅助程序库。程序库的具体信息请参考详细的规范。OpenTracing 已进入 CNCF，正在为全球的分布式追踪，提供统一的概念和数据标准。

注意 1：OpenTracing现在已经成为过去式了，现在的APM（全称：Application Performance Management tools，应用程序性能管理工具）世界，由一种叫做OpenTelemetry的规范所统治，具体详情参见《OpenTelemetry概述》。

1.3 Jaeger和其他常用分布式链路追踪工具对比

市面上关于分布式链路追踪工具的产品很多，除了 Uber 的 Jaeger 和 Twitter 的 Zipkin，目前 SkyWalking 使用者也比较多，下面从多个维度对比下常用分布式链路追踪工具的能力。

2、Jaeger架构设计

2.1 Jaeger架构

Tracing SDK: 用于实现分布式链路追踪的软件开发工具包。这些 SDK 通常是针对特定编程语言或框架的，旨在帮助开发人员在应用程序中集成分布式追踪功能。这些 SDK 提供了一组 API 和工具，使开发人员能够在应用程序代码中插入相关的追踪代码，从而捕获应用程序的请求路径、性能指标和其他有关信息。通过在代码中插入追踪代码，应用程序的不同组件和服务之间的交互将被追踪，从而形成完整的请求链路。
JaegerCollector: 接收traces，通过处理管道运行它们进行validation和清理/丰富，并将其存储在存储后端。Jaeger内置了对多个存储后端的支持，以及用于实现自定义存储插件的可扩展插件框架。
DB: Jaeger Collector 拿到的数据存储的地方，可以选 ES 或者 Cassandra等。
Jaeger UI: 是一项公开了从存储中检索traces的API的服务，并托管了一个用于搜索和分析traces的Web UI。

在Jaeger架构设计中，Jaeger Collector组件从被跟踪的应用程序接收数据，并将其直接写入存储。存储必须能够同时处理平均流量和峰值流量。Jaeger Collector使用内存队列来平滑短期流量峰值，但如果存储无法跟上，持续的流量峰值可能会导致数据丢失。

注意 1：这是Jaeger最新稳定版本1.47的架构图，我们在比较老的jaeger版本的架构图中经常会看到jaeger-agent组件，其在应用程序和后端收集器之间起到中间代理的作用，但是由于Jaeger 客户端库已被弃用，并且 OpenTelemetry SDK 正在逐步取消对 Jaeger Thrift 格式的支持，因此现在版本不再需要或推荐使用jaeger-agent 。

2.2 Jaeger采样率

分布式追踪系统本身也会造成一定的性能低损耗，如果完整记录每次请求，对于生产环境可能会有极大的性能损耗，一般需要进行采样设置。

当前支持四种采样率设置：

固定采样（sampler.type=const）sampler.param=1 全采样， sampler.param=0 不采样；
按百分比采样（sampler.type=probabilistic）sampler.param=0.1 则随机采十分之一的样本；
采样速度限制（sampler.type=ratelimiting）sampler.param=2.0 每秒采样两个traces；
动态获取采样率 (sampler.type=remote) ，允许根据特定条件动态地决定是否采集某个请求的追踪数据，以减少性能开销并确保系统的稳定性。

参考：APM 原理与框架选型

参考：Jaeger分布式跟踪工具初探