LinkedIn用OpenTelemetry打通客户端到后端追踪

LinkedIn搭建了一套基于OpenTelemetry的端到端遥测平台，把iOS、Android和Web端的用户操作，与负责处理请求的前后端服务及底层数据存储连接起来，试图解决客户端行为分析和后端分布式追踪长期割裂的问题。

过去，客户端系统能够记录按钮点击、页面加载或报错，后端追踪则负责展示请求经过哪些服务，但两套数据往往需要人工拼接。新方案允许工程师从用户交互出发，沿着前端、后端服务一路定位到数据存储。针对一个页面可能触发大量请求的情况，LinkedIn在标准traceId之外引入pageForestId，为页面级用户旅程提供统一上下文。同一页面产生的多个请求仍各自保留traceId，同时可通过pageForestId进行关联，从而兼顾单请求排障和跨请求体验分析。

LinkedIn的技术栈包括移动端、Web端，以及采用Java、Python、Go和Rust开发的后端。平台以OpenTelemetry的通用埋点模型、上下文传播机制和语义约定为基础，并在标准SDK之上封装扩展，让产品团队按照统一规范接入，平台则集中处理移动应用生命周期、遥测上报和内部元数据。客户端与服务端都会生成span，HTTP和gRPC框架可自动覆盖常见调用路径，关键业务操作也能补充手动span。

遥测数据通过Apache Kafka传输，并写入ClickHouse，pageForestId、traceId和时间戳共同承担数据关联职责。由于完整采集每个span会产生庞大数据量，平台采用协同头部采样，让客户端和服务端对同一用户旅程使用一致的采样结果。经过匿名化的用户标识用于维持这种一致性，避免只保留客户端记录或只留下后端追踪。平台还区分体验质量数据与调试数据，LinkedIn估计部分后端追踪中最多90%属于调试级信息。

移动端还面临应用进入后台、挂起甚至被系统终止，导致数据尚未上传的问题。为此，平台会批量处理span，并在应用切入后台时主动刷新遥测数据。同时，属性白名单、黑名单和内容脱敏机制限制可进入追踪链路的数据，降低敏感用户信息或应用数据意外泄露的风险。

Jaeger、Grafana Tempo等传统工具主要面向后端服务间追踪，Datadog和New Relic则将分布式追踪与真实用户监控、应用性能监控结合。LinkedIn的重点并非单纯增加一种商业平台能力，而是以OpenTelemetry作为跨客户端与后端遥测的统一底座，再借助pageForestId扩展请求分组，并用Kafka和ClickHouse构建可控的采集存储体系。这样，工程师能够把用户看到的加载缓慢、操作失败和功能异常，直接关联到背后的技术根因。