SofaTracer源码分析之日志采样原理
在SofaTracer中，有两种类型的日志采样，一是固定比率的采样，这也是默认的采样方式，二是自定义采样器。固定比率的采样只需要我们在项目的配置文件里面填上下列信息：
com.alipay.sofa.tracer.samplerName=PercentageBasedSamplercom.alipay.sofa.tracer.samplerPercentage=100
自定义采样器需要我们提供了一个Sampler接口的实现类，并重写sample方法，然后在配置文件里指定我们自定义的采样器。
com.alipay.sofa.tracer.samplerCustomRuleClassName = xxx.CustomOpenRulesSamplerRuler1、Sampler接口
我们先来看看Sampler接口的类图：
里面最重要的一个方法就是sample(SofaTracerSpan sofaTracerSpan)，方法返回SamplingStatus，这个SamplingStatus维护一个布尔类型的采样标记，和一些tags，在SofaTracer中，也只有唯一的一个实现类SofaTracerPercentageBasedSampler。
2、SofaTracerPercentageBasedSampler
SofaTacer中的日志采样是采用蓄水池算法获取一个BitSet。关于蓄水池算法和这个BitSet，后面我们专门说。
private final BitSet sampleDecisions;private final SamplerProperties configuration;public SofaTracerPercentageBasedSampler(SamplerProperties configuration) {int outOf100 = (int) (configuration.getPercentage());this.sampleDecisions = randomBitSet(100, outOf100, new Random());this.configuration = configuration;}
在SofaTracerPercentageBasedSampler中：
@1：维护一个SamplerProperties，这个SamplerProperties里面的值就是我们在配置文件配置的采样比率和自定义的类的类名。
@2：维护一个BitSet，这个BitSet的大小是100，在构建这个BitSet时，要从所有日志中抓取的日志比例就是我们传入的百分比取整数，如果我们传的是100，那么就会全部采样，如果是20，那么就会采样20%.
2.1 SofaTracerPercentageBasedSampler#sample
public SamplingStatus sample(SofaTracerSpan sofaTracerSpan) {SamplingStatus samplingStatus = new SamplingStatus();Map<String, Object> tags = new HashMap<String, Object>();//@1tags.put(SofaTracerConstant.SAMPLER_TYPE_TAG_KEY, TYPE);tags.put(SofaTracerConstant.SAMPLER_PARAM_TAG_KEY, configuration.getPercentage());tags = Collections.unmodifiableMap(tags);samplingStatus.setTags(tags);//@2if (this.configuration.getPercentage() == 0) {samplingStatus.setSampled(false);return samplingStatus;} else if (this.configuration.getPercentage() == 100) {samplingStatus.setSampled(true);return samplingStatus;}//@3boolean result = this.sampleDecisions.get((int) (this.counter.getAndIncrement() % 100));samplingStatus.setSampled(result);return samplingStatus;}
@1:往SamplingStatus的tags属性里面填充相关信息，这里面主要放的是：
sampler.type--->PercentageBasedSampler
sampler.param--->我们配置的采样比率
@2：这是两个采样的极端，如果配置的比率为0，那么就不采样，如果配置的是100的话，那么就会全部采样，默认百分比为100
@3：根据蓄水池算法获取的BitSet,然后用一个原子整数变量自增后跟100取模，用这个结果作为下标从BitSet里面取值，如果为true，则采样。
2.2 SofaTracerPercentageBasedSampler#randomBitSet
public static BitSet randomBitSet(int size, int cardinality, Random rnd) {BitSet result = new BitSet(size);int[] chosen = new int[cardinality];int i;//@1for (i = 0; i < cardinality; ++i) {chosen[i] = i;result.set(i);}//@2for (; i < size; ++i) {int j = rnd.nextInt(i + 1);if (j < cardinality) {result.clear(chosen[j]);result.set(i);chosen[j] = i;}}return result;}
这就是根据蓄水池算法获取到的Bitset，在stackoverflow上，可以看到实现。
@1：从下标0开始，直到（cardinality-1），设置BitSet
@2: 在BitSet中随机设置下标值，已达到分散的目的。
3、BitSet
BitSet的实现位于java.util包中。BitSet类实现了一个按需增长的位向量。BitSet的每一个组件都有一个boolean值。用非负的整数将BitSet的位编入索引。可以对每个编入索引的位进行测试、设置或者清除。通过逻辑与、逻辑或和逻辑异或操作，可以使用一个 BitSet修改另一个 BitSet的内容。默认情况下，set 中所有位的初始值都是false。每个位 set 都有一个当前大小，也就是该位 set 当前所用空间的位数。注意，这个大小与位 set 的实现有关，所以它可能随实现的不同而更改。位 set 的长度与位 set 的逻辑长度有关，并且是与实现无关而定义的。
1、如果指定了bitset的初始化大小，那么会把他规整到一个大于或者等于这个数字的64的整倍数。比如64位，bitset的大小是1个long，而65位时，bitset大小是2个long，即128位。做这么一个规定，主要是为了内存对齐，同时避免考虑到不要处理特殊情况，简化程序。
2：BitSet的size方法：返回此 BitSet 表示位值时实际使用空间的位数，值是64的整数倍
length方法：返回此 BitSet 的“逻辑大小”：BitSet 中最高设置位的索引加 1
3.1 使用场景
常见的应用场景是对海量数据进行一些统计工作，比如日志分析、用户数统计等。例如：
有1千万个随机数，随机数的范围在1到1亿之间。将1到1亿之间没有在随机数中的数求出来
public static void main(String[] args){Random random=new Random();List<Integer> list=new ArrayList<>();for(int i=0;i<10000000;i++){int randomResult=random.nextInt(100000000);list.add(randomResult);}BitSet bitSet=new BitSet(100000000);for(int i=0;i<10000000;i++){bitSet.set(list.get(i));}System.out.println("0~1亿不在上述随机数中有"+bitSet.cardinality());for (int i = 0; i < 100000000; i++){if(!bitSet.get(i)){System.out.println(i);}}}