入门OpenTelemetry——链路追踪数据收集与导出

已于 2025-05-25 19:03:55 修改
阅读量976 收藏 6
点赞数 16
CC 4.0 BY-SA版权
文章标签： OpenTelemetry
于 2025-05-25 18:55:43 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_33816243/article/details/148212077

链路追踪数据收集

链路数据收集方案

在 Kubernetes 中部署应用进行链路追踪数据收集，常见有两种方案：

  1. 基于 Instrumentation Operator 的自动注入（自动埋点）
    通过部署 OpenTelemetry Operator，并创建 Instrumentation 自定义资源（CRD），实现对应用容器的自动注入 SDK 或 Sidecar，从而无需修改应用代码即可采集追踪数据。适合需要快速接入、统一管理、降低改造成本的场景。
  2. 手动在应用中集成 OpenTelemetry SDK（手动埋点）
    在应用程序代码中直接引入 OpenTelemetry SDK，手动埋点关键业务逻辑，控制 trace span 的粒度和内容，并将数据通过 OTLP（OpenTelemetry Protocol）协议导出到后端（如 OpenTelemetry Collector、Jaeger、Tempo 等）。适合需要精准控制追踪数据质量或已有自定义采集需求的场景。

接下来以Instrumentation Operator自动注入方式演示如何收集并处理数据。

部署测试应用

接下来我们部署一个HotROD 演示程序，它内置了OpenTelemetry SDK，我们只需要配置 opentelemetry 接收地址既可，具体可参考文档：

https://github.com/jaegertracing/jaeger/tree/main/examples/hotrod

apiVersion: apps/v1
kind: Deployment
metadata:
  name: go-demo
spec:
  selector:
    matchLabels:
      app: go-demo
  template:
    metadata:
      labels:
        app: go-demo
    spec:
      containers:
      - name: go-demo
        image: jaegertracing/example-hotrod:latest
        imagePullPolicy: IfNotPresent
        resources:
          limits:
            memory: "500Mi"
            cpu: "200m"
        ports:
        - containerPort: 8080
        env:
          - name: OTEL_EXPORTER_OTLP_ENDPOINT # opentelemetry服务地址
            value: http://center-collector.opentelemetry.svc:4318
---
apiVersion: v1
kind: Service
metadata:
  name: go-demo
spec:
  selector:
    app: go-demo
  ports:
  - port: 8080
    targetPort: 8080
---
apiVersion: traefik.io/v1alpha1
kind: IngressRoute
metadata:
  name: go-demo
spec:
  entryPoints:
  - web
  routes:
  - match: Host(`go-demo.cuiliangblog.cn`)
    kind: Rule
    services:
      - name: go-demo
        port: 8080

接下来浏览器添加 hosts 解析后访问测试

Jaeger 方案

Jaeger 介绍

Jaeger 是Uber公司研发，后来贡献给CNCF的一个分布式链路追踪软件，主要用于微服务链路追踪。它优点是性能高（能处理大量追踪数据）、部署灵活（支持单节点和分布式部署）、集成方便（兼容 OpenTelemetry），并且可视化能力强，可以快速定位性能瓶颈和故障。

基于上述示意图，我们简要解析下 Jaeger 各个组件以及组件间的关系：

Client libraries（客户端库）

功能：将追踪信息（trace/span）插入到应用程序中。

说明：

  • 支持多种语言，如 Go、Java、Python、Node.js 等。
  • 通常使用 OpenTelemetry SDK 或 Jaeger Tracer。
  • 将生成的追踪数据发送到 Agent 或 Collector。

Agent（代理）

功能：接收客户端发来的追踪数据，批量转发给 Collector。

说明：

  • 接收 UDP 数据包（更轻量）
  • 向 Collector 使用 gRPC 发送数据

Collector（收集器）

功能：

  • 接收 Agent 或直接从 SDK 发送的追踪数据。
  • 处理（转码、校验等）后写入存储后端。

可横向扩展，提高吞吐能力。

Ingester（摄取器）(可选)

功能：在使用 Kafka 作为中间缓冲队列时，Ingester 从 Kafka 消费数据并写入存储。

用途：解耦收集与存储、提升稳定性。

Storage Backend（存储后端）

功能：保存追踪数据，供查询和分析使用。

支持：

  • Elasticsearch
  • Cassandra
  • Kafka（用于异步摄取）
  • Badger（仅用于开发）
  • OpenSearch

Query（查询服务）

功能：从存储中查询追踪数据，提供给前端 UI 使用。

提供 API 接口：供 UI 或其他系统（如 Grafana Tempo）调用。

UI（前端界面）

功能：

  • 可视化展示 Trace、Span、服务依赖图。
  • 支持搜索条件（服务名、时间范围、trace ID 等）。

常用用途：

  • 查看慢请求
  • 分析请求调用链
  • 排查错误或瓶颈

在本示例中，指标数据采集与收集由 OpenTelemetry 实现，仅需要使用 jaeger-collector 组件接收输入，存入 elasticsearch，使用 jaeger-query 组件查询展示数据既可。

部署 Jaeger(all in one)

资源清单

apiVersion: apps/v1
kind: Deployment
metadata:
  name: jaeger
  namespace: opentelemetry
  labels:
    app: jaeger
spec:
  replicas: 1
  selector:
    matchLabels:
      app: jaeger
  template:
    metadata:
      labels:
        app: jaeger
    spec:
      containers:
        - name: jaeger
          image: jaegertracing/all-in-one:latest
          args:
            - "--collector.otlp.enabled=true"  # 启用 OTLP gRPC
            - "--collector.otlp.grpc.host-port=0.0.0.0:4317"
          resources:
            limits:
              memory: "2Gi"
              cpu: "1"
          ports:
            - containerPort: 6831
              protocol: UDP
            - containerPort: 16686
              protocol: TCP
            - containerPort: 4317
              protocol: TCP
---
apiVersion: v1
kind: Service
metadata:
  name: jaeger
  namespace: opentelemetry
  labels:
    app: jaeger
spec:
  selector:
    app: jaeger
  ports:
    - name: jaeger-udp
      port: 6831
      targetPort: 6831
      protocol: UDP
    - name: jaeger-ui
      port: 16686
      targetPort: 16686
      protocol: TCP
    - name: otlp-grpc
      port: 4317
      targetPort: 4317
      protocol: TCP
---
apiVersion: traefik.io/v1alpha1
kind: IngressRoute
metadata:
  name: jaeger
  namespace: opentelemetry
spec:
  entryPoints:
  - web
  routes:
  - match: Host(`jaeger.cuiliangblog.cn`)
    kind: Rule
    services:
      - name: jaeger
        port: 16686

接下来配置 hosts 解析后浏览器访问既可。

部署 Jaeger(分布式)

all in one 数据存放在内存中不具备高可用性，生产环境中建议使用Elasticsearch 或 OpenSearch 作为 Cassandra 的存储后端，以 ElasticSearch 为例，部署操作具体可参考文档：https://www.cuiliangblog.cn/detail/section/162609409

导出 ca 证书

# kubectl -n elk get secret elasticsearch-es-http-certs-public -o go-template='{{index .data "ca.crt" | base64decode }}' > ca.crt
# kubectl create secret -n opentelemetry generic es-tls-secret --from-file=ca.crt=./ca.crt
secret/es-tls-secret created

此处使用 helm 方式部署 jaeger，具体可参考文档：https://github.com/jaegertracing/helm-charts/tree/v2

获取 chart 包

# helm repo add jaegertracing https://jaegertracing.github.io/helm-charts
"jaegertracing" has been added to your repositories
# helm search repo jaegertracing
NAME                            CHART VERSION   APP VERSION     DESCRIPTION                              
jaegertracing/jaeger            3.4.1           1.53.0          A Jaeger Helm chart for Kubernetes       
jaegertracing/jaeger-operator   2.57.0          1.61.0          jaeger-operator Helm chart for Kubernetes
# helm pull jaegertracing/jaeger --untar
# cd jaeger
# ls
Chart.lock  charts  Chart.yaml  README.md  templates  values.yaml

修改安装参数

provisionDataStore: # 不安装后端存储
  cassandra: false
  elasticsearch: false
agent:
  enabled: false # 不需要安装agent
spark:
  enabled: true # 安装spark，用于从追踪信息中提取服务调用关系图
collector: 
  service:
    otlp: # 接收otlp数据
      grpc:
        name: otlp-grpc
        port: 4317
        # nodePort:
      http:
        name: otlp-http
        port: 4318
storage:
  type: elasticsearch # 使用elasticsearch存储
  elasticsearch:
    scheme: https
    host: elasticsearch-es-http.elk.svc
    port: 9200
    anonymous: false
    user: admin
    usePassword: true
    password: 123.com
    nodesWanOnly: false
    extraEnv: []
    cmdlineParams:
      {}
    tls:
      enabled: true
      secretName: es-tls-secret
      mountPath: /es-tls/ca.crt
      subPath: ca.crt
      ca: /es-tls/ca.crt

安装 jaeger

# helm install jaeger -n opentelemetry . -f values.yaml 
NAME: jaeger
LAST DEPLOYED: Tue Apr 29 14:11:35 2025
NAMESPACE: opentelemetry
STATUS: deployed
REVISION: 1
TEST SUITE: None
NOTES:
###################################################################
### IMPORTANT: Ensure that storage is explicitly configured     ###
### Default storage options are subject to change.              ###
###                                                             ###
### IMPORTANT: The use of <component>.env: {...} is deprecated. ###
### Please use <component>.extraEnv: [] instead.                ###
###################################################################

You can log into the Jaeger Query UI here:

  export POD_NAME=$(kubectl get pods --namespace opentelemetry -l "app.kubernetes.io/instance=jaeger,app.kubernetes.io/component=query" -o jsonpath="{.items[0].metadata.name}")
  echo http://127.0.0.1:8080/
  kubectl port-forward --namespace opentelemetry $POD_NAME 8080:16686
# kubectl get pod -n opentelemetry                                  
NAME                                READY   STATUS    RESTARTS        AGE
center-collector-79978d9c9b-rrpgl   1/1     Running   1 (3h57m ago)   4h36m
jaeger-collector-5f5948c494-vzbxn   1/1     Running   0               4m39s
jaeger-query-75cb86f44d-np6b7       2/2     Running   0               4m39s
# kubectl get svc -n opentelemetry | grep jaeger
jaeger-collector               ClusterIP   10.105.82.204   <none>        14250/TCP,14268/TCP,4317/TCP,4318/TCP,14269/TCP   40s
jaeger-query                   ClusterIP   10.108.108.99   <none>        80/TCP,16685/TCP,16687/TCP                        40s

创建 ingress 资源

cat jaeger.yaml           
apiVersion: traefik.io/v1alpha1
kind: IngressRoute
metadata:
  name: jaeger
  namespace: opentelemetry
spec:
  entryPoints:
  - web
  routes:
  - match: Host(`jaeger.cuiliangblog.cn`)
    kind: Rule
    services:
      - name: jaeger
        port: 16686#                                                                                               
# kubectl apply -f jaeger.yaml    
ingressroute.traefik.io/jaeger created

接下来配置 hosts 解析后浏览器访问既可。

配置 Collector

apiVersion: opentelemetry.io/v1beta1
kind: OpenTelemetryCollector
# 元数据定义部分
metadata:
  name: center        # Collector 的名称为 center
  namespace: opentelemetry
# 具体的配置内容
spec:
  replicas: 1           # 设置副本数量为1
  config:               # 定义 Collector 配置
    receivers:          # 接收器，用于接收遥测数据（如 trace、metrics、logs）
      otlp:             # 配置 OTLP（OpenTelemetry Protocol）接收器
        protocols:      # 启用哪些协议来接收数据
          grpc: 
            endpoint: 0.0.0.0:4317      # 启用 gRPC 协议
          http: 
            endpoint: 0.0.0.0:4318      # 启用 HTTP 协议

    processors:         # 处理器，用于处理收集到的数据
      batch: {}         # 批处理器，用于将数据分批发送，提高效率

    exporters:          # 导出器，用于将处理后的数据发送到后端系统
      # debug: {}         # 使用 debug 导出器，将数据打印到终端（通常用于测试或调试）
      otlp:               # 数据发送到jaeger的grpc端口
        endpoint: "jaeger-collector:4317"
        tls: # 跳过证书验证
          insecure: true

    service:            # 服务配置部分
      pipelines:        # 定义处理管道
        traces:         # 定义 trace 类型的管道
          receivers: [otlp]                      # 接收器为 OTLP
          processors: [batch]                    # 使用批处理器
          exporters: [otlp]                      # 将数据发送到otlp

访问验证

接下来我们随机访问 demo 应用，并在 jaeger 查看链路追踪数据。

Jaeger 系统找到了一些 trace 并显示了一些关于该 trace 的元数据，包括参与该 trace 的不同服务的名称以及每个服务发送到 Jaeger 的 span 记录数。

jaeger 使用具体可参考文章https://medium.com/jaegertracing/take-jaeger-for-a-hotrod-ride-233cf43e46c2

Tempo 方案

Tempo 介绍

Grafana Tempo是一个开源、易于使用的大规模分布式跟踪后端。Tempo具有成本效益，仅需要对象存储即可运行，并且与Grafana，Prometheus和Loki深度集成，Tempo可以与任何开源跟踪协议一起使用，包括Jaeger、Zipkin和OpenTelemetry。它仅支持键/值查找，并且旨在与用于发现的日志和度量标准(示例性)协同工作。

Distributors（分发器）

功能：接收客户端发送的追踪数据并进行初步验证

说明：

  • 对 Trace 进行分片、标签处理。
  • 将数据转发给合适的 Ingesters。

Ingesters（摄取器）

功能：处理和持久化 Trace 数据

说明：

  • 接收来自 Distributor 的数据。
  • 在内存中缓存直到追踪完成（完整的 Trace）。
  • 再写入后端对象存储。

Storage（对象存储）

功能：持久化存储 Trace 数据

说明：

  • 支持多种对象存储（S3、GCS、MinIO、Azure Blob 等）。
  • Tempo 存储的是压缩的完整 Trace 文件，使用 trace ID 进行索引。

Compactor（数据压缩）

**功能：**合并 trace 数据，压缩多个小 block 成一个大 block。

说明：

  • 可以单独运行 compactor 容器或进程。
  • 通常以 后台任务 的方式运行，不参与实时 ingest 或 query。

Tempo Query（查询前端）

功能：处理来自用户或 Grafana 的查询请求

说明：

  • 接收查询请求。
  • 提供缓存、合并和调度功能，优化查询性能。
  • 将请求转发给 Querier。

Querier（查询器）

功能：从存储中检索 Trace 数据

说明：

  • 根据 trace ID 从对象存储中检索完整 trace。
  • 解压和返回结构化的 Span 数据。
  • 返回结果供 Grafana 或其他前端展示。

部署 Tempo

推荐用Helm 安装，官方提供了tempo-distributed Helm chart 和 tempo Helm chart 两种部署模式，一般来说本地测试使用 tempo Helm chart，而生产环境可以使用 Tempo 的微服务部署方式 tempo-distributed。接下来以整体模式为例，具体可参考文档https://github.com/grafana/helm-charts/tree/main/charts/tempo

创建 s3 的 bucket、ak、sk 资源，并配置权限。具体可参考文档：https://www.cuiliangblog.cn/detail/section/121560332

获取 chart 包

# helm repo add grafana https://grafana.github.io/helm-charts
# helm pull grafana/tempo --untar
# cd tempo 
# ls
Chart.yaml  README.md  README.md.gotmpl  templates  values.yaml

修改配置，prometheus 默认未启用远程写入，可参考文章开启远程写入https://www.cuiliangblog.cn/detail/section/15189202

# vim values.yaml
tempo:
  storage:
    trace: # 默认使用本地文件存储，改为使用s3对象存储
      backend: s3
      s3:
        bucket: tempo                      # store traces in this bucket
        endpoint: minio-service.minio.svc:9000  # api endpoint
        access_key: zbsIQQnsp871ZnZ2AuKr                                 # optional. access key when using static credentials.
        secret_key: zxL5EeXwU781M8inSBPcgY49mEbBVoR1lvFCX4JU             # optional. secret key when using static credentials.
        insecure: true                                 # 跳过证书验证

创建 tempo

# helm install tempo -n opentelemetry . -f values.yaml
NAME: tempo
LAST DEPLOYED: Tue May  6 10:26:08 2025
NAMESPACE: opentelemetry
STATUS: deployed
REVISION: 1
TEST SUITE: None
# kubectl get pod -n opentelemetry        
NAME                                READY   STATUS    RESTARTS   AGE
center-collector-7fb65bcb44-pnx6s   1/1     Running   0          6d19h
tempo-0                             1/1     Running   0          2m24s
# kubectl get svc -n opentelemetry | grep tempo 
tempo                          ClusterIP   10.111.81.228   <none>        6831/UDP,6832/UDP,3100/TCP,14268/TCP,14250/TCP,9411/TCP,55680/TCP,55681/TCP,4317/TCP,4318/TCP,55678/TCP   24s

配置 Collector

tempo 服务的otlp 数据接收端口分别为4317(grpc)和4318(http)，修改OpenTelemetryCollector 配置，将数据发送到 tempo 的 otlp 接收端口。

apiVersion: opentelemetry.io/v1beta1
kind: OpenTelemetryCollector
# 元数据定义部分
metadata:
  name: center        # Collector 的名称为 center
  namespace: opentelemetry
# 具体的配置内容
spec:
  replicas: 1           # 设置副本数量为1
  config:               # 定义 Collector 配置
    receivers:          # 接收器，用于接收遥测数据（如 trace、metrics、logs）
      otlp:             # 配置 OTLP（OpenTelemetry Protocol）接收器
        protocols:      # 启用哪些协议来接收数据
          grpc: 
            endpoint: 0.0.0.0:4317      # 启用 gRPC 协议
          http: 
            endpoint: 0.0.0.0:4318      # 启用 HTTP 协议

    processors:         # 处理器，用于处理收集到的数据
      batch: {}         # 批处理器，用于将数据分批发送，提高效率

    exporters:          # 导出器，用于将处理后的数据发送到后端系统
      # debug: {}         # 使用 debug 导出器，将数据打印到终端（通常用于测试或调试）
      otlp:               # 数据发送到tempo的grpc端口
        endpoint: "tempo:4317"
        tls: # 跳过证书验证
          insecure: true

    service:            # 服务配置部分
      pipelines:        # 定义处理管道
        traces:         # 定义 trace 类型的管道
          receivers: [otlp]                      # 接收器为 OTLP
          processors: [batch]                    # 使用批处理器
          exporters: [otlp]                     # 将数据打印到OTLP

访问验证

访问 grafana，添加 tempo 数据源。

查看 traces 数据

服务拓扑图配置

Tempo Metrics Generator 是 Grafana Tempo 提供的一个 可选组件，用于将 Trace（链路追踪数据）转换为 Metrics（指标数据），从而实现 Trace-to-Metrics（T2M） 的能力，默认情况下 tempo 并未启用该功能。

  1. prometheus 开启remote-write-receiver 功能，关键配置如下：
# vim prometheus-prometheus.yaml
spec:
  # enableFeatures: 
  enableFeatures: # 开启远程写入
  - remote-write-receiver
  externalLabels:
    web.enable-remote-write-receiver: "true"
# kubectl apply -f prometheus-prometheus.yaml

具体可参考文档：https://m.cuiliangblog.cn/detail/section/15189202

  1. tempo 开启metricsGenerator 功能，关键配置如下：
# vim values.yaml
global:
  per_tenant_override_config: /runtime-config/overrides.yaml
  metrics_generator_processors:
  - 'service-graphs'
  - 'span-metrics'
tempo:
  metricsGenerator:
    enabled: true # 从 Trace 中自动生成 metrics（指标），用于服务调用关系图
    remoteWriteUrl: "http://prometheus-k8s.monitoring.svc:9090/api/v1/write" # prometheus地址
  overrides: # 多租户默认配置启用metrics
    defaults: 
      metrics_generator:
        processors:
          - service-graphs
          - span-metrics

此时查询 prometheus 图表，可以获取traces 相关指标

  1. grafana 数据源启用节点图与服务图，配置如下

  1. 查看服务图数据

查看更多

崔亮的博客-专注devops自动化运维，传播优秀it运维技术文章。更多原创运维开发相关文章，欢迎访问https://www.cuiliangblog.cn
或关注公众号《崔亮的博客》

Prometheus全方位指南：从监控小白到调优高手
专注于编程、AI、人工智能等多个领域内容研究和分析
04-19 143
Prometheus是一套开源的监控和告警工具集，最初由SoundCloud开发，现已成为CNCF(云原生计算基金会)的毕业项目。它专为动态云环境设计，特别适合容器化和微服务架构的监控需求。Prometheus已经证明了自己是现代监控系统的标杆之作。Prometheus的核心概念与架构设计多种环境下的部署方法配置文件的深度解析与调优技巧典型应用场景与实战案例性能优化与问题排查方法记住，好的监控系统应该像优秀的守夜人——平时默默无闻，关键时刻能及时发出警报。
监控领域_OpenTelemetry_Python_链路追踪_1741403392.zip
03-10
python学习资源
k8s学习(三十八) 使用OpenTelemetry+jaeger实现链路追踪
文若书生的专栏
08-19 2761
OpenTelemetry 可以用于从应用程序收集数据。它是一组工具、API 和 SDK 集合，我们可以使用它们来检测、生成、收集和导出遥测数据（指标、日志和追踪），以帮助分析应用的性能和行为。
OpenTelemetry 链路追踪介绍
2403_88275882的博客
05-25 1108
OpenTelemetry是一个合并了OpenTracing和OpenCensus的开源观测框架,本文简单介绍Open Telemetry。
阿里云Kubernetes SpringCloud 实践进行时(4): 分布式链路追踪
weixin_34308389的博客
05-25 231
简介 为了更好地支撑日益增长的庞大业务量，我们常常需要把服务进行整合、拆分，使我们的服务不仅能通过集群部署抵挡流量的冲击，又能根据业务在其上进行灵活的扩展。随着分布式的普及、服务的快速增长与云计算技术的进步，微服务架构也因其特有的优势而备受关注。微服务架构的本质，是把整体的业务拆分成很多有特定明确功能的服务，通过很多分散的小服务之间的配合，去解决更大，更...
Kubernetes+SpirngCloud+SkyWalking实现链路追踪
迪八戈的博客
10-02 2289
Kubernetes+SpirngCloud集成SkyWalking实现链路追踪
Kubernetes + Spring Cloud 集成链路追踪 SkyWalking
Zee的原创
06-30 1113
一、概述 1、什么是 SkyWalking ？ 分布式系统的应用程序性能监视工具，专为微服务、云原生架构和基于容器（Docker、K8s、Mesos）架构而设计。提供分布式追踪、服务网格遥测分析、度量聚合和可视化一体化解决方案。 官网地址：http://skywalking.apache.org/ 2、SkyWalking 特性 多种监控手段，语言探针和 Service Mesh 多语言自动探针，Java，.NET Core和Node.JS 轻量高效，不需要大数据
基于kubernetes的jaeger 链路追踪部署
zhanglu0302的博客
10-26 3172
基于kubernetes的jaeger 链路追踪部署jaeger的相关知识介绍架构图对OpenTracing的原生支持多个存储后端jaeger-agent（代理）jaeger-collectorjaeger-queryhotrod基于k8s的jaeger安装1.configmap 部署: jaeger-config.yaml2. jaeger-query 部署安装: jaeger-query-deployment.yml3.jaeger query service的安装：jaeger-query-servi
OpenTelemetry 全面详解
最新发布
gopher123的博客
06-25 663
OpenTelemetry：统一的可观测性框架 OpenTelemetry（OTEL）是CNCF推出的标准化可观测性框架，旨在解决微服务环境中日志、指标和追踪工具碎片化的问题。它提供跨语言一致的SDK和API，标准化数据模型（OTLP协议），并支持与主流监控系统集成。核心组件包括Instrumentation API、语言SDK、自动埋点工具和可选Collector中间件，支持三大数据类型：分布式追踪（Trace）、指标（Metrics）和结构化日志（Logs）。OTEL通过上下文传播实现跨服务追踪联动，提
快速基于 ClickHouse + Grafana 搭建可观测性解决方案 - 分布式链路追踪篇(ClickHouse 官方博客)...
o__cc的博客
08-09 1648
引言 在 ClickHouse，我们认为可观测性仅仅是另一个实时分析问题。作为一款高性能的实时分析数据库，ClickHouse 被用于多种场景，包括时间序列数据的实时分析。其应用场景的多样性推动了大量分析函数的发展，这些函数有助于查询大多数数据类型。这些查询特性和高压缩率使得越来越多的用户开始利用 ClickHouse 来存储可观测性数据。这类数据通常以三种形式出现：logs(日志)、metri...
OpenTelemetry部署
qq_62368250的博客
11-05 1582
没有OpenTelemetry之前这三种监控都是单独部署在应用程序上。
opentelemetry-java：OpenTelemetry Java SDK
02-09
开放遥测 我们定期开会。 请参阅详细信息。 我们将用于支持或一般性问题。 随时给我们留言。 总览 OpenTelemetry是将OpenCensus和OpenTracing合并为一个项目。 该项目包含以下顶级组件： ： 包括Tracer ， Span ， SpanContext和Baggage 为OpenTelemetry语义约定生成的代码。 OpenTelmetry上下文实现。 alpha代码。 定义了其他API扩展，这些扩展不属于核心API。 定义了OpenTelemetry API的实现。 定义了其他SDK扩展，它们不是核心SDK的一部分。 定义了从OpenTracing到OpenTelemetry API的桥接层。 有关如何使用API​​，SDK和标准导出程序的。 我们希望收到广大社区的来信：请主动提供反馈。 要求 除非另有说明，否则所有已发布的工
opentelemetry-cpp-contrib
04-19
OpenTelemetry C ++贡献者 该存储库包含扩展OpenTelemetry SDK功能的组件集。 仪器库，导出器和其他组件可在此处找到它们的主页。 贡献 有关如何捐款的信息，请参阅 支持 该存储库接受公共捐助。 各个组件由众多贡献者开发。 主要OpenTelemetry C ++ SDK库的批准者和维护者不应直接对每个组件做出贡献。 GitHub CODEOWNER S文件是通过根据修改的文件自动将审阅者分配给拉取请求来自动消除与github上的审阅系统相关的某些CODEOWNER的简单方法。 鼓励各个组件按照的过程对CODEOWNER S文件提出更改建议。 该存储库非常适合社区支持的组件。 需要更高可支持性的供应商特定代码保证需要放置在供应商的存储库中。 供应商存储库中的软件包将以供应商名称作为前缀，以表示与社区支持的组件的区别。
OpenTelemetry Android SDK 使用指南
gitblog_00975的博客
09-11 567
OpenTelemetry Android SDK 使用指南 项目介绍 OpenTelemetry Android SDK 是一个强大的监控和可观测性工具包，专为Android应用程序设计。它允许开发者轻松集成分布式追踪、度量采集功能，帮助您深入理解应用程序运行状况和性能表现。通过此SDK，您可以无缝接入OpenTelemetry生态，实现跨服务跟踪，优化系统诊断和性能分析。 项目快速启动 要快速...
OpenTelemetry 实践指南：历史、架构与基本概念
m0_74824044的博客
01-17 1320
但我们打开 OpenTelemetry 社区的 GitHub 首页时，会看到有许多项目；第一反应应该是比较蒙的，下面我会着重介绍一些比较重要的项目。在开始之前还是先简单介绍下 OpenTelemetry 的一些基础组件和概念：整个 OpenTelemetry 系统其实可以简单分为三个部分：客户端数据存储第一个客户端很好理解，也就是我们的业务应用；如果是 Java 应用只需要挂载一个 agent 就可以自动采集系统的指标、链路信息、日志等上传到 Collector 中。也就是上图的左边部分。
快速高效监控Django的链路追踪之open-telemetry
hanmoxin的博客
09-08 582
最近在研究前端的页面数据收集，踩了一些坑，现在分享一下接入过程。
OpenTelemetry在企业内部应用所需要的技术栈
crossoverJie专栏
09-18 732
可观测性概念当一个软件或系统出于运行状态时，如果我们不对他加以观测，那它的运行状态对我们来说就是一个黑盒。如上图所示。我们只能通过业务的表象来判断它是否正常运行，无法在故障发生前进行预判，从而只能被动解决问题。这类问题在微服务时代体现的更加明显，即便是业务已经出现问题，在没有可观测性系统的前提下想要定位问题更是难上加难。好在可观测性这个概念由来已久，已经由一些业界大佬抽象出几个基本概念：Logs：...
OpenTelemetry协议之指标数据模型
MCC_MCC_MCC的博客
09-06 1302
指标的 OpenTelemetry 数据模型由协议规范和语义约定组成，用于投递预聚合的指标时间序列数据，该数据模型旨在从现有系统导入数据并将数据导出到现有系统，并支持内部 OpenTelemetry 用例，以从 Spans 或日志流生成指标。流行的现有指标数据格式可以明确地转换为OpenTelemetry 的指标数据模型，而不会丢失语义或保真度，明确指定从 Prometheus 和 Statsd exposition 格式进行的翻译。
OpenTelemetry 实战：从零实现分布式链路追踪
m0_74823611的博客
02-27 1231
我们在看链路信息的时候其实看的最多的是某个span里的attribute数据（有些地方又称为tag) 如下图所示：这里会展示当前span的各种信息，但如果我们想要额外加一些自己关心的数据应该如何添加呢？比如我们想知道这个 grpc 接口里的 name 参数，如上图所示那样展示在 span 中。好在span :=??in.Name))我们使用获取到当前的 span，然后调用就可以添加自定义的数据了。对应的 Java 也有类似的函数。除了新增attribute。
visual studio 代码格式化快捷键
07-04
Visual Studio Code（简称VSCode）是一款非常流行的轻量级源代码编辑器，支持多种编程语言，并提供了丰富的扩展插件。关于代码格式化的快捷键，不同操作系统和VSCode的设置可能略有差异，但通常情况下，你可以按下以下组合键来进行代码格式化： 1. **Windows/Linux**: `Ctrl + Shift + F` 或者 `Cmd + Shift + F` (Mac) 2. **macOS**: `Cmd + I` 这些快捷键会打开“格式代码”功能，根据你安装的代码风格配置自动调整代码格式。如果你希望自定义格式化规则或为特定文件类型选择不同的格式化快捷键，可以在VSCode的用户设置中进行配置。 如果你想创建自己的快捷键绑定，可以在`File > Preferences > Keybindings.json`文件中添加新的命令映射。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值