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
Day17- GPT 陪我讀 OpenTelemetry Collector Use Case 5 Multi-cluster
Day18- GPT 陪我讀 OpenTelemetry Collector Use Case 6 Multitenant

Use Case7 按訊號劃分

"按訊號劃分" 不完全是一個模式，而更像是一個接近最佳實踐的建議：根據它可以接收的信號來拆分你的收集器。每種遙測數據類型的工作負載可能差異很大，OTel 生態系統中它們的穩定性也各不相同。當你為每種信號類型都設置一個收集器集群時，你可以更好地單獨地進行擴展，並更好地隔離影響特定信號的故障。

例子：

想像你有一個應用程式，它既記錄指標（如每秒請求數）又記錄日誌（如錯誤消息）。指標的頻率和大小可能非常小且一致，而日誌可能在發生問題時變得非常大。如果你將這兩種信號合併在同一收集器中，那麼當日誌增多時，它可能會影響到指標的處理。但如果你為每種信號都有一個單獨的收集器，當日誌系統遇到問題時，指標收集不會受到影響。

總結：

"按信號劃分"的策略提倡將不同的遙測數據類型分配到各自的收集器中。這樣可以根據每種信號的特定需求和行為進行優化和擴展，同時還能提供更高的故障隔離級別，確保一個信號的問題不會影響到其他信號。

OpenTelemetry Collector Use Case 總結

1. Fan out（散發）:
   核心概念：集中遙測數據，並能夠將其傳送到多個後端，以進行比較或保存本地副本。

2. Telemetry data normalization（遙測數據標準化）:
   核心概念：為不一致的標籤或標記的數據提供統一性，確保數據遵循特定模式並包含所有必要的基本信息。

3. Kubernetes sidecars and daemon sets（Kubernetes 副車和守護程序集）:
   核心概念：在 Kubernetes 集群中，使用 sidecar 或 daemon set 模式部署收集器，確保數據收集的高效性。

4. Load balancing（負載均衡）:
   核心概念：使用 OpenTelemetry 的負載均衡導出器確保數據有效均勻地傳送到不同的後端，並支援多種後端地址來源。

5. Multi-cluster（多集群）:
   核心概念：在複雜的使用案例中，從所有集群中集中接收遙測數據。在跨多個集群的情況下，特定的數據需要一起處理。

6. Multitenant（多租戶）:
   核心概念：允許多個 SRE 團隊使用中央平台，並為各個產品團隊提供工具，使他們能夠管理部分的可觀測性工具。每個團隊可以擁有自己的後端服務帳戶或使用不同的數據存儲。

7. Per signal（按信號）:
   核心概念：基於收到的遙測數據類型將收集器拆分，以便單獨擴展它們並隔離特定信號的失敗。

這七個使用案例涵蓋了 OpenTelemetry 收集器在現實世界中的多種實際應用，並展示了其如何幫助組織更好地管理和操作其遙測數據。