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
Day15- GPT 陪我讀 OpenTelemetry Collector Use Case 2 Telemetry data normalization
Day16- GPT 陪我讀 OpenTelemetry Collector Use Case 4 Load balancing

模式 5 - 多集群

在高級使用情境中，您可能更喜歡擁有一個集中的 “控制平面” 集群，從您所有的集群接收可觀測性資料。一般來說，我們建議直接從各個集群將您的遙測數據發送到您的遙測後端，以避免過多的網絡成本。但是，您可能有需要一起處理的遙測數據，例如在對多個集群進行尾部採樣的跟踪時。這個設置的配置與 sidecar -> collector 的使用情境非常相似，但需要特別注意的是，由於數據可能通過公共互聯網流動，TLS 在這裡更為重要。

例子：

假設您有三個在不同地理位置的集群：亞洲、北美和歐洲。當用戶從亞洲的集群啟動一個交易時，這個交易可能會在北美的集群中進行處理，並在歐洲的集群中完成。為了得到整個交易的完整跟踪，您需要從所有這三個集群中收集數據，並將它們聚合到一個中央集群中。這就需要使用多集群模式。

總結：

多集群模式是一個進階的設置，允許用戶從多個不同的集群集中收集可觀測性數據。儘管這種方法可能會增加網絡成本，但在需要對跨多個集群的數據進行聚合或分析的場景中，它是非常有用的。此外，由於數據可能需要跨公共互聯網傳輸，因此加密和安全性是這種設置的關鍵部分。