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
|
8月前
|
人工智能 前端开发 JavaScript
纯干货!如何用Cursor+宜搭,3天完成三周开发量(附超详细视频教学)
Cursor是热门代码编辑器之一,通过与宜搭(Yida)结合,提供了强大的低代码页面和自定义组件生成能力。方案利用Claude模型的代码生成能力及MCP支持,大幅提升开发效率。开发者可通过Cursor连接宜搭表单设计器或自定义组件设计器,实现React源码的生成与同步,并支持二次编辑。现有功能涵盖文本、数字、图片、链接等多种字段类型,以及属性面板配置、JS代码生成等。
1826 83
|
3月前
|
安全 算法 Java
在Spring Boot中应用Jasypt以加密配置信息。
通过以上步骤,可以在Spring Boot应用中有效地利用Jasypt对配置信息进行加密,这样即使配置文件被泄露,其中的敏感信息也不会直接暴露给攻击者。这是一种在不牺牲操作复杂度的情况下提升应用安全性的简便方法。
959 10
|
10月前
|
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。
684 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
|
9月前
|
机器学习/深度学习 存储 算法
近端策略优化(PPO)算法的理论基础与PyTorch代码详解
近端策略优化(PPO)是深度强化学习中高效的策略优化方法,广泛应用于大语言模型的RLHF训练。PPO通过引入策略更新约束机制,平衡了更新幅度,提升了训练稳定性。其核心思想是在优势演员-评论家方法的基础上,采用裁剪和非裁剪项组成的替代目标函数,限制策略比率在[1-ϵ, 1+ϵ]区间内,防止过大的策略更新。本文详细探讨了PPO的基本原理、损失函数设计及PyTorch实现流程,提供了完整的代码示例。
4005 10
近端策略优化(PPO)算法的理论基础与PyTorch代码详解
|
自动驾驶 算法 5G
5G中的超可靠低延迟通信(URLLC)
【8月更文挑战第31天】
2142 0
|
设计模式 Java 开发者
吐血整理!最全Spring设计模式总结
吐血整理!最全Spring设计模式总结
1466 0
吐血整理!最全Spring设计模式总结
|
SQL 弹性计算 自然语言处理
AIGC-知识库-LLM:从0开始搭建智能问答钉钉机器人
本文描述在阿里云上从0开始构建个人/企业专属,具备私域知识库+LLM智能问答钉钉机器人。知识库技术方案使用了Lindorm AI数据服务平台知识库能力,LLM使用了开源ChatGLM2-6B。
1621 1
|
前端开发 Java 数据格式
SpringMVC详解
SpringMVC详解
169 0
|
机器学习/深度学习 算法 自动驾驶
【强化学习】常用算法之一 “SAC”
强化学习(Reinforcement Learning,RL)是一种机器学习的分支,其目标是让智能体(agent)通过与环境的交互学习到最优的行为策略。SAC(Soft Actor-Critic)算法是近年来在强化学习领域取得重要突破的算法之一,它是一种基于策略优化和价值函数学习的算法。相对于传统的强化学习算法,SAC算法在优化过程中引入了熵正则化和软化策略更新的概念,使得智能体能够更好地探索未知的状态,提高学习效率。
4322 0
【强化学习】常用算法之一 “SAC”

热门文章

最新文章