我实际上只是在尝试对应用程序中的错误跟踪进行采样，但是我已经在我的应用程序中设置了一个概率采样器参数集，该参数在开始时对跨度进行采样，然后其余跨度遵循相同的模式，因此我尝试使用在Jaeger中强制采样选项，但它似乎并未覆盖由是否采样的初始跨度所做出的原始决定。请在这里帮助我。
答案 0 :(得分：0)
Jaeger客户端实现所谓的基于头的采样，其中在调用树的根部做出采样决策，并将其与跟踪上下文一起传播到树下。这样做是为了确保对给定迹线的所有跨度（或没有跨度）进行一致的采样，因为我们不想使硬币在每个节点处翻转，并最终出现部分/断线。在基于头的采样系统中实现错误采样实际上是不可能的。想象您的服务正在调用成功返回的服务A，然后再返回错误的服务B。假设未对跟踪的根进行采样（因为否则会正常捕获错误）。这意味着，当您知道来自B的错误时，A的整个子树已经被执行，并且由于先前的不采样决定，所有范围都被丢弃了。 B处的子树也已完成执行。此时，您唯一可以采样的是当前服务的跨度。您还可以通过响应呼叫者来实现采样决策的反向传播。因此，在最佳情况下，您可能会最终获得整个采样的子分支，并且如果跟踪从上方继续（例如通过重试），可能会在将来分支。但是您永远无法捕获完整的跟踪，有时B失败的原因是因为A（成功地）返回了一些导致稍后出错的数据。
请注意，今天的OpenTracing或OpenTelemetry不支持反向传播，但是W3C跟踪上下文工作组的上次会议已经讨论了反向传播。
实现抽样的另一种方法是基于尾巴的抽样，这是当今一些商业供应商采用的技术，例如Lightstep，DataDog。它也在Jaeger的路线图上（我们现在在Uber正在研究它）。对于基于尾部的采样，将从应用程序中捕获100％的跨度，但仅将其存储在收集层的内存中，直到收集完整的跟踪并做出采样决策为止。决策代码现在具有更多信息，包括错误，异常延迟等。如果我们决定对跟踪进行采样，则仅将其转移到磁盘存储中，否则我们将其从内存中逐出，因此只需要保持跨度即可在内存中平均停留几秒钟。基于尾的采样会给被跟踪的应用带来更大的性能损失，因为100％的流量需要通过跟踪工具进行配置。
您可以在我的书（https://www.shkuro.com/books/2019-mastering-distributed-tracing/）的第3章或很棒的论文中了解有关基于头和基于尾的采样的更多信息，“那么，您想跟踪分布式系统吗？来自多年实践经验的设计见解”。，作者：Raja R. Sambasivan，Rodrigo Fonseca，Ilari Shafer和Gregory R. Ganger（http://www.pdl.cmu.edu/PDL-FTP/SelfStar/CMU-PDL-14-102.pdf）。