作为过去几年与微服务合作的后端开发人员,一个事实已经变得非常明显:在分布式系统中调试生产问题可以像黑暗中的侦探工作一样。 你有服务调用服务,有时是数十个深度。用户点击用户界面上的一个按钮,15个微服务进入行动。 如果你在2024年建立或维护微服务,OpenTelemetry就是你想要的工具。 究竟什么是观察力,真的? 可观察性不仅仅是日志,它涉及了解为什么您的系统以某种方式行为,而不仅仅是它正在做什么。 日志 – 原始事件,用于调试。 Metrics - 您可以随时间跟踪的数字(例如请求数,CPU)。 跟踪 - 跨服务的端到端请求流(也称为您的分布式“呼叫堆)。 传统的监控工具主要集中在指标和日志上,但跟踪是微服务的真正改变者。 为什么我们选择OpenTelemetry 我们尝试了几种可观测堆栈(Datadog、New Relic、Prometheus、Jaeger、Zipkin),但它们都有一个问题:它们或被供应商锁定,或在不同语言中缺乏一致性。 OpenTelemetry(OTel)检查了我们的所有框: 开源,在CNCF下 跨语言工作(我们使用 Node.js、Go 和 Python) 供应商中立 - 出口到Grafana,Jaeger,New Relic等。 由行业中的每个人都支持(字面上:AWS、GCP、Microsoft等) 如何在 Node.js 微服务中使用 OpenTelemetry 让我们假设我们有一个简单的用户服务,在Node.js中使用Express。 Step 1: Install Dependencies npm install @opentelemetry/api \
@opentelemetry/sdk-node \
@opentelemetry/auto-instrumentations-node \
@opentelemetry/exporter-trace-otlp-http
 我们将通过OTLP将痕迹导出到当地的Jaeger实例。 Step 2: Create tracing.js to Initialize OpenTelemetry JavaScript: tracing.js const { NodeSDK } = require('@opentelemetry/sdk-node');
const { getNodeAutoInstrumentations } = require('@opentelemetry/auto-instrumentations-node');
const { OTLPTraceExporter } = require('@opentelemetry/exporter-trace-otlp-http');
const { SemanticResourceAttributes } = require('@opentelemetry/semantic-conventions');
const { Resource } = require('@opentelemetry/resources');
const traceExporter = new OTLPTraceExporter({
url: 'http://localhost:4318/v1/traces',
});

const sdk = new NodeSDK({
traceExporter,
instrumentations: [getNodeAutoInstrumentations()],
resource: new Resource({
[SemanticResourceAttributes.SERVICE_NAME]: 'user-service',})
});
sdk.start();
 Step 3: Add It to Your Entry File JavaScript: Index.js

require('./tracing'); // Always load this first

const express = require('express');
const app = express();

app.get('/users', (req, res) => {
 res.json([{ id: 1, name: "Alice" }, { id: 2, name: "Bob" }]);
});

app.listen(3000, () => console.log("User service running on port 3000"));
 我们的服务现在正在出口痕迹。 Step 4: Spin Up Jaeger Locally (or Use Grafana Tempo) 以下是我们如何在本地测试: docker run -d --name jaeger \
 -e COLLECTOR_OTLP_ENABLED=true \
 -p 4318:4318 -p 16686:16686 \
 jaegertracing/all-in-one:latest
 访问 http://localhost:16686 查看您的痕迹。 访问 http://localhost:16686 查看您的痕迹。 服务链路追踪 现在假设您有另一个服务 - 订单服务 - 呼叫用户服务. 如果两者都配备了 OpenTelemetry,则您将获得用户请求在它们之间跳跃的完整痕迹。 OpenTelemetry 可通过 HTTP 标题自动处理跟踪背景传播,您无需在服务之间手动传输跟踪 ID。 为业务逻辑添加自定义空间 例如,如果您想要跟踪 DB 查询或外部 API 调用: const { trace } = require('@opentelemetry/api');
const tracer = trace.getTracer('user-service');

app.get('/users', async (req, res) => {
 const span = tracer.startSpan('fetch-user-data');
 try {
  const users = await fetchUsersFromDB();
  res.json(users);
 } catch (err) {
  span.recordException(err);
  throw err;
 } finally {
  span.end();
 }
});
 这是非常有用的,当你想跟踪特定业务逻辑的表现。 Best Practices We've Learned the Hard Way 1.  Use Semantic Conventions 不要发明自己的属性名称,而是遵循OpenTelemetry的语义惯例,这使得你的痕迹更容易理解和与Grafana、Tempo等工具兼容。 例子: JavaScript
span.setAttribute("http.method", req.method);
span.setAttribute("http.route", req.path);
 2. Sample Wisely 如果你追踪每一个请求,你的系统会沉浸在数据中,使用追踪样本(例如10%,或只有错误)。 加密货币 const sdk = new NodeSDK ({
 sampler: new TraceIdRatioBasedSampler (0.1), // 10% sampling
});
 3. Use OpenTelemetry Collector in Production 不要将远程测量数据直接从您的服务导出到您的后端. 将其路由到 OpenTelemetry Collector - 它为您提供缓冲,批量,重置和格式转换。 4. Don't Log PII in Spans 非常小心不要将用户名、电子邮件、信用卡信息等存储在 span 属性或日志中。 这对我们最有帮助的地方 调试延迟问题:在四到五个微服务中看到完整的痕迹帮助我们在几分钟内识别瓶颈。 识别重复风暴:我们发现一个服务在重复的循环中呼叫另一个服务,这是我们不会通过日志捕捉到的。 部署回归:将一个版本的痕迹与下一个版本的痕迹进行比较,让我们确切地了解了发生了什么变化。 奖金:在多语言堆栈中跟踪 我们正在使用 Node.js 用于某些服务,Go 用于其他服务。OpenTelemetry 使其易于仪器化,并将所有数据发送到一个地方 - Jaeger for dev,Grafana Cloud in staging/prod。 没有供应商锁定. 没有错误的痕迹格式. 只是纯粹的可见性。 Conclusion: If You're Building Microservices, Start with Observability 微服务为我们提供了规模和灵活性,但它们也带来了复杂性。 OpenTelemetry已成为我们架构的核心部分,不仅用于调试,而且用于优化性能,可靠性和最终 - 用户体验。 如果有人还没有使用它,我强烈建议给它一个拍摄,即使是与Jaeger和一些服务的基本设置会让你想知道你如何生活没有它。

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

該音頻是用故事的原始語言製作的！

微服务可观察性:利用现实世界系统中的OpenTelemetryGajinder Sharma

About Author

註釋

標籤

这篇文章刊登在

Related Stories

Claude Sonnet 3.5 系统提示泄漏：法医分析

架构师指南：构建 AI/ML 数据湖参考架构

如何将您的工作流程提高 10 倍：17 个必备应用程序

点击赚钱：Telegram 可能会在 Solana 之前吸引下一个 100 亿加密用户

Claude Sonnet 3.5 系统提示泄漏：法医分析

架构师指南：构建 AI/ML 数据湖参考架构

如何将您的工作流程提高 10 倍：17 个必备应用程序

点击赚钱：Telegram 可能会在 Solana 之前吸引下一个 100 亿加密用户

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps