烏克蘭國旗 我們與在烏克蘭的朋友和同事站在一起。為了在烏克蘭需要時支持他們，請瀏覽此頁面。

路線圖

以下僅為我們計劃實施的一些主要功能，其中一些是近期目標，一些是長期目標。我們已嘗試將這些功能大致按優先順序排列，並在最後列出願望清單。要更完整地了解計劃中的功能和目前的工作，請參閱各個儲存庫的問題追蹤器，例如，Jaeger 後端 外部連結 。

支援 ClickHouse 作為原生資料來源

後端儲存支援 Clickhouse 外部連結，這是一個用於 OLAP 使用案例的開源列導向資料庫。它對於大量擷取和搜尋非常有效率且效能良好，使其成為追蹤和記錄資料的良好資料庫。它也可以非常快速地進行聚合，這將在 Jaeger 的多個功能中派上用場。 [[功能]]: ClickHouse 作為核心儲存後端 外部連結

與 OpenTelemetry 收集器整合

OpenTelemetry 收集器 外部連結 是一種與供應商無關的服務，用於接收、處理和匯出遙測資料。我們已決定在 OpenTelemetry 收集器的基礎上重建 Jaeger 後端元件（代理程式、收集器、擷取器、all-in-one），這有幾個好處

  • 自動與 OpenTelemetry SDK 相容
  • 與 OpenTelemetry 原生資料模型向前相容
  • 基於尾部的採樣
  • 屬性處理器
  • 利用更大的社群

更多內容可在部落格文章 Jaeger 擁抱 OpenTelemetry 收集器 外部連結 和先前的文章 Jaeger 和 OpenTelemetry 外部連結 中找到，其中概述了專案策略。這項工作將在收集器和相關 API 更穩定之後，於 2021 年底進行。

目前的進度可透過 標記為 area/otel 的問題 外部連結 追蹤。

願望清單或長期目標

資料管線

基於 Apache Flink 的追蹤聚合和資料探勘的收集後資料管線。其中一些工作已經完成，可以在 jaeger-analytics-flink/ 外部連結 中找到

Jaeger 的 AI/ML 平台

  • 使用追蹤/遙測資料進行 ML/AI 的社群/SIG。
  • ML/AI 與 Jaeger 的整合，使資料科學家可以輕鬆編寫和評估模型（例如 Jupyter 筆記本）。
  • 一個模型/後處理管線的登錄檔，可從追蹤資料中得出有用的資訊。

請參閱問題追蹤器以取得更多資訊：jaeger/issues/1639 外部連結 。

追蹤品質指標

在大型組織中部署像 Jaeger 這樣的分散式追蹤解決方案時，這些組織使用許多不同的技術和程式設計語言，總會有關於架構中有多少部分與追蹤整合、檢測的品質、是否有微服務使用過時版本的檢測函式庫等問題。

追蹤品質引擎 ( jaeger/issues/367 外部連結 ) 會對後端中收集的所有追蹤執行分析，檢查它們是否存在已知的完整性和品質問題，並向服務擁有者提供摘要報告，其中包含關於改進品質指標的建議和指向展示問題的範例追蹤的連結。

動態配置

我們需要一個在各種情況下都方便使用的動態配置解決方案 ( jaeger/issues/355 外部連結 )

  • 將服務列入黑名單，
  • 覆寫採樣機率，
  • 控制伺服器端降採樣率，
  • 將服務列入黑/白名單以進行自適應採樣，
  • 等等。

構想