企业官网建设流程全解析

Go Trace 流程：从 Jaeger 到 Tempo 的可视化对比

分布式追踪工具很多。本文对比 Jaeger、Zipkin、Tempo、Datadog，给出选型指南。

一、Jaeger：Uber 开源

import"go.opentelemetry.io/otel/exporters/jaeger"exp,_:=jaeger.New(jaeger.WithCollectorEndpoint("http://jaeger:14268"))tp:=sdktrace.NewTracerProvider(sdktrace.WithBatcher(exp))

特点：

• 全功能 UI
• 全局索引（service / operation）
• 性能优化：Cassandra / Elasticsearch 后端

二、Zipkin：Twitter 出身

import"github.com/openzipkin/zipkin-go"tracer,_:=zipkin.NewTracer(...)exp:=zipkinhttp.NewEndpoint("http://zipkin:9411/api/v2/spans")

UI 简洁，存储基于 ES / Cassandra。

三、Tempo：Grafana 生态

exp,_:=otlptracehttp.New(ctx,otlptracehttp.WithEndpoint("tempo:4317"))

特点：

• 把 trace ID 直接给 Loki / Prometheus
• trace + metrics + logs 在 Grafana 联动

四、对比

五、生产实战：集成 Grafana + Tempo + Loki + Prometheus

app → OTel → Tempo trace + Loki logs + Prometheus metrics dashboard → Grafana 把三者以 trace_id / service 关联

六、OTel collector 接入

otel-collector-config.yaml：

receivers:otlp:protocols:grpc:{}exporters:jaeger:endpoint:jaeger:14250service:pipelines:traces:receivers:[otlp]exporters:[jaeger]

七、采样策略

processors:tail_sampling:decision_wait:10spolicies:-name:errorstype:status_codestatus_code:{status_codes:[ERROR]}

错误请求全采，正常 1% 采样。

八、查询语法

{span.http.status_code="500"}

(Grafana 集成 Tempo 后)

九、实战：应用卡顿排查

5xx 高发 → Grafana alert → 跳到 Tempo 看慢 span stack → 找到 1.2s SQL → DB trace。

十、踩坑清单

1. 采样率过低：错误漏掉
2. 索引限制：Jaeger 全局索引吃存储
3. 跨服务 trace 链断裂：propagator 要带 traceparent

十一、未来趋势

• Trace + AI 异常检测
• Span 颗粒度可配置
• 服务拓扑自动生成（依赖关系图）

十二、总结与展望

Jaeger / Zipkin / Tempo / Datadog 各有所长。Go 项目配合 OTel SDK，可以无痛切换后端。

未来：ITOA + AIOps 集成 trace 数据，让 SRE 自动根因分析。

十三、参考文献

• Jaeger 官方文档
• Tempo 文档
• Datadog APM 介绍