如何配置 OpenTelemetry 导出数据到 Jaeger？

---

前言
在微服务架构盛行的今天，分布式系统的复杂性让性能监控与问题排查变得极具挑战。开发者需要一套高效的工具链，既能收集全链路追踪数据，又能通过直观的界面快速定位瓶颈。OpenTelemetry作为云原生领域观测数据的统一标准，与Jaeger这一开源的分布式追踪系统强强联合，成为构建可观测性体系的黄金组合。本文将手把手教你如何配置OpenTelemetry，将追踪数据无缝导出至Jaeger，助你轻松实现系统透明化。

---

一、OpenTelemetry与Jaeger的核心价值

OpenTelemetry（简称OTel）是一套跨语言的观测框架，通过标准化的API和SDK，统一了日志、指标和追踪数据的采集方式。而Jaeger作为CNCF毕业项目，专注于分布式追踪，支持可视化的调用链分析与性能诊断。两者的结合，能够帮助开发者：

• 精准定位延迟问题：通过调用链追踪，快速识别服务间调用的性能瓶颈；
• 降低运维复杂度：统一数据采集规范，避免多套工具带来的维护成本；
• 提升系统可观测性：结合Jaeger的图形化界面，直观呈现服务依赖关系与请求流转路径。

---

二、配置OpenTelemetry导出数据到Jaeger的步骤

1. 环境准备

• 安装Jaeger服务
  推荐使用Docker快速启动一个Jaeger实例：

docker run -d --name jaeger \  
-e COLLECTOR_ZIPKIN_HOST_PORT=:9411 \  
-p 5775:5775/udp \  
-p 6831:6831/udp \  
-p 6832:6832/udp \  
-p 5778:5778 \  
-p 16686:16686 \  
-p 14268:14268 \  
-p 14250:14250 \  
-p 9411:9411 \  
jaegertracing/all-in-one:latest  

启动后，访问http://localhost:16686即可进入Jaeger UI。

• 添加OpenTelemetry依赖
  以Java应用为例，在Maven项目中引入以下依赖：

<dependency>  
<groupId>io.opentelemetry</groupId>  
<artifactId>opentelemetry-sdk</artifactId>  
<version>1.30.1</version>  
</dependency>  
<dependency>  
<groupId>io.opentelemetry</groupId>  
<artifactId>opentelemetry-exporter-jaeger</artifactId>  
<version>1.30.1</version>  
</dependency>  

2. 配置OpenTelemetry导出器

OpenTelemetry支持两种方式向Jaeger发送数据：直接通过gRPC协议传输或通过OpenTelemetry Collector中转。

• 方式一：直接导出至Jaeger
  在代码中初始化JaegerGrpcSpanExporter：

JaegerGrpcSpanExporter exporter = JaegerGrpcSpanExporter.builder()  
.setEndpoint("http://localhost:14250") // Jaeger的gRPC接收端口  
.setTimeout(30, TimeUnit.SECONDS)  
.build();  
  
SdkTracerProvider tracerProvider = SdkTracerProvider.builder()  
.addSpanProcessor(BatchSpanProcessor.builder(exporter).build())  
.build();  
OpenTelemetrySdk openTelemetry = OpenTelemetrySdk.builder()  
.setTracerProvider(tracerProvider)  
.buildAndRegisterGlobal();  

注：Jaeger默认的gRPC端口为14250，需确保应用与Jaeger的网络连通性。

• 方式二：通过OpenTelemetry Collector中转
  若需集中处理多源数据（如同时导出到Prometheus或日志系统），可部署Collector作为中间层：

1. 下载并配置Collector的config.yaml：

receivers:  
otlp:  
protocols:  
grpc:  
endpoint: 0.0.0.0:4317  
exporters:  
jaeger:  
endpoint: "jaeger:14250"  
tls:  
insecure: true  
service:  
pipelines:  
traces:  
receivers: [otlp]  
exporters: [jaeger]  

1. 应用端改用OTLP导出器：

OtlpGrpcSpanExporter exporter = OtlpGrpcSpanExporter.builder()  
.setEndpoint("http://localhost:4317")  
.build();  

3. 验证数据导出结果

• 在应用中触发一个HTTP请求（例如调用REST API）；
• 打开Jaeger UI，选择对应服务名称并搜索追踪记录；
• 查看调用链详情，确认Span的层级关系与耗时数据是否完整。

---

三、关键配置参数解析

为优化数据导出性能与可靠性，需关注以下核心参数：

• setEndpoint()：Jaeger的gRPC或HTTP端点地址；
• setTimeout()：导出超时时间，防止网络波动导致线程阻塞；
• BatchSpanProcessor配置：
• setMaxExportBatchSize：单次批量发送的Span数量（默认512）；
• setScheduleDelay：批量处理间隔时间（默认5秒）；
• setSampler()：采样策略（如ParentBasedSampler避免过度采集）。

---

四、常见问题与优化建议

1. Jaeger UI中无数据

• 检查端口是否冲突（例如Jaeger未监听14250端口）；
• 确认导出器的Endpoint协议类型（gRPC需使用http://而非grpc://）；
• 使用Wireshark或tcpdump抓包分析网络连通性。

1. Span数据延迟显示

• 调整BatchSpanProcessor的setScheduleDelay至更低值（如1秒）；
• 增大setMaxQueueSize（默认2048），避免因队列满导致数据丢失。

1. 降低资源消耗

• 启用采样策略（如仅采集1%的请求）；
• 使用SimpleSpanProcessor替代批处理（适用于低吞吐场景）。

---

通过以上步骤，开发者能够快速搭建OpenTelemetry与Jaeger的集成环境。需注意的是，生产环境中建议结合OpenTelemetry Collector实现数据路由与缓冲，同时配置持久化存储（如Elasticsearch）保障数据可靠性。让观测数据真正成为优化系统性能的指南针，而非淹没团队的噪声源。