后端开发实战：OpenTelemetry分布式链路追踪与采样策略配置

微服务架构下排查一次跨服务慢请求，靠逐台机器看日志几乎不可能。OpenTelemetry（OTel）是目前事实标准的可观测性标准，统一了链路、指标、日志三类信号的采集协议，后端服务接入一次，数据可同时送往Jaeger、Prometheus、Grafana等后端。本文从SDK接入、上下文传播到采样策略，给出Java服务落地OTel的完整方案。

为什么用OpenTelemetry统一可观测性

早年的做法是每家公司一套链路SDK，或同时接入多个链路平台，埋点代码重复且互相冲突。OTel把链路（Trace）、指标（Metric）、日志（Log）三类信号统一到一套API和协议（OTLP），语言SDK覆盖Java、Go、Python等主流后端栈，Agent或SDK二选一接入，数据格式一致，切换后端平台不用改业务代码。

Java服务接入：SDK初始化与自动埋点

Spring Boot项目推荐用Java Agent方式接入，零代码改动自动埋点HTTP、数据库、消息队列调用：

java -javaagent:opentelemetry-javaagent.jar \
  -Dotel.service.name=order-service \
  -Dotel.exporter.otlp.endpoint=http://otel-collector:4317 \
  -Dotel.metrics.exporter=otlp \
  -Dotel.logs.exporter=otlp \
  -jar order-service.jar

Agent自动把Spring MVC、JDBC、RestTemplate等组件纳入链路。需要自定义埋点的场景用SDK API手动创建Span：

import io.opentelemetry.api.trace.Span;
import io.opentelemetry.api.trace.Tracer;

@Autowired
private Tracer tracer;

public void processOrder(Order order) {
    Span span = tracer.spanBuilder("order.process").startSpan();
    span.setAttribute("order.id", order.getId());
    try {
        // 业务逻辑
    } finally {
        span.end();
    }
}

自定义Span用于标识Agent识别不出的业务边界，比如异步任务、批处理步骤。

上下文传播：跨服务链路如何串联

链路串联靠Trace Context（trace-id + span-id + flags）在服务间传递。HTTP场景通过W3C traceparent请求头传递，Agent自动处理；异步消息场景（Kafka、RabbitMQ）需要手动把上下文写入消息头：

import io.opentelemetry.context.Context;
import io.opentelemetry.api.trace.propagation.W3CTraceContextPropagator;

// 发送方：把当前上下文注入消息头
Map<String, String> headers = new HashMap<>();
W3CTraceContextPropagator.getInstance().inject(
    Context.current(), headers, Map::put);
// 消费端：从消息头提取上下文
Context extracted = W3CTraceContextPropagator.getInstance().extract(
    Context.current(), headers, Map::get);

不注入则消费端链路线索丢失，消息驱动场景排查问题只能靠日志拼凑。

采样策略：数据完整性与成本平衡

全量采集高并发系统成本不可控，采样是必须的。OTel支持三种策略：头部采样（进入时按比例决定整条链路是否采样）、尾部采样（链路结束按规则决定，可保留慢请求）、概率采样（按百分比）。生产推荐组合：

# collector配置：尾部采样 + 兜底比例
processors:
  tail_sampling:
    policies:
      - name: slow-request
        type: latency
        latency:
          threshold_ms: 500
      - name: error-request
        type: status_code
        status_code:
          status_codes: [ERROR]
      - name: default-sample
        type: probabilistic
        probabilistic:
          sampling_percentage: 20

慢请求和错误请求100%保留，其余按20%比例采样。数据量仍大时可在网关层再降采样率。

告警与排障联动

链路数据与指标打通后，排障路径是：Prometheus告警发现错误率升高，点击看板跳转到对应链路，定位慢Span的服务与阶段，再结合日志样本确认根因。落地时把trace-id写入业务日志，日志平台按trace-id聚合，实现全链路日志回放。

接入注意事项

SDK/Agent版本与后端平台版本对齐，避免字段不兼容。生产环境关闭控制台打印与过短的导出间隔，避免额外IO开销。跨公网调用对链路数据脱敏，不要在Span属性中写入身份证、手机号等敏感字段。采样率调整基于量级数据评估，链路数据保留周期建议30天以上，用于周期性的容量与性能复盘。