在采样率 1% 的情况下，如何确保压测流量被 100% 采样 - 问题详情 - 创脉思

解读

面试官真正想考察的是：

你是否理解“采样率”在链路追踪/监控体系中的含义——它通常由 Trace-ID 哈希值对 100 取模决定，天然带有随机性。
你是否知道压测流量与真实业务流量的区别，以及国内主流监控/追踪组件（阿里鹰眼、美团 MTrace、字节跳动 BytedTrace、开源 SkyWalking、Jaeger、OpenTelemetry 等）提供的“强制采样”或“流量染色”机制。
你能否把“强制采样”与“压测标识”结合起来，给出可落地的配置或代码级方案，而不是泛泛而谈“调大采样率”。
你是否考虑到了全量采样带来的存储与性能副作用，并给出配套降级策略。

一句话：让面试官看到你能“精准染色 + 强制采样 + 可控降级”，而不是简单粗暴地改全局采样率。

采样算法
- 概率哈希采样（Probabilistic Hash Sampling）
- 限速采样（Rate-Limiting Sampling）
- 下游继承采样（Upstream Delegation）
压测标识规范
- HTTP Header：X-Perf-Test=true（阿里）、X-MT-Test=1（美团）、X-Request-Type=perf（字节）
- Dubbo Attachment：attachment.set("perf_test","1")
- MQ 属性：properties.put("perf_test","1")
强制采样 API
- OpenTelemetry：SpanBuilder.setSampler(Sampler.alwaysOn())
- Jaeger：Tracer.buildSpan().withTag("sampling.priority", 1)
- SkyWalking：@Trace(forceSampling = true) 或 -Dskywalking.trace.ignore_force_sampling=false
国内云厂商实现
- 阿里云 ARMS：在“流量规则”里新增一条“Header 包含 X-Perf-Test=true → 采样率 100%”，优先级高于默认 1%。
- 腾讯云 TSW：控制台创建“染色规则”，Key=perf_flag Value=true → 采样策略=100%。
副作用与兜底
- 全量采样会放大 Collector/ES 磁盘 IO，需提前评估峰值 QPS * 平均 Span 数 * 存储天数。
- 必须支持“开关 + 热点 Key 限流”两级兜底，防止压测流量突增把 Collector 打挂。

分四步落地，可直接写在简历的“压测可观测性改造”项目里。

第一步：统一压测标识
在 JMeter/Go-Stress/Locust 的 HTTP 采样器里统一加 Header “X-Perf-Test: true”；对 Dubbo 调用，通过 Filter 把同样标识塞到 attachment；对 MQ，把该标识写入消息属性。

第二步：控制台配置强制采样规则
以阿里 ARMS 为例：

第三步：代码兜底（可选，但面试加分）
如果公司自研 SDK，可在入口 Filter 里硬编码：

if ("true".equals(request.getHeader("X-Perf-Test"))) {
    tracer.buildSpan("entry").withTag("sampling.priority", 1).start();
}

保证即使控制台规则被误删，也能 100% 采样。

第四步：配套降级

在 Collector 侧配置“热点 Key 限流”：当带 perf_test 的 Span 数每秒超过 5 w 时，自动降级成 10% 采样，并触发钉钉告警。
压测结束后，立即关闭该规则，恢复 1% 默认采样，避免持续占用存储。

通过以上四步，即可在“全局 1% 采样”的生产环境中，让压测流量被 100% 完整追踪，同时不把监控链路打爆。

如果公司用的是开源 SkyWalking 8.8 以下版本，不支持动态采样规则，你怎么做？
答：可以写一段 OAP 自定义“SamplingRateWatcher”插件，监听 ZooKeeper 节点 /perf/sampling，当值为 100 时，通过 DynamicConfigurationService 把采样率改为 100%，压测结束后再改回去。
压测流量 100% 采样后，发现 ES 磁盘暴涨，如何快速清理？
答：提前给压测 Span 打标签“perf=true”，并在 ES 模板里把 perf 索引设置 1 天 TTL；或者使用 Index Lifecycle Policy，当索引大小超过 50 GB 直接删除，避免影响业务数据。
如果压测需要跨 20 个微服务，但其中一个老旧服务未接入链路追踪，如何保证端到端可观测？
答：在该服务前置网关（Nginx/Envoy）里通过 lua 脚本生成 Trace-ID 并打印到 access log，再把 access log 采集到 SLS/ELK，与 Trace 平台做“Trace-ID 关联”，实现“半链路”补全。