Este artículo está disponible en francés.
1. Pourquoi corréler #
Le temps de diagnostic est le vrai coût d'un incident.
Sans et avec corrélation #
Sans corrélation, l'ingénieur d'astreinte voit un pic d'erreurs dans un tableau de bord, cherche des logs autour de la même heure, devine quel service est en cause, puis cherche une trace « qui ressemble ». Avec des signaux corrélés, chaque étape est un clic, sur des données qui concernent la même requête.
2. Les mécanismes de corrélation #
Ce qu'il faut mettre en place.
Vue d'ensemble #
| Lien | Mécanisme | À vérifier |
|---|---|---|
| Tous les signaux d'un service | ressource identique (service.name, service.version, deployment.environment.name, k8s.pod.name) | même SDK ou mêmes variables pour tous les signaux ; k8sattributes dans le Collector |
| Log → trace | trace_id et span_id dans chaque log | appender OTel ou ajout dans le format JSON |
| Métrique → trace | exemplars avec trace_id | exemplars activés dans le SDK et stockés par le backend (Prometheus --enable-feature=exemplar-storage) |
| Trace → métriques | span metrics et service graph calculés depuis les spans | connecteurs spanmetrics, servicegraph ou générateur de métriques de Tempo |
| Trace → profil | échantillons étiquetés avec le span_id | SDK de profilage avec span processor |
| Contexte métier | baggage propagé (tenant.id, shop.customer.tier) | processor qui copie le baggage en attributs |
Une ressource partagée #
# Les mêmes variables pour tous les signaux d'un service
export OTEL_SERVICE_NAME=checkout
export OTEL_RESOURCE_ATTRIBUTES=service.namespace=shop,service.version=1.4.0,deployment.environment.name=production
export OTEL_TRACES_EXPORTER=otlp OTEL_METRICS_EXPORTER=otlp OTEL_LOGS_EXPORTER=otlpErreur Courante : Si les traces disentcheckoutet les logscheckout-api, aucune navigation automatique ne fonctionne. Le nom du service est la clé de toute la corrélation.
3. Configurer Grafana #
Les liens entre sources de données.
Provisioning des sources #
apiVersion: 1
datasources:
- name: Tempo
type: tempo
uid: tempo
url: http://tempo:3200
jsonData:
tracesToLogsV2:
datasourceUid: loki
filterByTraceID: true
spanStartTimeShift: -5m
spanEndTimeShift: 5m
tracesToMetrics: { datasourceUid: prometheus }
tracesToProfiles: { datasourceUid: pyroscope, profileTypeId: "process_cpu:cpu:nanoseconds:cpu:nanoseconds" }
serviceMap: { datasourceUid: prometheus }
- name: Loki
type: loki
uid: loki
url: http://loki:3100
jsonData:
derivedFields:
- { name: TraceID, matcherRegex: '"trace_id":"(\w+)"', url: "$${__value.raw}", datasourceUid: tempo }
- name: Prometheus
type: prometheus
uid: prometheus
url: http://prometheus:9090
jsonData:
exemplarTraceIdDestinations: [{ name: trace_id, datasourceUid: tempo }]Le parcours type #
- L'alerte de burn rate se déclenche sur le SLO de latence.
- Le panneau de latence p99 affiche des exemplars : on clique sur le plus haut.
- La trace s'ouvre : le span
paymentdure 2 s et finit en erreur. - « Logs for this span » affiche le log
connection pool exhausted. - « Profiles for this span » montre le temps passé à attendre le pool.
- La version (
service.version) montre que le problème est apparu avec le dernier déploiement.
4. Baggage et contexte métier #
Corréler aussi avec le métier.
Utiliser le baggage #
from opentelemetry import baggage, context
ctx = baggage.set_baggage("shop.customer.tier", "premium")
token = context.attach(ctx) # propagé aux services appelés (en-tête baggage)
try:
appeler_paiement()
finally:
context.detach(token)Dans les SDK et le Collector, un span processor peut copier certaines clés du baggage en attributs de span pour filtrer « toutes les traces lentes des clients premium ».
Erreur Courante : Le baggage voyage en clair dans les en-têtes HTTP, y compris vers des services tiers : n'y mettez jamais de données sensibles et filtrez-le en sortie du système.
Mi seguimiento
Inicia sesión para seguir tu progreso y tomar notas. Iniciar sesión
💬 Debates recientes del curso
- Quels attributs utiliser pour nommer mes spans HTTP (semconv) ?✓ resuelto · 1 respuesta(s)
- OpenTelemetry Collector : mes traces arrivent mais pas mes métriques✓ resuelto · 2 respuesta(s)
Hacer una pregunta sobre esta lección →Ver todos los debates del curso
Artículos recomendados
Métricas OpenTelemetry en Elasticsearch
Recoger métricas de host, de Kubernetes y de aplicaciones con OpenTelemetry, entender la temporal...
Les traces OpenTelemetry en profondeur : spans, statuts, événements, liens et échantillonnage
Maîtriser le signal trace : anatomie d'une trace distribuée, span et SpanKind, attributs, statut ...
Trazas OpenTelemetry en Elasticsearch y Kibana APM
Instrumentar aplicaciones con los SDK de OpenTelemetry o EDOT, enviar las trazas a Elasticsearch,...
OpenTelemetry : Instrumentation Automatique vs Manuelle
Comprenez les différences entre l'instrumentation automatique et manuelle avec OpenTelemetry, leu...
Adaptive Telemetry dans Grafana Cloud
Adaptive Telemetry dans Grafana Cloud : réduire le coût des métriques, logs, traces et profils sa...
Analyser les profils dans Grafana : flame graphs, comparaisons et diagnostics
Méthode d'analyse des profils dans Grafana : Profiles Drilldown, flame graph et top table, compar...
Application Observability dans Grafana Cloud
Application Observability dans Grafana Cloud : métriques RED à partir des traces, carte des servi...
Bonnes Pratiques OpenTelemetry (OTel) : Le Guide de l'Observabilité Moderne
Maîtrisez OpenTelemetry grâce à nos conseils d'experts : implémentation du Collector, respect des...
Observer un test k6 : Prometheus, Grafana et corrélation avec le système testé
Envoyer les résultats de k6 dans Prometheus (remote write) ou en OpenTelemetry, les visualiser da...