为何要网站优化,下载关键词推广软件,重庆舞台搭建招聘,网站外链建设方法作者#xff1a;Bahubali Shetti DevOps 和 SRE 团队正在改变软件开发的流程。 DevOps 工程师专注于高效的软件应用程序和服务交付#xff0c;而 SRE 团队是确保可靠性、可扩展性和性能的关键。 这些团队必须依赖全栈可观察性解决方案#xff0c;使他们能够管理和监控系统Bahubali Shetti DevOps 和 SRE 团队正在改变软件开发的流程。 DevOps 工程师专注于高效的软件应用程序和服务交付而 SRE 团队是确保可靠性、可扩展性和性能的关键。 这些团队必须依赖全栈可观察性解决方案使他们能够管理和监控系统并确保问题在影响业务之前得到解决。
整个现代分布式应用程序堆栈的可观察性需要通常以仪表板的形式收集、处理和关联数据。 摄取所有系统数据需要跨堆栈、框架和提供程序安装代理对于必须处理版本更改、兼容性问题和不随系统变化而扩展的专有代码的团队来说这个过程可能具有挑战性且耗时。
得益于 OpenTelemetry (OTel)DevOps 和 SRE 团队现在拥有一种收集和发送数据的标准方法该方法不依赖于专有代码并且拥有大型社区支持减少了供应商锁定。
在之前的博客中我们还回顾了如何使用 OpenTelemetry 演示并将其连接到 Elastic®以及 Elastic 与 OpenTelemetry 和 Kubernetes 的一些功能。
在本博客中我们将展示如何通过我们名为 Elastiflix 的应用程序的 Node.js 服务来使用 OpenTelemetry 的自动检测这有助于以简单的方式突出显示自动检测。
这样做的好处是不需要 otel-collector 此设置使你能够根据最适合你业务的时间表缓慢而轻松地将应用程序迁移到使用 Elastic 的 OTel。 应用程序、先决条件和配置
我们在这个博客中使用的应用程序称为 Elastiflix一个电影流应用程序。 它由多个用 .NET、NodeJS、Go 和 Python 编写的微服务组成。
在我们检测示例应用程序之前我们首先需要了解 Elastic 如何接收遥测数据。 Elastic Observability 的所有 APM 功能均可通过 OTel 数据使用。 其中一些包括
服务地图服务详细信息延迟、吞吐量、失败的 transactions服务之间的依赖关系、分布式追踪Transactions跟踪机器学习 (ML) 相关性日志相关性
除了 Elastic 的 APM 和遥测数据的统一视图之外你还可以使用 Elastic 强大的机器学习功能来减少分析并发出警报以帮助降低 MTTR。 先决条件
Elastic Cloud 帐户 — 立即注册克隆 Elastiflix 演示应用程序或您自己的 Node.js 应用程序对 Docker 的基本了解 — 可能安装 Docker Desktop对 Node.js 的基本了解 查看示例源代码
完整的源代码包括本博客中使用的 Dockerfile可以在 GitHub 上找到。 该存储库还包含相同的应用程序但没有检测。 这使您可以比较每个文件并查看差异。
以下步骤将向你展示如何实现此应用程序并在命令行或 Docker 中运行它。 如果你对更完整的 OTel 示例感兴趣请查看此处的 docker-compose 文件它将显示完整的项目。 分步指南 步骤 0登录你的 Elastic Cloud 帐户
本博客假设你有 Elastic Cloud 帐户 - 如果没有请按照说明开始使用 Elastic Cloud。 步骤 1为 Node.js 服务配置自动检测
我们将通过 Elastiflix 演示应用程序中的 Node.js 服务使用自动检测。
我们将使用 Elastiflix 的以下服务
Elastiflix/node-server-otel-manual
根据 OpenTelemetry JavaScript 文档和 open-telemetry/auto-instrumentions-node 文档你只需使用 npm 安装适当的节点包即可。
npm install --save opentelemetry/api
npm install --save opentelemetry/auto-instrumentations-node
如果你在命令行上运行 Node.js 服务那么以下是如何使用 Node.js 运行自动检测。
node --require opentelemetry/auto-instrumentations-node/register app.js
对于我们的应用程序我们将其作为 Dockerfile 的一部分来执行。
Dockerfile
FROM node:14WORKDIR /appCOPY [package.json, ./]
RUN ls
RUN npm install --production
COPY . .RUN npm install --save opentelemetry/api
RUN npm install --save opentelemetry/auto-instrumentations-nodeEXPOSE 3001CMD [node, --require, opentelemetry/auto-instrumentations-node/register, index.js] 步骤 2使用环境变量运行 Docker 镜像
按照 OTEL 文档中的规定我们将使用环境变量并传入配置值以使其能够与 Elastic Observability 的 APM 服务器连接。
由于 Elastic 原生接受 OTLP因此我们只需要提供 OTEL Exporter 需要发送数据的端点和身份验证以及一些其他环境变量。 获取 Elastic Cloud 变量
你可以从路径 /app/home#/tutorial/apm 下的 Kibana® 复制端点和令牌。 你将需要复制以下环境变量
OTEL_EXPORTER_OTLP_ENDPOINT
OTEL_EXPORTER_OTLP_HEADERS 创建 image
docker build -t node-otel-auto-image . 运行 image
docker run \ -e OTEL_EXPORTER_OTLP_ENDPOINTREPLACE WITH OTEL_EXPORTER_OTLP_ENDPOINT \-e OTEL_EXPORTER_OTLP_HEADERSAuthorizationBearer REPLACE WITH TOKEN \-e OTEL_RESOURCE_ATTRIBUTESservice.version1.0,deployment.environmentproduction \-e OTEL_SERVICE_NAMEnode-server-otel-auto \-p 3001:3001 \node-server-otel-auto
你现在可以发出一些请求来生成跟踪数据。 请注意这些请求预计会返回错误因为此服务依赖于你的计算机上可能未运行的某些下游服务。
curl localhost:3001/api/login
curl localhost:3001/api/favorites# or alternatively issue a request every secondwhile true; do curl localhost:3001/api/favorites; sleep 1; done; 步骤 3探索 Elastic APM 中的跟踪、指标和日志
浏览 Elastic APM 中的服务部分你将看到显示的节点服务。 单击 node-server-otel-auto 服务你可以看到它正在使用 OpenTelemetry 摄取遥测数据。 总结
在这篇博客中我们讨论了以下内容
如何使用 OpenTelemetry 自动检测 Node.js使用 Dockerfile 中的标准命令可以高效地完成自动检测并且无需在多个位置添加代码从而实现可管理性
由于 Elastic 可以支持多种摄取数据的方法无论是使用开源 OpenTelemetry 的自动检测还是使用其本机 APM 代理进行手动检测你都可以先关注一些应用程序然后使用稍后以最适合你的业务需求的方式在你的应用程序中打开遥测。
