Distributed Tracing Benchmark

分布式追踪基准测试

YangYuChen-Work Updated

File contents

分布式追踪基准测试

适用场景

稳定自动版(可长期运行)

功能说明

分布式追踪基准测试

对比不同 tracing 方案在代理网络中的延迟与内存开销,避免盲目上线。

这个案例能帮你做什么

  • 对比 OpenTelemetry / Jaeger / 自定义 tracer 的真实开销。
  • 用统一采样率矩阵评估 P99 延迟和吞吐影响。
  • 用“延迟、内存、成本”三维指标给出可落地选型建议。

你需要的 Skills(按类型)

类型 Skill 用途 来源
内置 system 性能采样与统计 OpenClaw Built-in
内置 docker 隔离测试环境 OpenClaw Built-in

快速体验版(先跑一轮)

const configs = [
  { tracer: 'otlp', sampling: 1.0 },
  { tracer: 'jaeger', sampling: 0.1 },
  { tracer: 'custom', sampling: 0.5 }
];

先小规模跑完 3 组配置,确认指标采集链路可用。

稳定自动版(可长期运行)

1) 周度基准流程(原文)

Weekly benchmark:
1. Deploy test mesh with different tracers
2. Measure P99 latency at each sampling rate
3. Track memory overhead
4. Test throughput under load
5. Generate comparison report

2) 选型阈值(原文)

  • Latency impact <5ms 优先
  • Memory overhead <10%
  • 成本与可观测价值匹配

成功标准

  • 关键 tracer 方案都有统一基准数据。
  • 延迟与内存开销数据可复现。
  • 结果被落实为明确配置建议。

源文件

来源:awesome-openclaw-zh
原始文件:28-distributed-tracing-benchmark.md

YangYuChen-Work/awesome-ai-skills/tree/main/安全监控/distributed-tracing-benchmark commit ffe347f8c0

Frequently asked questions

npx skillmds@latest add yangyuchen-work/distributed-tracing-benchmark