Jaeger配置管理：从入门到精通

我直接告诉你 Jaeger 配置管理最值钱的东西：你得把采样率和存储策略弄明白，否则你搞出来的数据要么太脏要么太少。采样率设成 100% 的时候虽然能捕获全链路，但会吃掉你的所有资源，特别是内存和磁盘。你要是用 Cassandra 作为存储，得把 compaction 参数调好，不然数据会堆积到卡死。再者，标签投射配置不正确，会导致聚合数据无法展示，你得在 agent 配置里手动指定哪些标签要传递。还有个坑，你要是混用多个 trace ID 生成方式，就会出现 trace 无法归一，得统一用 TraceContext 来生成。最后，别忘了把采样策略写进 config.yaml，不然每次重启还得手动改。

▌ 技术引导

在 Jaeger 配置管理中，采样率是能让你瞬间崩溃的一个关键参数，你现在不把它弄清楚，后面就只能从日志里找断点。如果你用的是 agent 模式，记得配置 jaeger-agent 的 --sampling-rate 参数，这个参数必须是浮点数，比如 0.1 表示 10% 的采样率。同时，采样策略要和 jaeger-collector 配合，别光靠 agent 来决定，那会开销太大。你要是用的是 Collector 和 Query 服务，得在 jaeger-query 的配置里指定 storage 为 Cassandra 或 Elasticsearch，同时设置 max-queried-spans 避免内存溢出。别用默认的 8000 端口，你得改 jaeger-collector 的 --http-port，有时候你没法用 8000，因为被其他服务占了。还有个细节，jaeger-query 的 --max-traces-per-second 要和 collector 的 --max-traces-per-second 保持一致，不然会出现数据不一致。

▌ 技术参考

Jaeger 配置管理的核心在于采样率和存储策略的高效组合，你得知道这两个参数如何影响你的整个系统。采样率决定了你捕获的 trace 数量，可以控制在 0.0 到 1.0 之间，或者直接设成 100%。如果你的系统流量巨大，采样率设置为 0.1 会更合理，这样可以减少存储压力。但采样率太低的话，你只能看到极少数 trace，无法分析全貌。我见过有人把采样率设成 1.0，结果整个服务卡死，因为 span 数量爆炸。你得在 config.yaml 里设置 sampling_rate: 0.1，同时配置 jaeger-agent 来控制 trace 的生成，这样配合起来才会高效。

在使用 Jaeger 的时候，标签投射是必须注意的一个点，它决定你能否正确聚合数据。你得在 agent 配置中添加 sampling.tags 投射规则，比如 sampling.tags: ["service.name", "span.kind"]，这样你就能把关键信息传到后端。否则，你只能看到一串乱码，完全不知道 trace 是哪个服务的，也无法判断是 RPC 还是 HTTP 请求。另外，如果你在配置 agent 的时候没有指定 tags，那你可能漏掉一些关键信息，比如请求 ID 或用户 ID，这对调试特别关键。

Jaeger 的配置管理需要考虑多个组件的协同工作，包括 agent、collector 和 query。你得在 agent 配置里写 jaeger-agent 的 --sampling-type 和 --sampling-param，比如 sampling-type: probabilistic，sampling-param: 0.1。这样 agent 就会根据规则来决定是否捕获 trace。采样类型还有 trace-based 模式，这个得配合 jaeger-collector 来使用，否则根本无法触发。如果你的流量波动大，可能需要开关采样策略，比如根据流量自动调整采样率，这样能节省资源又不影响调试。

有时候你可能会遇到 Jaeger 数据无法显示的问题，这时候要检查 agent 和 collector 的数据传输是否正常。你可以用 curl 命令来测试 jaeger-collector 的 HTTP 端点，比如 curl http://localhost:14268/api/traces。如果返回空，说明 agent 没有正确发送数据。别忘了 agent 的配置必须和 collector 的配置互通，比如 agent 的 --collector.endpoint 必须和 collector 的 --http-port 一致，不然数据就传不过去。如果你用的是 jaeger-agent 的 local mode，那直接把配置文件放到指定目录即可，否则还得用环境变量。

Jaeger 的存储配置直接决定你后续的查询能力，你得选对存储后端。Cassandra 是 Jaeger 官方推荐的存储，但你得配置 compaction 参数，比如 compaction: {class: "SizeTieredCompactionStrategy", ...}。这样的话，数据不会堆积导致查询变慢。Elasticsearch 是另一个选择，不过你得配置索引的刷新间隔，否则数据写入会卡顿。如果用的是 MySQL，得先改 jaeger-storage 的配置，比如 jaeger.storage.type: mysql，然后设置数据库连接参数，比如 jaeger.storage.mysql.sql-dialect: "mysql"，jaeger.storage.mysql.max-queried-spans: 1000。这些参数可能会影响性能，你得根据实际情况调整。

Jaeger 的配置参数非常多，但有些是你必须知道的，比如 jaeger.storage.max-queried-spans 和 jaeger.query.max-traces-per-second。这两个参数如果不匹配，你的查询界面就会出现大量的空记录，或者直接卡死。我见过有人在配置 jaeger-query 的时候没有设置 max-traces-per-second，导致每次查询都卡在几秒，最后直接用 kill -9 杀掉进程。这种情况下，你得在 jaeger-query 的配置文件中加上 max-traces-per-second: 1000，这样就能保证查询性能。另外，jaeger-collector 的 --max-traces-per-second 参数也很关键，别忘了和 query 的参数对齐。

在配置 Jaeger 的时候，你得考虑到分布式系统的特性，比如多个服务可能同时写入数据，这时候得确保采样策略一致。如果你的系统里有的服务采样率是 0.1，有的服务是 0.5，那你的 trace 就会出现严重不均衡，你根本没法分析整体性能。因此，我建议你统一使用 jaeger-agent 的配置来控制采样率，这样所有服务的采样策略才能一致。另外，你得用 jaeger-agent 的 --sampling.param 来调整个采样率，这个参数是必须的，否则 agent 会默认使用 100% 采样，这会导致系统资源耗尽。

Jaeger 的配置文件通常写在 config.yaml 或者通过环境变量传入，但你得知道如何正确加载它们。如果你用的是 Docker 镜像，可以通过 -e 参数来设置环境变量，比如 -e JAEGER_AGENT_HOST=jaeger-agent -e JAEGER_AGENT_PORT=6831。这些环境变量会覆盖 config.yaml 中的配置，所以你得在启动容器的时候特别注意。如果你用的是 Kubernetes，可以配置 ConfigMap 来注入配置，这样更灵活。但别忘了在 Deployment 中指定正确的环境变量，否则 agent 就会连不上 collector。

Jaeger 的 agent 和 collector 之间通信依赖 TCP，你得确保它们之间的端口开放。比如 jaeger-agent 默认用 6831 端口发送数据，而 collector 的 HTTP 端口通常是 14268。如果你在本地测试，可以不用防火墙，但上线的时候必须检查端口是否开放。我见过有人配置了 agent，但 collector 没有启动，导致数据直接丢失。这种情况下，你得先确保 collector 正常运行，再检查 agent 是否连接。另外，jaeger-agent 的 --log-level 参数可以用来调整日志输出，比如设置成 debug，这样你才能看到详细的连接信息。

Jaeger 的配置管理还涉及多个组件的生命周期，比如 agent、collector 和 query。如果你用的是 agent 模式，那 agent 会自动连接 collector，但你得确保 collector 的地址正确。否则 agent 就会一直在监听，而不会发送任何数据。collector 负责接收 trace 数据，而 query 负责展示，所以你得知道每个组件的配置文件位置。比如 agent 的配置文件是 jaeger-agent.yaml，collector 是 jaeger-collector.yaml，query 是 jaeger-query.yaml。这些文件通常放在同一个目录下，或者通过环境变量指定路径，这样你才能避免配置错误。

Jaeger 的配置参数有时候会因为版本不同而变化，你得知道哪些配置是通用的，哪些是版本特有的。比如在 Jaeger 1.8 后，jaeger-agent 的 --sampling-type 参数支持 more-than-0，而之前的版本只支持 probabilistic。如果你看到配置文件里有 sampling-type: more-than-0，那你得确保版本支持这个参数，不然配置会无效。另外，jaeger-collector 的 --collector-type 参数也可能会变，比如以前是 zipkin，现在是 jaeger，你要根据实际版本调整。

Jaeger 的配置管理还涉及到多个组件之间的依赖关系，比如 agent 必须连接 collector，而 query 必须连接 storage。如果你没有正确配置这些依赖，整个系统就会无法正常工作。我见过有人只配置了 agent，但 collector 没有启动，结果 trace 数据根本没进 storage，查询的时候全是空。这种情况下，你得先启动 collector，再启动 agent，最后启动 query。同时要确保每个组件的配置文件都正确加载，否则就会出现严重的连接错误。

Jaeger 的配置参数有时候会因为环境不同而需要调整，比如在 Kubernetes 中，你得考虑 service 的发现和 DNS 配置。如果你在 pod 中启动 Jaeger，记得用环境变量来指定 collector 地址，比如 JAEGER_COLLECTOR_OTLP_ENDPOINT。这样即使服务重启，也能自动连接。另外，jaeger-agent 的 --collector-endpoint 参数也必须和 collector 的地址一致，否则 agent 会一直尝试连接，消耗资源。你得用 curl 来测试 collector 是否能正常接收 trace 数据，否则配置就白做了。

Jaeger 的配置管理还涉及到多个 metrics 的监控，比如内存使用、CPU 使用和网络延迟。你得在 jaeger-query 的配置里加上 metrics 的相关参数，比如 jaeger.metrics: "enabled: true"。这样你才能看到各个组件的性能情况。如果 metrics 不开，你只能靠日志来判断问题，这样效率太低。另外，jaeger-collector 的 metrics 配置也必须正确，否则你根本看不出它的负载情况。监控这些参数有助于你提前发现性能瓶颈，及时调整配置。

Jaeger 的配置管理有时候会因为存储后端的不同而产生性能差异，比如 Cassandra 和 Elasticsearch 之间的表现。Cassandra 适合高写入吞吐量的场景，但你得配置 compaction 策略，否则数据会堆积。Elasticsearch 适合聚合查询，但写入时容易出现延迟。你得根据业务需求选择合适的存储后端，比如高并发写入选 Cassandra，高聚合查询选 Elasticsearch。另外，MySQL 的配置也要注意，比如调整 jaeger.storage.mysql.max-queried-spans 参数，这样才不会因为查询太多导致服务崩溃。