rust使用opel将trace数据导入tempo


难度 中等

新建项目

cargo new otlp_test

修改项目依赖

修改Cargo.toml,将其内容修改如下:

[package]
name = "otlp_test"
version = "0.1.0"
edition = "2024"

[dependencies]
opentelemetry = "0.23"
opentelemetry-otlp = "0.16"
tokio = { version = "1", features = ["full"] }
opentelemetry_sdk = { version = "0.23", features = ["rt-tokio"] }

添加导入逻辑

将main.rs替换为如下内容:

use opentelemetry::{global, Context, KeyValue};
use opentelemetry::trace::{Span, SpanKind, TraceContextExt, Tracer};
use opentelemetry_sdk::trace::{self, Sampler};
use opentelemetry_sdk::Resource;
use opentelemetry_otlp::WithExportConfig;

#[tokio::main]
async fn main() -> Result<(), Box<dyn std::error::Error>> {
    // ===== 构建 OTLP SpanExporter(注意:build!)=====
    let exporter = opentelemetry_otlp::new_exporter()
        .tonic()
        .with_endpoint("http://192.168.3.99:4317")
        .build_span_exporter()?;

    // ===== TracerProvider =====
    let tracer_provider = trace::TracerProvider::builder()
        .with_config(
            trace::Config::default()
                .with_sampler(Sampler::AlwaysOn)
                .with_resource(Resource::new(vec![
                    KeyValue::new("service.name", "rust-tempo-demo"),
                    KeyValue::new("service.version", "0.1.0"),
                ])),
        )
        .with_batch_exporter(exporter, opentelemetry_sdk::runtime::Tokio)
        .build();

    global::set_tracer_provider(tracer_provider);

    let tracer = global::tracer("demo");

    // ===== Root span =====
    // let cx = opentelemetry::Context::current();
    // let mut root = tracer.start_with_context("http_request", &cx);
    let mut root = tracer.start("http_request");
    root.set_attribute(KeyValue::new("http.method", "GET"));
    root.set_attribute(KeyValue::new("http.route", "/demo"));
    let cx = Context::current_with_span(root);

    // ===== Child span =====
    {
        let mut child = tracer
            .span_builder("db_query")
            .with_kind(SpanKind::Internal)
            .start_with_context(&tracer, &cx);

        child.set_attribute(KeyValue::new("db.system", "postgresql"));
        child.set_attribute(KeyValue::new(
            "db.statement",
            "SELECT * FROM test",
        ));

        std::thread::sleep(std::time::Duration::from_millis(120));
        child.end();
    }

    cx.span().end();

    // ===== 非常重要:flush =====
    global::shutdown_tracer_provider();

    Ok(())
}

基本概念详解

  • exporter:出口
  • provider:入口与生命周期管理
  • pipeline:处理流水线
Instrumentation (Span / Metric)
        ↓
   Provider (TracerProvider / MeterProvider)
        ↓
      Pipeline
  (Sampler / Processor / Aggregation)
        ↓
     Exporter
        ↓
 Tempo / Jaeger / Prometheus / OTLP Collector

trace/span/metric是底层数据模型:

span有如下特点:

  • 一次操作
  • 开始/结束时间
  • 有属性
  • 有事件
  • 有父子关系
HTTP request
 └─ SQL query
     └─ index scan

trace是一棵span树,使用traceID标识。span是最小单位,trace是span的集合。

metric是数值型时间序列,主要是统计信息。

provider

provider是入口+全局管理者。

  1. TraceProvider
let provider = TracerProvider::builder()
    .with_span_processor(...)
    .build();
  • 创建Tracer
  • 管理生命周期
  • 持有pipeline
  • flush/shutdown
  1. pipeline

trace pipeline典型组成:

  • Sampler:采样器
  • SpanProcessor:处理器
  • Exporter:发送到后端

常见的trace exporter:

  • opentelemetry_otlp OTLP gRPC / HTTP
  • opentelemetry_jaeger Jaeger
  • opentelemetry_zipkin Zipkin
  • stdout 打印
let exporter = opentelemetry_otlp::new_exporter().tonic();

trace的完整生命周期如下:

你调用 tracer.start()
   ↓
Tracer(来自 TracerProvider)
   ↓
Sampler 决定是否记录
   ↓
Span 生命周期交给 SpanProcessor
   ↓
Span 结束
   ↓
Exporter 发出去

对应sdk结构关系:

TracerProvider
 ├── Resource
 ├── Sampler
 └── SpanProcessor
      └── Exporter
  • trace / metric “记录什么数据”
  • provider “谁来创建 & 管理”
  • pipeline “数据如何处理”
  • exporter “数据发到哪”

文章作者: growdu
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 growdu !
  目录
分类导航
随笔2 AI27 算法1 计算机基础13 博客搭建7 ChatGPT2 集群63 计算机通信1 数据库34 数据库深入80 DPDK26 Docker11 Elasticsearch4 编辑工具4 FAQ1 Go Web1 hometown2 编程语言16 网络9 OPC1 Linux38 openGauss4 页面12 PostgreSQL54 程序员自我修养1 协议11 成长之路1 stock1 存储5 工具20 VPP18 视频作品1 Vue13 Web1 代码示例11 数据库15 BenchmarkSQL1 PostgreSQL 源码修炼之路14
最热文章
1
13 逻辑复制深入
数据库深入🔥 1570
2
0 Postgresql存储、索引及系统优化、主备切换
PostgreSQL🔥 1495
3
一文读懂openguass dcf网络模块
集群🔥 1420
4
逻辑复制源码分析
数据库深入🔥 1327
5
PostgreSQL 分区表:从一行 `PARTITION BY` 到路由热路径的全链路拆解
数据库🔥 1094
6
applyparallelworker.c 之 LA 端源码深度解析:Leader Apply Worker 的指挥中枢
数据库深入🔥 1082
7
PostgreSQL Background Worker 全解:从 `RegisterBackgroundWorker` 到逻辑复制 4 类 worker 的全生命周期
数据库🔥 1078
8
PostgreSQL的后台进程walsender分析 - 关系型数据库 - 亿速云
PostgreSQL🔥 1033
9
PostgreSQL 逻辑复制的监控:六张视图 + 一组可执行 SQL,把 publisher/subscriber 的速率与健康度彻底看透
数据库🔥 1032
10
PostgreSQL 逻辑复制支持 DDL 之后:DDL 与 DML 的时序难题(重点:分区表)
数据库🔥 999
11
reorderbuffer.c 源码深度解析:PostgreSQL 逻辑复制的"事务重组引擎
数据库深入🔥 953
12
PostgreSQL 内核开发:读取一张表的 9 步标准流程与缓存全景
数据库🔥 938
13
从 `postgres` 二进制到生产级守护 —— PostgreSQL 最外层模块与启动全流程拆解
数据库🔥 936
14
支持逻辑复制同步 DDL 适配 SQL Server 方案
数据库深入🔥 934
15
PostgreSQL 逻辑复制的 ReorderBuffer 与事务机制:从一行 WAL 到一致性变更流的全链路绑定
数据库🔥 913
16
DDL同步架构(美化版)
数据库深入🔥 908
17
PostgreSQL Latch 机制详解:从一行 SetLatch 到 epoll 的内核之旅
数据库🔥 871
18
pgbench 源码全解:一个 C 文件如何撑起 PostgreSQL 官方压测工具
数据库🔥 860
19
PostgreSQL libpq 机制与缓冲区详解
数据库🔥 850
20
PostgreSQL 逻辑复制 spill 文件深度剖析:从 `xid-*.spill` 到 TPC-C 的增长方程
数据库🔥 845