跳到主要内容

OpenTelemetry 信号概述

OpenTelemetry是现代可观测性(Observability)的标准工具集，它通过三大信号类型帮助开发者理解系统的运行状态。本文将带你认识这些信号的核心概念、相互关系以及实际应用。

什么是可观测性信号？​

可观测性信号是系统向外部暴露的状态数据，就像汽车的仪表盘：

  • 指标(Metrics)：量化数据（如CPU使用率）
  • 日志(Logs)：离散事件记录（如错误消息）
  • 追踪(Traces)：请求的生命周期（如API调用链）

1. 指标(Metrics)​

核心概念​

指标是随时间变化的数值测量，例如：

  • 服务器内存使用量
  • HTTP请求成功率
  • 数据库查询延迟
指标的特点
  • 低开销
  • 适合监控和告警
  • 通常以固定间隔采集

代码示例​

python
from opentelemetry import metrics

meter = metrics.get_meter("shopping.cart")
requests_counter = meter.create_counter(
    "http.requests",
    description="Total HTTP requests"
)

# 记录指标
requests_counter.add(1, {"method": "GET", "status": "200"})

2. 日志(Logs)​

核心概念​

日志是带时间戳的事件记录，包含：

  • 错误堆栈
  • 系统状态变更
  • 关键业务事件
注意

避免过度日志记录，这可能导致：

  • 存储成本激增
  • 关键信息被淹没

结构化日志示例​

json
{
  "timestamp": "2023-08-20T14:32:01Z",
  "severity": "ERROR",
  "message": "Payment failed",
  "attributes": {
    "user_id": "u123",
    "transaction_id": "tx-456",
    "error_code": "INSUFFICIENT_FUNDS"
  }
}

3. 追踪(Traces)​

核心概念​

追踪展示请求在分布式系统中的流转：

  • 跨服务调用关系
  • 每个操作的耗时
  • 错误传播路径

追踪上下文传播​

go
// 创建span（操作单元）
ctx, span := tracer.Start(ctx, "checkout.process")
defer span.End()

// 添加属性
span.SetAttributes(
    attribute.String("payment.method", "credit_card"),
    attribute.Int("items.count", 3),
)

信号协同工作示例​

电商系统故障排查场景：

  1. 指标发现支付成功率下降
  2. 追踪定位到卡在库存服务
  3. 日志显示数据库连接超时
黄金信号组合

Google SRE推荐的四大黄金信号：

  • 延迟
  • 流量
  • 错误率
  • 饱和度

总结与扩展​

关键对比表​

特性指标日志追踪
数据类型数值文本/结构化调用图
最佳用途趋势监控事件调查性能分析
存储成本低高中

学习建议​

  1. 从指标监控开始实践
  2. 为关键业务流添加追踪
  3. 采用结构化日志规范

延伸阅读​

  • OpenTelemetry官方文档
  • 《Distributed Systems Observability》
  • 实践练习：使用docker-compose部署Jaeger+Prometheus+Grafana监控demo

记住：优秀的可观测性=适当的信号组合+上下文关联！