ZipKin样本取值源码探析

最新推荐文章于 2025-11-14 12:23:36 发布

原创

最新推荐文章于 2025-11-14 12:23:36 发布 · 1.9k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#zipkin

本文深入探讨ZipKin的采样策略，重点关注 BoundarySampler 和 CountingSampler 的实现。BoundarySampler适用于高流量场景，通过取余判断采样，存在浮动误差；CountingSampler适合低流量，准确但不支持大流量。文章通过源码分析这两种策略的工作原理，建议在实际应用中考虑使用BoundarySampler以应对潜在的流量增长。

ZipKin是一个链路追踪服务，可以帮助我们追踪、分析多个服务之间调用延迟情况，可到官网了解更多情况 https://zipkin.io/，本文主要通过源码来探析一下ZipKin如何进行抽样统计。

在zipkin客户端采样率是通过Sampler类来完全控制，代码如下，

package com.github.kristofa.brave;

public abstract class Sampler {

  public static final Sampler ALWAYS_SAMPLE = new Sampler() {
    @Override public boolean isSampled(long traceId) {
      return true;
    }

    @Override public String toString() {
      return "AlwaysSample";
    }
  };

  public static final Sampler NEVER_SAMPLE = new Sampler() {
    @Override public boolean isSampled(long traceId) {
      return false;
    }

    @Override public String toString() {
      return "NeverSample";
    }
  };


  public abstract boolean is