一つの処理と個々の区間を分ける
分散トレースでは、関連する処理全体をtrace、個々の操作区間をspanとして対応付けます。サービスAからB、さらにCを呼ぶ場合、共通するtrace-idと、各区間を区別する識別子が必要です。同じ時刻に起きたという理由だけで処理を結び付けると、並行する別の利用者の要求を混ぜる場合があります。明示的なコンテキストの伝播によって、どの呼び出しから続く操作かを記録します。ただしトレースは収集された観測であり、未収集の区間やサンプリングされた要求が存在する点を忘れません。
traceparentの要素を読む
W3Cのtraceparentは、版、trace-id、parent-id、フラグを所定の形式で運びます。version00ではtrace-idは32桁、parent-idは16桁の16進数で、すべて0の識別子は有効ではありません。trace-idは同じ処理をつなぎ、送信するparent-idは呼び出し側の対応するspanを示します。値の長さだけでなく、文字の形式や予約された版も検証対象です。独自の利用者IDをこの欄へそのまま詰める用途ではありません。生成・検証・伝播には仕様に対応したライブラリを使い、短い文字列分割の例だけで完全なパーサーを作ったとは扱いません。
呼び出しごとの親を保つ
AがBとCを並行して呼ぶなら、二つの区間は同じtraceの中で兄弟として表せます。BからDへの呼び出しは、B側の対応するspanを親として伝播します。全サービスで同じparent-idを使い回すと、階層が失われて処理の対応を誤ります。また、非同期タスクやスレッドをまたぐときには、実行文脈の保存と復元が必要です。グローバル変数に最後のtrace-idを置くだけの実装では、同時要求が混ざる危険があります。要求ごとの文脈を保持し、並行タスクへ渡す範囲を明示します。
文脈が切れた境界を探す
入口と下流でtrace-idが変わったら、プロキシ、HTTPクライアント、メッセージキュー、非同期処理のどこで文脈を失ったかを追います。ヘッダーを受信できたことと、次の呼び出しへ正しく伝えたことは別です。キューを介する処理では、後から別の時刻に実行されるため、親子関係やリンクをどう記録するかも計測方式に従って決めます。単に同じIDをコピーして全区間を一つに見せればよいわけではありません。受信、実行、送信の各境界で、期待する識別子と実際の伝播を比較します。
外から来たIDを権限として使わない
traceparentは通信相手が指定できる情報であり、利用者の本人確認やデータへの認可を証明しません。IDが一致しても同じ権限を与えたり、ログの他利用者情報を表示したりしてはいけません。フラグのサンプリングに関する値も、外部から無制限に高価な記録を強制できるような約束として扱いません。信頼境界で検証や適切な運用方針を設けます。トレースへ秘密や個人情報を無制限に埋め込まず、tracestateなど追加情報の扱いも仕様と保存方針に従います。観測の相関とアクセス制御は別の責任です。
並行区間と時計のずれを考慮する
兄弟spanが並行して動いた場合、各所要時間を足して要求全体の経過時間とすることはできません。また、別ホストの時計がずれていると、開始時刻の並びが直感に反することもあります。依存関係と各区間の期間を合わせ、クリティカルパスを考えます。表示されていない区間があれば、未計測の待ちや転送、サンプリングの影響も候補です。トレースは遅い境界を探す助けになりますが、CPU、I/O、ロックなどの原因を一枚で必ず確定する道具ではありません。メトリクスや局所的なプロファイルと結び付け、確かめた範囲を限定して結論を出します。