跳到主要内容

OpenTelemetry 架构

介绍​

OpenTelemetry（简称OTel）是一个开源的可观测性框架，用于生成、收集和导出遥测数据（指标、日志、跟踪）。它的架构设计允许开发者以统一的方式监控分布式系统的行为。本文将逐步拆解其核心组件，并通过实际案例帮助你理解其工作原理。

核心组件​

OpenTelemetry架构主要由以下模块组成：

1. API层​

  • 提供与语言无关的接口规范（如TracerProvider、Meter）
  • 示例（Python API）：
    python
    from opentelemetry import trace
    tracer = trace.get_tracer("my.tracer")

2. SDK层​

  • 实现API的具体功能，包含：
    • 采样策略（Sampling）
    • 处理器（Processors）
    • 导出器（Exporters）
  • 配置示例：
    go
    exporter := otlptracehttp.NewExporter()
    tp := trace.NewTracerProvider(trace.WithBatcher(exporter))

3. Collector（收集器）​

作为独立进程运行的核心数据处理枢纽：

关键功能
  • 接收：支持多种协议（OTLP/gRPC/HTTP）
  • 处理：过滤、转换、丰富数据
  • 导出：转发到监控后端

数据流示例​

假设一个HTTP服务调用数据库：

对应的跟踪数据会包含：

  1. 父Span（HTTP请求）
  2. 子Span（数据库查询）

实际案例：电商应用监控​

场景：跟踪用户下单流程

python
# 创建跟踪
with tracer.start_as_current_span("checkout"):
    # 记录支付步骤
    with tracer.start_as_current_span("process_payment"):
        payment_result = process_payment()
    
    # 记录库存更新
    with tracer.start_as_current_span("update_inventory"):
        update_inventory()

导出的跟踪数据可能包含：

  • 总耗时
  • 各子步骤状态
  • 错误信息（如有）

总结​

OpenTelemetry架构通过分层设计实现了：

  1. 标准化：统一各类遥测数据
  2. 灵活性：支持多种语言和后端
  3. 扩展性：Collector可插件化扩展
练习建议
  1. 使用opentelemetry-auto-instrumentation自动检测一个Python Flask应用
  2. 配置Collector将数据导出到Jaeger
  3. 尝试添加自定义属性到Span中

延伸阅读​

  • 官方架构文档
  • 《Distributed Tracing in Practice》书籍
  • OpenTelemetry Collector的transform处理器用法