【链路追踪】采样那些事儿

作者：李爽，腾讯应用性能观测产品经理

为什么需要采样

随着越来越多的企业步入数字化转型，IT 系统也逐步向分布式、微服务化发展。面对海量和请求和服务间复杂的依赖关系，链路追踪系统通过收集、汇聚、串联、分析请求链路，为我们提供了端到端的业务实时监控能力。

但当业务量级不断增长，链路数据也会随之增多，或早或晚，我们终将面临一个决策：是否还要全量采集调用链？

一方面，全量采集可以让我们不错过任何一个系统异常，并且每一个异常的发生，我们都可以通过完整的请求链路，快速定位根因；另一方面，我们无法否认全量采集会给每个业务实例的网络 I/O 以及链路处理的计算和存储层带来压力。

采样是目前解决这类问题最快速且主流的方式。

但是具体以什么样的采样策略？如何在可控的资源开销内，保证最大概率保留事故相关链路，支持高效的故障排查和性能监控？我们将在下文中重点探讨。

采样的原理有哪些

如上文讨论的，采样是大多数链路追踪系统必须要讨论的命题，它已经是主流调用链追踪系统的必备组成部分。采样的算法和策略学术界有很多相关的研究，但我们基本可以按照采样实施的时机，将他们分成如下三类：

• 头部采样：Head-based sampling

• 尾部采样：Tail-based sampling

• 单元采样：Unitary sampling

它们的示意图如下所示：