分布式链路追踪Java实战2

第2章 上下文传播机制

学习目标

1. 理解为什么分布式系统需要上下文传播，以及它解决的核心问题
2. 掌握W3C Trace Context标准及其traceparent/tracestate的报文结构
3. 能够使用OpenTelemetry Java API实现跨HTTP服务、跨线程的上下文传播

2.1 一个真实的故事：trace莫名其妙断了

去年，我参与的一个支付平台项目遇到了一个棘手的线上问题。

某天下午，运维反馈说支付成功率从99.9%降到了97%。我们打开链路追踪系统，发现一条典型的失败请求链路是这样的：

网关 (200ms) → 订单服务 (150ms) → ? → ? → 支付结果未知

trace在订单服务调用支付服务的地方断掉了。下游的所有span全部消失，就像是请求凭空消失了一样。

排查了整整一天，最终定位到问题：HTTP头名字不一致。网关服务往订单服务传递trace时用的是traceparent头，但订单服务调用支付服务时，支付服务内部使用的老版本OpenTelemetry Agent期望的是x-request-id头。两边对不上，支付服务收不到trace上下文，创建了一个全新的root span——于是链路断了。

修复方案：在网关层