OpenObserve 指标和链路追踪方面的支持

前面我们讲到了 OpenObserve 的基本使用，使用 Fluentd 将日志采集后输出到了 OpenObserve，此外 OpenObserve 还支持指标和链路追踪。

指标

OpenObserve 除了支持日志之外，也支持指标数据的摄取，它支持 Prometheus 的远程写入协议，这样我们就可以直接将 Prometheus 的数据远程写入到 OpenObserve 中了。

下面的资源清单就是一个简单的 Prometheus 示例，我们使用node_exporter 来采集节点的指标数据，然后通过 Prometheus 将其远程写入到 OpenObserve 中：

#prometheus.yaml
apiVersion:v1
kind:ConfigMap
metadata:
name:prometheus-config
namespace:openobserve
data:
prometheus.yaml:|
global:
scrape_interval:15s
scrape_timeout:15s
remote_write:#写入到远程OO，url是远程写入接口地址
-url:http://openobserve.openobserve.svc.cluster.local:5080/api/default/prometheus/api/v1/write
basic_auth:
username:[email protected]
password:root321
#queue_config:#如果Prometheus抓取指标很大，可以加调整queue，但是会提高内存占用
#max_samples_per_send:10000#每次发送的最大样本数
#capacity:20000
# max_shards: 30#最大分片数，即并发量。
scrape_configs:
-job_name:"nodes"
static_configs:
-targets:['10.206.16.6:9100','10.206.16.5:9100','10.206.16.10:9100']
relabel_configs:#通过relabeling从__address__中提取IP信息，为了后面验证VM是否兼容relabeling
-source_labels:[__address__]
regex:"(.*):(.*)"
replacement:"${1}"
target_label:'ip'
action:replace
---
apiVersion:apps/v1
kind:Deployment
metadata:
name:prometheus
namespace:openobserve
spec:
selector:
matchLabels:
app:prometheus
template:
metadata:
labels:
app:prometheus
spec:
containers:
-args:
---config.file=/etc/prometheus/prometheus.yaml
---storage.tsdb.path=/prometheus
---storage.tsdb.retention.time=4h
---web.enable-lifecycle
image:prom/prometheus:v2.44.0
imagePullPolicy:IfNotPresent
name:prometheus
ports:
-containerPort:9090
name:http
protocol:TCP
securityContext:
runAsUser:0
volumeMounts:
-mountPath:/etc/prometheus
name:config-volume
-mountPath:/prometheus
name:data
volumes:
-name:data
emptyDir:{}
-configMap:
defaultMode:420
name:prometheus-config
name:config-volume
---
apiVersion:v1
kind:Service
metadata:
name:prometheus
namespace:openobserve
spec:
ports:
-name:http
port:9090
targetPort:9090
selector:
app:prometheus
type:NodePort

上面的资源清单文件中，我们使用了 Prometheus 的remote_write 配置项来将数据远程写入到 OpenObserve 中，其中url 参数指定了远程写入接口地址，username 和password 参数指定了管理员的邮箱和密码。

直接应用上面的资源清单文件即可：

$kubectlapply-fprometheus.yaml
$kubectlgetpods-nopenobserve
NAMEREADYSTATUSRESTARTSAGE
openobserve-01/1Running02d18h
prometheus-756c8c78f5-kvvbl1/1Running020s
$kubectlgetsvc-nopenobserve
NAMETYPECLUSTER-IPEXTERNAL-IPPORT(S)AGE
openobserveClusterIPNone<none>5080/TCP2d18h
prometheusNodePort10.107.32.131<none>9090:31019/TCP37s

部署后我们依然可以使用 Prometheus 的 UI 界面来查看指标数据：

正常现在 Prometheus 的指标数据就会被写入到 OpenObserve 中了，我们可以在 OpenObserve 的 UI 界面中查看该指标流：

可以看到 OpenObserve 中是将每个指标看成一个独立的 stream 流来进行管理的，这样无疑大大增加了对指标数据管理的灵活性，但要想针对某个 job 进行管理难度也就大大增加了。现在我们就可以在 OpenObserve 的 UI 界面中查看指标数据了，比如查询node_load5
指标：

可以和 Prometheus 中的查询结果进行对比：

从图形中可以看到 OpenObserve 的查询结果和 Prometheus 的查询结果是一致的。但是目前 OpenObserve 的 UI 界面中支持的 promql 语法还比较有限，比如不支持向量运算等操作（本周发布的版本即将支持了）。

此外我们也可以使用 SQL 语法来查询指标数据，比如查询node_load5 指标：

除了使用 Prometheus 的远程写入方式之外，OpenObserve 还支持通过 OpenTelemetry Collector（后面会讲解）来写入指标数据，只需要在 exporters 中配置prometheusremotewrite 即可，如下所示配置：

exporters:
prometheusremotewrite:
endpoint:"http://<oo-url>/api/org_name/prometheus/api/v1/write"
headers:
Authorization:Basicbase64_encoded_data_of(userid:password)

在指标页面查询数据的时候我们还可以将查询结果保存为 Dashboard：

在 Dashboard 里面还可以添加变量，比如我们这里添加一个变量instance：

然后编辑 Panel，将查询语句中的instance 替换成$instance：

然后就可以在 Dashboard 中选择不同的instance 来查看不同的指标数据了：

链路追踪

OpenObserve 除了支持日志和指标之外，还支版权声明：本文遵循 CC 4.0 BY-SA 版权协议，若要转载请务必附上原文出处链接及本声明，谢谢合作！持链路追踪，OpenObserve 遵循 OpenTelemetry 的追踪标准，我们可以使用通过 OpenTelemetry SD版权声明：本文遵循 CC 4.0 BY-SA 版权协议，若要转载请务必附上原文出处链接及本声明，谢谢合作！K 检测的代码将 Trace 数据发送到 OpenO版权声明：本文遵循 CC 4.0 BY-SA 版权协议，若要转载请务必附上原文出处链接及本声明，谢谢合作！bserve，或通过自动检测将跟踪发送到 OpenObserve。

下面是一个集成 OpenTelemetry SDK 的 Python 示例，代码位于git clone https://github.com/openobserve/sample-tracing-python：

fromopentelemetryimporttrace
fromopentelemetry.sdk.traceimportTracerProvider
fromopentelemetry.sdk.resourcesimportSERVICE_NAME,Resource
fromopentelemetry.sdk.trace.exportimportBatchSpanProcessor
fromopentelemetry.exporter.otlp.proto.http.trace_exporterimportOTLPSpanExporter


#Servicenameisrequiredformostbackends
resource=Resource(attributes={
SERVICE_NAME:"python-service"
})

#createatracerprovider
tracer_provider=TracerProvider(resource=resource)

#createanOTLPtraceexporter
url='HTTP_Endpoint'
headers={"Authorization":"Authorization"}

exporter=OTLPSpanExporter(endpoint=url,headers=headers)

#createaspan processortosendspanstotheexporter
span_processor=BatchSpanProcessor(exporter)

#addthespan processortothetracerprovider
tracer_provider.add_span_processor(span_processor)

#setthetracerproviderastheglobalprovider
trace.set_tracer_provider(tracer_provider)

我们只需要将HTTP_Endpoint 和Authorization 替换成 OpenObserve 的地址和管理员的认证信息即可。其中地址为https://url:5080/api/<orgname>/traces，Authorization为Basic base64(userid:password)。然后运行上面的代码即可将 Trace 数据发送到 OpenObserve 中。

除此之外 OpenObserve 还支持通过 OpenTelemetry Collector 来收集链路追踪数据，只需要在 O版权声明：本文遵循 CC 4.0 BY-SA 版权协议，若要转载请务必附上原文出处链接及本声明，谢谢合作！penTelemetry Collector 的配置文件中配置otlp 输出即可，如下所示：

#......
exporters:#导出器，用于导出数据
jaeger:
endpoint:"jaeger:14250"#使用jaeger容器名称
tls:
insecure:true#不使用TLS

#Datasources:traces,metrics
otlphttp:
traces_endpoint:http://url:5080/api/<orgname>/traces#OpenObserve的接口地址，这里要用traces_endpoint
headers:
Authorization:Basicbase64(userid:password)#管理员的认证信息

service:#服务配置
pipelines:#管道配置
traces:#链路追踪配置
receivers:[otlp]#接收器
exporters:[otlphttp]#导出器
processors:[batch]#处理器

然后我们在应用中只需要通过 OpenTelemetry SDK 配置 OTLPTraceExporter 地址为 OpenTelemetry Collector 的地址即可，正常链路追踪数据就可以被收集到 OpenObserve 中去了。

如下图所示，我们可以在 OpenObserve 的 UI 界面中查看链路追踪数据：

点击某个 Trace 可以查看详细信息：

关于如何使用 OpenTelemetry 来生成并收集 Traces 数据、OpenTelemetry Collector 的部署等知识点我们后面会详细讲解。

报警

OpenObserve 支持两种警报方式，针对指定流进行评估：

• 计划报警
• 实时报警

要使用报警我们首先需要创建一个报警模板，当发送警报通知时使用模板，模板构建发送到目的地的请求正文，例如。对于 slack，可以创建如下模板：

{
"text":"Forstream{stream_name}oforganization{org_name}alert{alert_name}oftype{alert_type}isactive"
}

在报警页面先添加一个报警模板，如下所示：

发送通知时，OpenObserve 会将{stream_name}、{org_name} 等占位符替换为stream、alert、organization 的实际值。可以在模板中使用的变量有：

然后接下来需要创建一个Destinations目的地，用于发送警报通知，创建后可以在多个报警中使用。

比如我们这里创建一个Slack目的地，用于发送警报通知，如下所示：

最后我们就可以创建一个报警了，如下所示：

这里我们添加了一个计划报警，当K8sLogs日志流在 1 分钟内的日志数量大于 50 条时就会触发报警，然后发送到Slack目的地中，需要注意的是这里查询语句最终会加上时间范围进行过滤，比如我们这里的查询语句在执行的时候实际执行的语句如下所示：

selectcount(*)asechocntFROM'K8sLogs'WHERE(_timestamp>=1691488182902275AND_timestamp<1691488242902275)LIMIT100

正常情况下我们可以在 Slack 中看到报警信息：

另外对于实时报警是根据指定的条件在摄取时进行评估：

除此之外 OpenObserve 还支持函数功能，使用的是Vector Remap Language (vrl)
(https://vector.dev/docs/reference/vrl/) 定义的，可以在数据摄取或查询期间用于帮助实现高级功能，例如增强、遮蔽、日志减少、合规性等。还有内置的查询函数，如match_all 和match_all_ignore_case 等，可用于根据用户的流设置或默认设置进行全文搜索，这些高级版权声明：本文遵循 CC 4.0 BY-SA 版权协议，若要转载请务必附上原文出处链接及本声明，谢谢合作！功能可以关注后续文章。