Day25--關於遙測數據在Opentelemetry Collector的整合

16th鐵人賽

jamieleee

2024-10-09 00:57:08

140 瀏覽

分享至

前言

在前一篇中（在關於 Opentelemetry 收集 log），我們引入了 opentelemetry collector 來蒐集log data，然後再傳入 Loki 服務。其實 opentelemetry collector 的作用就是在於提供一個統一的平台，來集中處理來自不同應用的遙測資料。它能夠接收來自多種遙測源的資料，進行統一的處理或轉換，然後根據需求將它們導出到合適的後端服務。因此，不管是 traces、metrics 還是 logs，都可以通過同一個 OpenTelemetry Collector 進行統一處理和轉發，這不僅減少了多個獨立數據管道的管理成本，還可以靈活應對不同的需求變化。

接下來，我們將展示如何配置 OpenTelemetry Collector 來處理 traces 和 metrics，並將它們導出到 Jaeger 和 Prometheus 中。最終，我們還會使用 Grafana 來可視化這些資料。這樣的整合方式，可以簡化我們的觀測系統，使系統更加易於管理和擴展。

整合 Prometheus

設定 opentelemetry collector config

在之前的 otel-collector-config.yaml中，設定跟 Prometheus 有關的設定:

... 

exporters:
    prometheus:
        endpoint: '0.0.0.0:9091'
...

service:
    pipelines:
        metrics:
            receivers: [otlp]
            exporters: [prometheus]
            
            ...

這段配置將通過 otel collector 接收 metrics 資料，並導出到 Prometheus。

docker-compose

在 docker-compose.yml也加上 Prometheus container 的設定

    self-prometheus:
        image: prom/prometheus:latest
        container_name: self-prometheus
        ports:
            - '9090:9090'
        volumes:
            - ./config/prometheus-local-config.yml:/etc/prometheus/prometheus.yml
        networks:
            - otel-network

此配置會在本地啟動 Prometheus 並將其配置文件掛載到容器中。同時要確認 prometheus.yml 這個 Prometheus config 檔案的相對路徑。

整合jaeger

設定 opentelemetry collector config

在之前的 otel-collector-config.yaml中，設定跟 Jaeger 有關的設定:

...

exporters:
    otlp:
        endpoint: 'self-jaeger:4317' # 使用 Jaeger's OTLP http 接口導出tracing data
        tls:
          pipelines:
        logs:
            receivers: [otlp]
            exporters: [loki]

...


service:
    pipelines:
    ...
    traces:
        receivers: [otlp]
        exporters: [otlp]

這邊要注意的是，在目前的 opentelemetry collector exporters中，已經沒有了jaeger字段，所以直接用otlp、但還是使用 jaeger endpoint。

docker-compose

在 docker-compose.yml也加上 Jaeger container 的設定

self-jaeger:
    container_name: self-jaeger
    image: jaegertracing/all-in-one:latest
    environment:
        - COLLECTOR_OTLP_ENABLED=true
    ports:
        - '6831:6831/udp' # UDP port for Jaeger agent
        - '16686:16686' # Web UI
        - '14268:14268' # HTTP port for spans
    networks:
        - otel-network

這邊就不用把原本的 http 和 grpc 端口映射到本地主機，而是直接讓 opentelemetry-collector 透過 docker bridge 來串接。

在Grafana中查看

NodeJS demo 補上 trace、metric

接下來，我們可以將之前的 Node.js 應用程式補上 OpenTelemetry SDK 的 trace 和 metric 設置：

const { NodeSDK, logs } = require('@opentelemetry/sdk-node');
const {
    getNodeAutoInstrumentations,
} = require('@opentelemetry/auto-instrumentations-node');
const {
    OTLPMetricExporter,
} = require('@opentelemetry/exporter-metrics-otlp-http');
const {
    OTLPTraceExporter,
} = require('@opentelemetry/exporter-trace-otlp-http'); // Tracing HTTP 導出器
const { OTLPLogExporter } = require('@opentelemetry/exporter-logs-otlp-http');
const { Resource } = require('@opentelemetry/resources');
const {
    ATTR_SERVICE_VERSION,
    ATTR_SERVICE_NAME,
} = require('@opentelemetry/semantic-conventions');
// getNodeAutoInstrumentations 會執行 instrumentation-bunyan

// 自定義服務的名稱以及版本號
const resource = new Resource({
    [ATTR_SERVICE_NAME]: 'nodejs-service-demo-logs',
    [ATTR_SERVICE_VERSION]: '1.0.0',
});

const logExporter = new OTLPLogExporter({
    url: 'http://localhost:4318/v1/logs',
});

const metricExporter = new OTLPMetricExporter({
    url: 'http://localhost:4318/v1/metrics',
    headers: {},
});

const traceExporter = new OTLPTraceExporter({
    url: 'http://localhost:4318/v1/traces',
});

const otelSdk = new NodeSDK({
    logRecordProcessor: logExporter,
    traceExporter: traceExporter,
    resource,
    instrumentations: [getNodeAutoInstrumentations()],
    metricExporter: metricExporter,
    metricInterval: 60000, // 設定採集間隔（ms）
});

otelSdk.start();

運行後，我們可以通過 Grafana 可視化這些數據。