OpenTelemetry-js中多采样策略的实现方案

在分布式追踪系统中，采样策略是一个关键的设计考量。本文将深入探讨如何在OpenTelemetry-js中实现针对不同来源Span的差异化采样策略。

问题背景

在典型的应用场景中，我们可能需要对不同来源的追踪数据采用不同的采样策略。例如：

• 自动生成的数据库操作追踪（如Prisma）可能数量庞大但价值相对较低，需要采样
• 手动添加的关键业务追踪数量较少但价值高，需要全量收集

常见误区

开发者可能会尝试通过以下方式实现：

1. 创建多个TracerProvider实例
2. 为每个Provider配置不同的采样器
3. 期望不同来源的Span自动路由到对应的Provider

然而，这种做法存在根本性问题：

• 大多数自动检测库（如Prisma）直接从全局API获取Tracer
• 破坏了追踪的上下文一致性
• 可能导致部分Span丢失

正确实现方案

OpenTelemetry提供了更优雅的解决方案 - 自定义Sampler实现。

核心思路

通过单一TracerProvider配合智能Sampler，根据Span特征动态决定采样策略：

• 对于关键业务Span（如手动添加）始终采样
• 对于其他Span（如Prisma生成）按比例采样
• 保持追踪链的完整性

实现示例

import { Sampler, SamplingDecision, SamplingResult } from '@opentelemetry/sdk-trace-base';
import { TraceIdRatioBasedSampler } from '@opentelemetry/core';

class CustomSampler implements Sampler {
  private ratioSampler = new TraceIdRatioBasedSampler(0.1);
  
  shouldSample(
    context: Context,
    traceId: string,
    spanName: string,
    spanKind: SpanKind,
    attributes: Attributes,
    links: Link[]
  ): SamplingResult {
    // 关键业务Span全量采样
    if (spanName.startsWith('business-critical')) {
      return {
        decision: SamplingDecision.RECORD_AND_SAMPLED,
        attributes: {}
      };
    }
    
    // 其他Span按比例采样
    return this.ratioSampler.shouldSample(
      context, traceId, spanName, spanKind, attributes, links
    );
  }

  toString(): string {
    return 'CustomSampler';
  }
}

组合使用ParentBasedSampler

为确保子Span与父Span采样决策一致，建议结合ParentBasedSampler使用：

import { ParentBasedSampler } from '@opentelemetry/sdk-trace-base';

const sampler = new ParentBasedSampler({
  root: new CustomSampler(),
  remoteParentSampled: new AlwaysOnSampler(),
  remoteParentNotSampled: new AlwaysOffSampler(),
  localParentSampled: new AlwaysOnSampler(),
  localParentNotSampled: new AlwaysOffSampler()
});

最佳实践建议

1. 统一使用单一TracerProvider：避免多Provider带来的复杂性
2. 基于Span特征决策：可通过spanName、attributes等识别Span来源
3. 保持追踪完整性：确保同一追踪链上的Span采样决策一致
4. 考虑性能影响：复杂采样逻辑可能增加开销

总结

OpenTelemetry-js通过灵活的Sampler接口，支持开发者实现精细化的采样策略。相比使用多个TracerProvider的方案，自定义Sampler既能满足差异化采样需求，又能保证追踪数据的完整性，是更优雅的解决方案。