我眼中的OpenTracing

简介: 我眼中的OpenTracing

一、OpenTracing 是什么?

分布式链路跟踪最先由 Google在 Dapper论文中提出的一套链路追踪的 API 规范,支持多种编程语言,与平台无关、与厂商无关,使得开发人员能够方便的添加(或更换)链路跟踪系统的实现,虽然OpenTracing不是一个标准规范,但现在大多数链路跟踪系统都在尽量兼容OpenTracing。目前符合这API标准的就有 SkyWalking,Jaeger,Zipkin,Open Telemetry,Pinpoint、CAT等等

Opentracing 核心接口

Tracer:调用链,追踪链路,一个trace是由若干span组成的有向无环图,Tracer 对象可以用来创建 Span 对象(记录分布式操作时间)、跨机器透传数据(Extract/Inject 方法),或设置当前 Span(activeSpan)。Tracer对象还配置了上报数据的网关地址、本机 IP、采样率、服务名等数据。您可以通过调整采样率来减少因上报数据产生的开销

Span Tracer 中的基本单元,一个span代表应用中的一个逻辑操作,

span属性

Operation name:操作名
Start timestamp:开始时间
Finish timestamp:完成时间
Span Tag:标签集合,一组键值对,键必须为字符串,值为字符串/数字或布尔
Span Log: 日志集合,没条日志包含一个键值对和一个时间错。
SpanContext:上下文
Baggage items:trace的随行数据,是一组键值对,也需要跨进程传输。

SpanContext : Span 上下文,用于跨进程传递 Span,以及数据共享

ScopeManager:用于获取当前上下文中 Span,或者将 Span 设置到当前上下文

Scope:与 ScopeManager 配合使用,

Span 之间的关系分父子关系ChildOf和跟随关系FollowsFrom。

OpenTracing API 介绍

包含三个相互关联的类型 Tracer/span/spanContext

Tracer API

用于创建span,以及处理跨进程传递中的序列化。

tracer.buildSpan

参数:

Operation name:必填,操作名,span的具体工作,如getUserInfo

SpanContext:关联关系,包括关系类型

Start timestamp:默认为当前时间

Tag:0或多个

返回值:返回一个已启动且未结束的span。

将SpanContext注入inject到Carrier中

参数:

SpanContext实例

Format:格式化描述,一般就是字符串

Carrier:将format的后的数据序列化到carrier中

将SpanContext从Carrier中提取extract

参数:

Format:格式化描述

Carrier:从carrier中根据format反序列化出SpanContext。

返回值:SpanContext

Format结构:

Text Map:字符串Map

HTTP Headers:header信息,基于字符串Map

Binary:二进制大对象,SpanContext信息。

Span API

当Span结束span.finish后,除了获取span的SpanContext,其他操作都不被允许。

获取SpanContext

修改operation name

参数:new operation name,新的操作名词。

结束span finsh

参数:finish timestamp,完成时间

设置tag

参数:

tag key

tag value

设置结构化Log数据

参数

一个或多个log键值对,必填

时间戳,选填

设置Baggage随行数据

键值对集合,存入spancontext进行传递,会对io和cpu带来额外开销,谨慎使用。

参数:

Baggage key:字符串

Baggage value:字符串

获取Baggage元素

参数:baggage key

返回值:Baggage value

参考:

https://github.com/opentracing-contrib/opentracing-specification-zh

目录
相关文章
|
存储 运维 监控
链路追踪Skywalking快速入门1
链路追踪Skywalking快速入门1
1229 1
|
SQL 存储 监控
深入可观测底层:OpenTelemetry 链路传递核心原理
本文会系统讲解链路传递一些基本概念,同时结合案例讲解链路传递的过程。
3784 1
深入可观测底层:OpenTelemetry 链路传递核心原理
Apifox测试导出excel接口
Apifox测试导出excel接口
2052 0
|
12天前
|
缓存 监控 NoSQL
【Redis】Redis缓存核心问题:热点key问题、缓存预热、缓存降级
本文系统构建Redis缓存三大核心问题的知识体系:**缓存预热(前置防控)、热点key治理(运行时管控)、缓存降级(故障兜底)**,覆盖全生命周期稳定性保障,助力高并发场景下实现高性能、高可用、高可靠的缓存架构。
|
1月前
|
人工智能 自然语言处理 数据挖掘
《同一条指令,你花的token为什么是别人的10倍》
本文针对QClaw用户普遍遇到的token消耗过快、免费额度不足的痛点,基于作者一个月100余组对照实验的实测结果,深度拆解了QClaw的完整token计费逻辑。文章颠覆了“输出是消耗大头”的普遍认知,指出上下文历史、技能调用、未完成任务等后台隐性消耗才是真正的吞金兽,占总消耗的80%以上。同时分享了12个可直接落地的实战技巧,涵盖会话分片管理、原子化指令、批量任务处理、模型按需切换等核心维度,帮助用户在不减少AI使用的前提下,将token消耗降低90%,实现低成本高效使用。
371 2
|
4月前
|
机器学习/深度学习 人工智能 缓存
构建AI智能体:九十二、智能协作的艺术:大模型上下文与Token优化指南
本文深入解析大模型上下文窗口与Token优化机制,阐明其作为协作“白板”的核心作用。通过精简提示、结构化输入、控制输出等策略,开发者可有效降低Token消耗,提升AI应用的效率与经济性。
1151 7
|
存储 前端开发 Dubbo
OpenTracing 介绍 | 学习笔记
快速学习 OpenTracing 介绍
OpenTracing 介绍 | 学习笔记
6、Mybatis-Plus wrapper的使用
这篇文章详细介绍了Mybatis-Plus中Wrapper的使用,包括QueryWrapper和UpdateWrapper的基本概念、组装查询、排序、删除、修改条件的方法,以及如何设置条件优先级、组装SELECT子句和实现子查询等高级用法。
|
Web App开发 人工智能 JSON
AutoMouser:AI Chrome扩展程序,实时跟踪用户的浏览器操作,自动生成自动化操作脚本
AutoMouser是一款Chrome扩展程序,能够实时跟踪用户交互行为,并基于OpenAI的GPT模型自动生成Selenium测试代码,简化自动化测试流程。
1168 17
AutoMouser:AI Chrome扩展程序,实时跟踪用户的浏览器操作,自动生成自动化操作脚本
|
监控 关系型数据库 MySQL
MySQL数据表索引命名规范
MySQL数据表索引命名规范
1631 1