使用 OpenTelemetry 构建可观测性 02

这是讲解 OpenTelemetry 系列博客的第二篇。在上一篇博客中，我们介绍了 OpenTelemetry 是什么以及由什么组成。现在我们将讨论如何使用 OTel 准确收集遥测数据和链路追踪数据。

手动埋点

我们这里谈论“埋点”(代码插桩)，是指通过技术手段采集链路追踪数据的行为。通常有两种方式：手动和自动（下面讨论）。顾名思义，手动埋点需要在软件中显式的选择要暴露哪些数据。

手动埋点被认为是更高级和定制的遥测方法。手动和自动埋点分别有各自的使用场景，我们将在下文介绍。

一个请求进入系统并通过多个后端服务时，OpenTelemetry 能够记录该请求在系统中调用流程和经过的完整路径，这个路径被称为链路追踪（trace）。请求可能触发多个操作，每个操作都被记录在一个跨度（span）中，表示具体操作的实例。

每个跨度都有一个父跨度，除非它是链路追踪中的第一个跨度，在这种情况下，其父跨度 ID 为零（形成树状结构）。

注：示例应用程序主要是用 Go 和一些 Python 编写的。我将使用 Go 语言展示代码示例，但其中原理和概念同样适用于 OTel 支持的其他编程语言。

go.opentelemetry.io/otel

这里有几点需要注意。首先，我们先获取全局链路追踪的实例，使用这个实例创建一个新的跨度。

我们将在下一篇博客文章中更深入地讨论链路追踪生产者，它是 SDK 的一个组件，负责决定和管理这些遥测数据的流向和传输方式。

otel.Tracerotel.Tracer

Startcontext.Background()

Start

span.Endspan

还需要注意的是，跨度是可以被嵌套使用的。通常一个新跨度是进入了一个代码执行分支或路径并且包含一个父跨度。这样就形成了跨度的嵌套关系，准确地反映了请求所经历的代码调用路径。

属性

在链路追踪系统中，我们采集各种与系统行为相关的数据，并将这些数据与特定的跨度进行关联，以便更好地理解系统行为。通过利用具有多样取值的高基数数据，我们能够获取更加详细和全面的上下文信息，从而更好地观测和分析系统的运行情况。

可以像下面给跨度设置属性：

user.name

get_user_cartuser.name

事件

span.AddEvent

记录的事件中还可以设置属性变量，如下例所示：

自动埋点

在前面的例子中，我们展示了如何手动在跨度中进行埋点操作。然而，OpenTelemetry 具有一个非常强大的特性，即支持广泛的自动埋点。

自动埋点适用于以下情况：

在购物应用的示例程序中，在 Python 服务（定价服务）中使用自动埋点来处理了两个事情：

自动埋点的神奇之处就在于，它所需要的仅仅是启用自动埋点功能！然后，不需要任何额外的工作或编写代码，就能够获得一些关于 Flask 路由和 MySQL 查询的非常有用的数据。这是 Flask 框架自动埋点的跨度：

记录中可以看到大量与请求相关的信息，例如 http.target 、 net.peer.ip 、 http.method 等等。

MySQL 自动埋点有很多有价值的信息：

这太棒了。通过零代码开发，仅自动获取跨度，它就已经告诉我一个关键的数据：查询的持续时间。此外，还可以看到运行中的查询以及运行该查询的用户。

这些数据提供了足够的信息，用于对慢查询进行故障排除，并帮助我们识别可能发生在数据库侧的意外情况。这一切都是因为一行代码启用了 MySQL 自动埋点！

总结

埋点是 OpenTelemetry 的核心。它定义了如何去收集哪些遥测数据，我们既可以选择手动埋点还可以利用现成的自动埋点代码库。在下一篇博文中，我们将了解 OTel SDK 是如何处理这些数据！

本文翻译自：Observability with OpenTelemetry Part 2 - Instrumentation | Thomas Stringer（ https://trstringer.com/otel-part2-instrumentation/ ）

扩展阅读：

方法论：面向故障处理的可观测性体系建设（ https://flashcat.cloud/blog/construction-of-observability-system-for-fault-processing/ ）
白皮书：事件 OnCall 中心建设方法（ https://download.flashcat.cloud/flashduty-white-paper-v1.pdf ）
好工具：FlashDuty - 一站式告警处理平台：告警降噪、排班OnCall （ https://flashcat.cloud/product/flashduty/ ）