APM 工具怎么选：链路、留存与排障成本一起看

一条请求变慢，服务拓扑通常能指出它经过了哪里，却未必能解释时间花在了哪里。代码执行、下游等待和主机资源争用可能出现在同一条链路中。排障人员还要找到对应日志、容器指标或用户会话；这些数据如果分散在不同系统，时间范围和请求标识就得逐一对齐。

我会沿着这条调查路径选 APM 工具：应用能留下什么记录，哪些会被采样掉，保留多久，值班人员能继续查到哪里。已有 SkyWalking、Jaeger 或云厂商服务能够回答的问题，无须为了统一品牌再搬一次。真正值得付费替换的，是反复缺失的上下文，以及团队不愿继续承担的后端工作。

观测云编辑部 · 2026 年 10 月 28 日。本文根据官方文档比较技术机制与运营责任，观测云也是候选方案；未执行同负载压测或客户成本测试。

先弄清楚缺失的 Span 发生在哪里

分布式追踪用 Span 记录已插桩的操作，再通过上下文传播连接请求。APM 在这些记录及其他遥测之上提供请求量、错误、延迟和依赖分析。拓扑图上有一个服务，不代表每次调用都留下了可供回查的完整 Trace。概念的展开可以参阅 APM 是什么，这里关心调查实际需要哪些记录。

同步 HTTP 调用只是其中一条路径。调用方要注入上下文，网关要保留传播头，下游要提取它；异步队列和线程切换也需要适用的插桩或显式传递。W3C Trace Context 的 traceparent 带有 trace ID 与父 Span 等信息。仅把两边的 service.name 设置成相同值，不能代替这条因果关系。OpenTelemetry 上下文传播

自动插桩覆盖的框架、库和运行时，可以少写很多采集代码。自定义业务步骤仍可能需要补 Span 或属性；eBPF 也要对应具体内核、协议和实现判断覆盖范围。一次支付为什么重试三次，不能仅凭观察到网络连接就解释清楚。代码级剖析又是另一种记录，能补充执行热点，要单独核对语言支持、采集方式和相关产品。

先修传播或采集问题，再判断是否换后端。把同一批不完整数据送进另一个平台，调查路径不会因此自动接续。

采样决定留下什么，也决定成本从哪里开始减少

头部采样在请求较早阶段做决定，成本较低，却无法预知请求后面会不会出错。尾部采样可以依据已收到的 Span 判断错误、耗时或属性，但需要承接数据、等待决策，并为状态与迟到 Span 留出资源。OpenTelemetry Collector 的 tail sampling processor 要求同一 Trace 的 Span 到达同一采样实例；随意分散到多个副本，会影响决定的依据。采样机制 · Collector 尾部采样

延伸阅读什么是 APM？从链路追踪到应用性能管理→

假设请求稳定为每秒 100 次，每次恰好生成 20 个 Span，整条链路按一致的 10% 概率保留，暂不考虑重试、丢失和迟到：

采样前：100 × 20 × 86,400 = 172,800,000 Span / 天
采样后期望值：172,800,000 × 10% = 17,280,000 Span / 天

这是便于复算的稳态算例，不是生产流量或计费测试。Span 大小还取决于属性和事件，不能直接换算成 GB；容量也要另看峰值。若应用端先丢弃 90%，尾部采样器只能对收到的剩余部分做选择，无法保证保住所有失败请求。若全部先送到远端再筛，前面的发送与接收成本已经发生。

服务错误率的口径也要一起保留。由 SDK 或 Agent 在采样之前形成的请求指标，与从已采样 Span 生成的指标，可能覆盖不同总体。迁移后看到更少错误，先检查分母和采样位置。Datadog 的 OTel 兼容文档按接入路径说明 Trace Metrics 的来源，某种 Agent 路径下的完整流量保证不能套给所有 OTLP 接入。Datadog OTel 兼容范围

可以保留探针，调查功能仍要跟着接入路径看

OpenTelemetry 让应用与传输层更容易更换目的端，没有把各家后端的聚合、剖析、服务发现和权限模型变成同一种产品。选择时，先把需要接手的工作分清：

观测云 DataKit 的 OTel 接入文档把差别落在具体端点上：gRPC 默认监听 127.0.0.1:4317，HTTP/Protobuf 链路路径默认是 :9529/otel/v1/traces。应用使用的协议、地址与 DataKit 实际监听配置要一致。Java Agent 2.x 默认使用 HTTP/Protobuf，不能照搬一个只配置 gRPC 的地址。已有 SkyWalking、Jaeger 或 Zipkin 采集，也应按对应协议与版本继续接入，而后迁移查询、告警和采样策略。

商业产品同样要按路径比较。Datadog 列出厂商 SDK、OTel SDK、Collector 和直接 OTLP 接入的功能差异；New Relic 提供原生 OTLP 接收端点；Dynatrace 的 Full-Stack 与独立遥测接入有不同范围和计量。不能把商业 APM 归为只能处理自家探针数据，也不能从接收成功推出全部深度功能相同。

自托管产品也不是同一套组件的换名。SkyWalking本身包含多种观测与分析能力；Jaeger 和 Tempo 的链路后端要使用各自支持的存储，并连接所需的其他信号。Thanos、Cortex 属于指标体系，不能作为通用 Trace 存储替代。软件已有的功能无需重新开发，生产部署和恢复责任则确实需要有人接手。

云厂商服务可以保留。阿里云 ARMS、AWS 与 Azure 要分别核对支持的运行时和产品范围。Azure Application Insights 有受支持的 OTel 接入，跨云链路是否接得上要看传播与采集。AWS 也建议将 X-Ray SDK 与 daemon 的插桩迁到 OpenTelemetry；这是采集组件的维护变化，不能误读成 X-Ray 服务整体停止。AWS 支持时间线

从 Trace 到日志和用户请求，要保留同一次操作

从慢请求跳到日志，比重新输入服务名方便得多。观测云链路详情按 trace_id 关联日志，并结合 service、env、version 等字段匹配日志索引；主机、容器和 Pod 视图还依赖相应资源标识与已采集数据。业务配置安排好以后，托管平台可以接手查询与相关视图，团队不用先交付另一套关联后端。链路详情与关联分析

延伸阅读日志、指标与链路如何组成统一可观测体系→

假设日志保留 30 天而 Trace 只保留 7 天，第八天仍能在日志里读到 trace ID，但那段 Trace 可能已经不存在。这两个期限只是例子；实际配置要让经常一起调查的信号覆盖所需窗口。权限和索引选择不同，也会让一个有效链接落到空结果。

浏览器端还多一层传播。观测云 Web SDK 用 allowedTracingUrls 选择注入 Trace Header 的请求，用 traceType 选择传播格式；后端要继续该上下文，跨域 API 要允许相应请求头。RUM 会话采样与后端 Trace 采样分别影响记录是否存在。开启 allowTraceHeaderWithoutSession 可以在未采到常规会话时继续传头，却不会补出那次会话的 RUM 记录。Web SDK 链路配置

应用团队继续维护服务命名、传播和业务字段，平台方承接后端运行与已有分析功能。AI 可以协助阅读已有证据，缺失或过期的 Span 仍然缺失；建议是否成立，要能回到对应记录解释。

费用要按实际留下的数据与运行责任算

不同 APM 工具的计量单位，会把同一个应用拆成不同账单。Datadog 的主机型 APM 方案之外，还区分摄入 GB 与索引 Span、相关功能和超额；Dynatrace Full-Stack 当前公开单位是内存 GiB-hour，日志、RUM 与额外遥测等仍按相应能力核算。New Relic 有数据加用户方案，也有符合条件的 Full Consumption 选择，额外计算功能会影响费用。Datadog 价格 · Dynatrace 价格 · New Relic 价格

Grafana Cloud 的原始 Trace 服务与 Application Observability 也要分开：后者还有 host-hours 计量与相应数据条件，不能仅按 Tempo 数据量估价。Elastic 要先区分 Serverless、Hosted 与自托管；接收端和后台处理路径也会影响应用视图是否完整。Grafana 应用观测计费 · Elastic OTel 架构

观测云企业版写入流量按压缩后字节统计，数据处理按涉及的原始流量统计，还要加上实际存储、任务和选用算力。Span 数可以帮助理解采集规模，不能直接当作整张账单的唯一单位。商业版、企业版和私有化也应分别报价。企业版计费

把请求量、Span 分布、采样位置、保留期与所需日志/RUM 放进同一个范围，再分别计算服务费、客户侧采集资源与持续维护投入。一次性迁移和并行运行另列，已经发生的旧建设投入不应再当成未来支出。只改一个 exporter 目标通常是切换；需要同时送两端，就要采用采集链路实际支持的复制方式，处理额外负载与重复计费。

数据位置应按实际部署讨论。SaaS 站点、私有部署、远程访问与外发处理形成不同数据流；厂商来自哪个国家，不能替代对这些配置和合同的判断。

如果现有链路已经能支撑日常调查，先保留它，补齐传播与关联的缺口。 需要减少跨信号排障和后端维护工作的团队，再比较观测云等托管平台能接手哪些实际工作；已有成熟平台团队、需要控制底层资源，则可继续发展自托管。决定采购范围的，应是留下来的调查能力、能够停掉的旧组件和持续运行费用。