Lo que vas a aprender en este TP
- Elegir el instrumento adecuado
- Configurar una vista
- Usar los exemplars
Introducción #
Lo que vas a aprender en esta sección
- Elegir el instrumento adecuado
- Configurar una vista
- Usar los exemplars
Contexto. La dirección quiere seguir los pedidos, los carritos en curso, el stock y la latencia de la API. Produces estas métricas con OpenTelemetry y compruebas que se pueden explotar en Prometheus.
Requisitos previos: Docker y Python 3.10 o superior; la pila grafana/otel-lgtm (Collector, Tempo, Loki, Prometheus, Pyroscope y Grafana en un solo contenedor) · Duración estimada: 50 min
Puesta en práctica #
Pasos guiados, con su corrección.
1. Arrancar la pila de observabilidad
¿Por qué? Una sola imagen proporciona un Collector OTLP y todos los backends: nos centramos en la señal.
Lanzagrafana/otel-lgtm, crea un entorno Python y apunta los exportadores al puerto OTLP/HTTP 4318.2. Producir métricas con las cuatro familias de instrumentos
¿Por qué? El tipo de instrumento determina la agregación y, por tanto, la exactitud de los gráficos.
Escribeboutique.pyque, en bucle, incremente un Counter de pedidos, haga variar un UpDownCounter de carritos, registre la duración de las peticiones en un Histogram y exponga el stock mediante un ObservableGauge. Exportación cada 5 segundos.3. Encontrar las métricas en Prometheus
¿Por qué? La conversión de OTLP a Prometheus renombra las métricas: hay que saber encontrarlas.
En Explore > Prometheus, encuentra cada métrica con su nombre Prometheus y escribe las consultas: ritmo de pedidos por medio de pago, carritos abiertos, stock por almacén, latencia p95.4. Corregir los límites con una vista
¿Por qué? Los límites por defecto (0, 5, 10, 25… 10000) están pensados para milisegundos: en segundos casi todo cae en el primer intervalo y el p95 es falso.
Observa los buckets actuales, detén el script, añade una vista con límites en segundos, vuelve a lanzarlo y compara el p95.5. Medir el efecto de la cardinalidad
¿Por qué? Cada valor de atributo distinto crea una serie: un identificador en una métrica dispara el almacenamiento.
Cuenta las series deshop_orders_total, añade temporalmente un atributouser.idaleatorio, vuelve a contar y quítalo.6. Vincular una latencia con su traza
¿Por qué? Las mediciones hechas dentro de un span muestreado llevan un exemplar con el trace_id: se pasa del gráfico a la petición exacta.
Muestra el p95 en un panel de Grafana con la opción Exemplars activada, haz clic en un punto alto y abre la traza correspondiente en Tempo. Si no aparece ningún exemplar, comprueba la versión del SDK yOTEL_METRICS_EXEMPLAR_FILTER.
Nivel de dificultad : ●●●○○ (3/5)
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
Envoyer la télémétrie à ClickStack : SDK OpenTelemetry, collecteurs, logs, Kubernetes et sessions navigateur
Alimenter ClickStack : clé d'ingestion, variables OpenTelemetry des SDK, relais par un collecteur...
Instrumenter ses applications pour Jaeger avec OpenTelemetry
Envoyer des traces à Jaeger avec OpenTelemetry : auto-instrumentation (Java, Python, Node.js), SD...
Envoyer des traces vers Tempo : instrumentation OpenTelemetry et Alloy
Produire et acheminer des traces vers Tempo : auto-instrumentation Python/Java/Node, SDK manuel, ...
Projet fil rouge : les quatre signaux de l'OpenTelemetry Demo dans la stack Grafana
Un projet fil rouge qui traverse les formations d'observabilité : déployer l'OpenTelemetry Demo, ...
Grafana Alloy vs OpenTelemetry Collector : Lequel choisir ?
Comparaison détaillée entre Grafana Alloy et l'OpenTelemetry Collector. Découvrez les avantages, ...
Le trilemme de l'observabilité : coût, exhaustivité et performance, et comment les solutions le résolvent
Comprendre le trilemme de l'observabilité (coût, exhaustivité des données, performance des requêt...
OpenTelemetry Collector : les Exporters (envoyer la télémétrie vers les backends)
Configurer les exporters du Collector OpenTelemetry : OTLP gRPC/HTTP, Prometheus, prometheusremot...
Elastic Agent autónomo, salidas Logstash y Kafka, y OpenTelemetry (EDOT)
Escribir una configuración autónoma, enviar a Logstash o Kafka y usar Elastic Agent como Collecto...
Collector OpenTelemetry : connecteurs, extensions et observabilité du Collector
Aller plus loin avec le Collector : connecteurs (spanmetrics, servicegraph, count, routing, failo...