SuperAPI AI 工具集

instrument-distributed-tracing

通用与其它

查看项目

更新于 10-16 03:42

技能介绍

用途:为微服务应用实现 OpenTelemetry 分布式追踪,跟踪跨服务请求并定位性能瓶颈,适用于调试多服务延迟、梳理请求依赖、发现慢查询或外部 API 调用、将追踪与日志指标关联做根因分析、测量端到端延迟,以及从 Zipkin、Jaeger 等旧系统迁移。

主要能力:

  1. 部署追踪后端,资料给出 Jaeger all-in-one 与 Grafana Tempo 的 docker-compose 示例及 Tempo 的 S3 存储配置。
  2. 自动埋点,涵盖 Python Flask、Go Gin、Node.js Express,含对应安装命令如 pip install opentelemetry-distro opentelemetry-exporter-otlp、go get go.opentelemetry.io/otel、npm install @opentelemetry/sdk-node 等。
  3. 手动埋点,创建自定义 span 记录业务逻辑、数据库查询与外部调用,并给出 semantic conventions 属性与错误记录建议。
  4. 上下文传播,覆盖 W3C Trace Context HTTP 头、Kafka 消息队列及 Python asyncio 异步场景。
  5. 采样策略,含 ParentBased、TraceIdRatioBased 等,以及 Tempo 基于 TraceQL 的尾采样与速率限制参数。
  6. 与指标日志关联,将 trace ID 写入日志,用 Tempo metrics generator 生成 Prometheus 指标并通过 exemplar 关联回追踪。

使用方式:按步骤先部署后端,再对应用做自动埋点,补充手动 span,配置传播与采样,最后打通指标日志关联。验证要点包括各服务 span 是否上报、父子关系是否正确、采样率是否达标、日志中是否出现 trace ID 等。

限制与坑点:资料提醒注意上下文未传播、span 未结束导致内存泄漏、过度埋点造成追踪膨胀、未记录错误、高基数属性、span kind 使用不当、采样决策未遵循父上下文等问题。官方未提供的具体收费、性能数字与版本兼容细节暂未提供。