Jaeger 库实现了统一的前置（或基于头部）采样。例如，假设我们有一个简单的调用图，其中服务 A 调用服务 B，B 调用服务 C：A -> B -> C。当服务 A 收到一个不包含跟踪信息的请求时，Jaeger 跟踪器将启动一个新的跟踪，为其分配一个随机的跟踪 ID，并根据当前安装的采样策略做出采样决策。采样决策将随请求传播到 B 和 C，因此这些服务不会再次做出采样决策，而是会遵循由顶部服务 A 做出的决策。这种方法保证了如果一个跟踪被采样，其所有 Span 都将记录在后端。如果每个服务都做出自己的采样决策，我们很难在后端获得完整的跟踪。

客户端采样配置

当使用配置对象实例化跟踪器时，可以通过 sampler.type 和 sampler.param 属性选择采样类型。Jaeger 库支持以下采样器：

• 常量 (sampler.type=const) 采样器始终对所有跟踪做出相同的决策。它要么采样所有跟踪 (sampler.param=1)，要么不采样任何跟踪 (sampler.param=0)。
• 概率 (sampler.type=probabilistic) 采样器根据 sampler.param 属性的值做出随机采样决策，采样概率等于该值。例如，当 sampler.param=0.1 时，大约 10 个跟踪中会有 1 个被采样。
• 限速 (sampler.type=ratelimiting) 采样器使用漏桶限速器来确保以恒定速率对跟踪进行采样。例如，当 sampler.param=2.0 时，它将以每秒 2 个跟踪的速率对请求进行采样。
• 远程 (sampler.type=remote，也是默认值) 采样器会咨询 jaeger-collector 以获取当前服务中要使用的适当采样策略。这允许从 Jaeger 后端的中心配置（参见 远程采样）控制服务中的采样策略，甚至可以动态控制（参见 自适应采样）。

远程采样

如果您的客户端 SDK 配置为使用远程采样配置（参见 远程采样 API），那么采样率可以通过 jaeger-collectors 集中控制。在这种设置中，采样策略配置会提供给客户端 SDK，该配置描述了端点及其采样概率。此配置可以通过两种不同方式由 jaeger-collector 生成：从文件中定期加载 或 根据流量动态计算。生成方法由环境变量 SAMPLING_CONFIG_TYPE 控制，该变量可以设置为 file（默认）或 adaptive。

基于文件的采样配置

jaeger-collectors 可以通过 --sampling.strategies-file 选项实例化，该选项指向一个包含要提供给 Jaeger 客户端的采样策略的文件。该选项的值可以是一个 JSON 文件路径（如果其内容发生更改，将自动重新加载），或者是一个 HTTP URL（文件将从中定期检索，重新加载频率由 --sampling.strategies-reload-interval 选项控制）。

如果未提供配置，jaeger-collectors 将为所有服务返回默认的概率采样策略，概率为 0.001 (0.1%)。

strategies.json 示例

{
  "service_strategies": [
    {
      "service": "foo",
      "type": "probabilistic",
      "param": 0.8,
      "operation_strategies": [
        {
          "operation": "op1",
          "type": "probabilistic",
          "param": 0.2
        },
        {
          "operation": "op2",
          "type": "probabilistic",
          "param": 0.4
        }
      ]
    },
    {
      "service": "bar",
      "type": "ratelimiting",
      "param": 5
    }
  ],
  "default_strategy": {
    "type": "probabilistic",
    "param": 0.5,
    "operation_strategies": [
      {
        "operation": "/health",
        "type": "probabilistic",
        "param": 0.0
      },
      {
        "operation": "/metrics",
        "type": "probabilistic",
        "param": 0.0
      }
    ]
  }
}

service_strategies 元素定义了特定于服务的采样策略，而 operation_strategies 定义了特定于操作的采样策略。共有 2 种可能的策略类型：上面描述的 probabilistic 和 ratelimiting（注意：operation_strategies 不支持 ratelimiting）。default_strategy 定义了如果服务未包含在 service_strategies 中则传播的包罗万象的采样策略。

在上述示例中：

• 服务 foo 的所有操作都以 0.8 的概率进行采样，除了操作 op1 和 op2 分别以 0.2 和 0.4 的概率进行概率采样。
• 服务 bar 的所有操作都以每秒 5 个跟踪的速率进行限速。
• 任何其他服务将以 default_strategy 定义的 0.5 概率进行采样。
• default_strategy 还包括共享的每个操作策略。在此示例中，我们通过使用概率 0 来禁用所有服务上 /health 和 /metrics 端点的跟踪。这些每个操作策略将适用于配置中未列出的任何新服务，以及 foo 和 bar 服务，除非它们为这两个操作定义了自己的策略。

自适应采样

自 Jaeger v1.27 起。

自适应采样在 jaeger-collector 中通过观察从服务接收到的 Span 并重新计算每个服务/端点组合的采样概率来工作，以确保收集到的跟踪量与 --sampling.target-samples-per-second 匹配。当检测到新的服务或端点时，它最初会以 --sampling.initial-sampling-probability 进行采样，直到收集到足够的数据来计算适合通过该端点的流量的速率。

自适应采样需要存储后端来存储观测到的流量数据和计算出的概率。目前，memory（用于一体化部署）、cassandra、badger、elasticsearch 和 opensearch 作为采样存储后端受支持。

默认情况下，自适应采样将尝试使用 SPAN_STORAGE_TYPE 指定的后端来存储数据。但是，也可以通过使用 SAMPLING_STORAGE_TYPE 指定第二种后端类型。例如，SPAN_STORAGE_TYPE=elasticsearch SAMPLING_STORAGE_TYPE=cassandra ./jaeger-collector 将使 jaeger-collector 以一种模式运行，其中它尝试将其 Span 数据存储在配置的 elasticsearch 集群中，并将其自适应采样数据存储在配置的 cassandra 集群中。请注意，此功能不能用于在同类型的两个不同后端中存储 Span 和自适应采样数据。

阅读 这篇博客文章 以获取有关自适应采样引擎的更多详细信息。