日志采样策略：降低成本并保持可见性

本文目录#

• 为什么需要日志采样
• 采样方法
• 实现技巧（Logback + Sleuth）
• 监控与审计
• 自检清单
• 参考资料

为什么需要日志采样#

高吞吐服务产生大量日志，导致存储成本和检索时间增加。通过采样可以降低日志量，同时保留关键信息用于故障诊断与审计。

采样方法#

1. 固定比例采样：按请求或类别，记录 1/N；
2. 动态采样：根据错误率、流量动态调整比例；
3. 基于特征采样：对失败、慢请求、重要租户保留全部日志；
4. 哈希采样：对 Trace ID 或用户 ID 取哈希，保证同一会话一致采样；
5. 分层采样：逐级采样（网关、服务、数据库）。

实现技巧（Logback + Sleuth）#

• 使用 TurboFilter 判断是否记录；
• 搭配 MDC 添加 sampled 标记；
• 对 ERROR 级别永不采样；
• 与分布式追踪联动：Samper 决定 Trace 采样，同时控制日志输出。

监控与审计#

• 统计采样前后日志量与成本；
• 确认告警仍能触发（重要日志不采样）；
• 定期抽查采样策略覆盖情况。

自检清单#

• 是否对关键事件（错误、审计）禁用采样？
• 是否记录采样率，便于估算真实数量？
• 是否与 Trace 采样策略保持一致？

参考资料#

• Google SRE Logging Best Practices：https://sre.google/sre-book/monitoring-distributed-systems/
• Elastic Observability 日志采样：https://www.elastic.co/guide/en/observability/current/log-sampling.html
• Spring Cloud Sleuth 采样策略：https://docs.spring.io/spring-cloud-sleuth/docs/current/reference/htmlsingle/#sampling

---

本作品系原创，采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可，转载请注明出处。