Day12- GPT 陪我讀 Grafana OpenTelemetry
Day13- GPT 陪我讀 將 OpenTelemetry Collector 連接到 Grafana Cloud 資料庫
Day14- GPT 陪我讀 OpenTelemetry Collector Use Case 1 Fan out

Use Case 2 遙測數據正規化Telemetry data normalization

經常地，應用程序在不同階段為指標、日誌和追踪進行了檢測。這意味著它們不總是被一致地標籤或標記。在工作負載附近有一個 OpenTelemetry Collector 實例允許 SRE 實施規則，確保應用程序生成的遙測資料遵循特定的模式，或包括所有所需的基本資訊，例如 pod 名稱、pod 命名空間、集群區域等。

示例配置：

extensions:
  basicauth/traces:
    client_auth:
      username: "${TRACES_USER_ID}"
      password: "${TOKEN}"
  basicauth/metrics:
    client_auth:
      username: "${METRICS_USER_ID}"
      password: "${TOKEN}"

receivers:
  prometheus:
    config:
      scrape_configs:
        - job_name: "my-service"
          static_configs:
            - targets: ["0.0.0.0:9090"]

  otlp:
    protocols:
      grpc:

processors:
  attributes:
    actions:
      - key: cluster
        value: eu-west-1
        action: upsert

  metricstransform:
    transforms:
      - include: otelcol_process_uptime
        action: update
        operations:
          - action: add_label
            new_label: cluster
            new_value: eu-west-1

exporters:
  otlp/tempo:
    endpoint: tempo-us-central1.grafana.net:443
    auth:
      authenticator: basicauth/traces

  prometheusremotewrite:
    endpoint: https://prometheus-blocks-prod-us-central1.grafana.net/api/prom/push
    auth:
      authenticator: basicauth/metrics

service:
  extensions: [basicauth/traces, basicauth/metrics]
  pipelines:
    metrics:
      receivers: [otlp, prometheus]
      processors: [metricstransform]
      exporters: [prometheusremotewrite]
    traces:
      receivers: [otlp]
      processors: [attributes]
      exporters: [otlp/tempo]

總結：

在遙測資料正規化的模式中，由於應用程序在不同階段進行了檢測，所以它們的標籤或標記可能不一致。利用 OpenTelemetry Collector，特別是當它接近工作負載時，SRE 可以制定和實施規則，確保從應用程序生成的遙測數據遵循特定的模式，並包含所有必要的基本信息，如 pod 名稱、pod 命名空間和集群區域等。這確保了數據的一致性和完整性，並提供了一個統一的遙測資料視圖。