#故障排查

Jaeger 后端本身就是一个分布式系统，由不同的组件组成，可能运行在多台主机上。可能其中某个环节没有正常工作，导致 span 无法被处理或存储。出现问题时，请务必检查此处列出的项。

如果你在流水线中使用 OpenTelemetry Collector，请务必查看它自己的 故障排查指南。

#验证采样策略

在做其他事情之前，首先要确认正在使用哪种采样策略。对于开发场景或低流量场景，采样每个 trace 是很有用的。在生产环境中，你可能希望使用更低的采样率。在诊断为什么后端没有接收到 span 时，请务必将 SDK 配置为 采样每个 trace。通常，采样策略可以通过环境变量设置。

#OpenTelemetry SDKs

如果你使用的是 OpenTelemetry SDKs，它们默认应使用 parentbased_always_on 采样器，这实际上等同于 100% 采样。可以通过 OTEL_TRACES_SAMPLER 环境变量进行更改（参见文档）。

#使用 debug Exporter

可以为 OpenTelemetry SDKs 配置一个 debug exporter，将记录到的 span 打印到控制台日志中。启用它后，你可以验证这些 span 是否 वास्तव际被记录了。

#绕过中间收集器

如果你的应用没有直接将数据发送到 Jaeger，而是发送到中间层，例如运行在主机智能体上的 OpenTelemetry Collector，可以尝试将 SDK 配置为直接向 Jaeger 发送数据，以缩小问题范围。

#网络连通性

如果你的 Jaeger 后端仍然无法接收 span（请参见下面有关如何检查日志和指标的部分），那么问题很可能出在网络命名空间配置上。当将 Jaeger 后端组件作为容器运行时，常见错误有：

• 没有将适当的端口暴露到容器外部。例如，collector 可能在容器网络命名空间内监听 :4317，但该端口无法从外部访问。
• 将 localhost 用作服务器端点的主机名。在裸金属上运行时，localhost 没问题，但在容器中，建议改为监听 0.0.0.0。
• 没有让 Jaeger 的主机名在应用的网络命名空间中可见。例如，如果你将应用和 Jaeger 后端分别运行在由 containerd 管理的独立容器中，它们要么需要处于同一个网络命名空间，要么应用容器需要使用 nerdctl network connect 连接到与 Jaeger 后端相同的网络。

#提高日志详细程度

当日志级别设置为 debug 时，Jaeger 会提供有用的调试信息。

apiVersion: opentelemetry.io/v1beta1
kind: OpenTelemetryCollector
spec:
  service:
    telemetry:
      logs:
        level: debug

#检查 /metrics 端点

对于无法或不宜提高日志详细程度的情况，可以使用 /metrics 端点来检查 Jaeger 接收和处理 trace 数据的方式。有关配置指标生成的更多细节，请参见 Configuring the Jaeger Metrics。下面是一个用于获取指标的 curl 示例：

curl -s http://jaeger-collector:8888/metrics

如果 Jaeger 能够接收 trace，计数器 otelcol_receiver_accepted_spans 应该会持续增加。如果它能够成功将 trace 写入存储，计数器 otelcol_exporter_sent_spans 也应以相同的速率增加。

#Service Mesh：缺少 span

当将应用部署为 Istio 等 service mesh 的一部分时，涉及的环节会显著增多，并且可能影响 span 的上报方式（以及上报哪些 span）。如果你期望看到由 service mesh 生成的 span，但它们在 Jaeger UI 中不可见，请检查你所使用的 service mesh 的故障排查指南。例如，可参考 Istio's website。