1.分布式追踪的必要性
微服务架构中，一个用户请求可能跨越多达几十个服务。当出现延迟增加或错误时，难以定位具体哪个服务出问题。分布式追踪通过记录请求在每一站的耗时、元数据，形成调用链。Jaeger（Uber开源，CNCF项目）是业界主流实现，其客户端、代理、收集器、查询服务主要由Java和Go编写。Java应用通过集成Jaeger客户端，可以生成和传播trace上下文。
2.Jaeger的核心概念
Trace：代表一个完整请求路径，由多个Span组成。
Span：一次服务调用或一个操作，包含名称、开始时间、持续时间、标签、日志。
ContextPropagation：通过HTTPHeaders（如uber-trace-id）将traceId、spanId传递给下游服务。
Jaeger后端（收集器、Cassandra/Elasticsearch存储、Query服务）用Java实现，能够处理海量跨度数据。
参考：https://wkmsa.cn/category/sleep-environment.html
3.Java微服务集成Jaeger的方式
最常用的客户端库是io.opentracing:opentracing-jaeger，结合SpringCloudSleuth或手动埋点：
自动埋点：SpringCloudSleuth与Jaeger集成后，自动为RestTemplate、MVC控制器、RabbitMQ等创建Span。
手动埋点：在业务关键代码处，通过Tracer对象创建子Span，记录自定义标签（如orderId）。
异步线程传播：Java的ExecutorService需要手动传递Trace上下文，可使用WrappedRunnable或TracedExecutorService。
4.案例：电商订单系统的链路追踪
某电商订单系统包含：API网关→订单服务→库存服务→支付服务→物流服务。通过Jaeger实现了：
网关收到请求时创建根Span，生成traceId。
订单服务调用库存服务时，通过Feign拦截器自动注入traceheaders。
每个服务记录关键业务标签（order_id、user_id、amount）。
出现慢请求时，JaegerUI展示调用瀑布图，定位到某一次数据库查询耗时2秒（SQL语句显示为标签）。
排查了一个长期存在的间歇性超时问题：原来是支付服务调用第三方网关偶尔延迟，通过追踪发现是DNS解析慢。解决后，平均响应时间从800ms降至200ms。
参考：https://wkmsa.cn/category/sleep-methods.html
5.采样策略与性能影响
全量追踪会产生大量数据。Jaeger支持概率采样、速率限制采样。Java客户端可以动态从Jaeger代理获取采样策略。例如，默认0.1%采样，但对错误请求强制采样（通过设置sampler=const或自定义）。生产环境中，合理配置采样率，将性能开销控制在5%以内。
6.集成OpenTelemetry
OpenTelemetry是新一代可观测性标准，Jaeger也已支持OTLP协议。Java应用可以使用opentelemetry-javaagent（字节码增强）无侵入地生成trace，导出到Jaeger。这比手动集成更简单，且支持跨语言上下文传播。
7.总结
Java在Jaeger生态中既是优秀的客户端语言，也驱动着后端存储与分析。分布式追踪是微服务可观测性的基石，任何有一定规模的Java微服务系统都应集成。它帮助团队从黑盒调用变为白盒分析，显著降低故障排查时间。
参考：https://wkmsa.cn
