当前位置:首页 > 文章列表 > 文章 > 前端 > NestJS + Opentelemetry (Loki)

NestJS + Opentelemetry (Loki)

来源:dev.to 2024-08-19 08:07:02 0浏览 收藏

小伙伴们对文章编程感兴趣吗?是否正在学习相关知识点?如果是,那么本文《NestJS + Opentelemetry (Loki)》,就很适合你,本篇文章讲解的知识点主要包括。在之后的文章中也会多多分享相关知识点,希望对大家的知识积累有所帮助!

先决条件

  • opentelemetry collector 必须准备好。 (去准备吧)

  • grafana 设置查看 opentelemetry 跟踪(转到准备)

  • (可选)opentelemetry知识(遇到困难可以学习^0^)(去学习)

  • (可选)nestjs + opentelemetry 帖子(查看)

nestjs 到 loki

本来,当你设置零代码opentelemetry时,日志应该自动发送到otel收集器并累积在loki中。

但是,日志记录自动仪器存在问题,因此如果设置不当,日志不会累积。

(感谢这个bug,我研究了otel?)

如何正确设置自动

问题中的组合方法。 (嗯,这不是魔法)

auto-instrumentation in sdk (not working)
instrumentation-winston in sdk (not working)
instrumentation-winston in sdk + winston-transport in logger transports (working)
auto-instrumentation in sdk + winston-transport in logger transports (working)
auto-instrumentation in sdk + winston-transport installed only (working)

最后原因是instrumentation-winston没有包含winston-transport依赖,所以必须单独安装

请务必执行 npm install @opentelemetry/winston-transport。

如果你运气好并且设置正确的话,就不需要按照下面的方法了

温斯顿

我决定让 winston 作为记录器。我本来用的是pino,但看到这篇文章后改成了winston。 (+网上有更多关于winston的信息)

即使你使用的是pino,下面的方法仍然适用。

代码

手动设置 loggerprovider

创建一个新文件 logger.ts 来设置记录器。

import { otlplogexporter } from "@opentelemetry/exporter-logs-otlp-http";
import { resource } from "@opentelemetry/resources";
import {
  batchlogrecordprocessor,
  loggerprovider,
} from "@opentelemetry/sdk-logs";
import {
  semresattrs_service_name,
  semresattrs_service_version,
} from "@opentelemetry/semantic-conventions";
import { opentelemetrytransportv3 } from "@opentelemetry/winston-transport";

const logexporter = new otlplogexporter();
const loggerprovider = new loggerprovider({
  resource: new resource({
    [semresattrs_service_name]: "your-service-name",
    [semresattrs_service_version]: "1.0",
  }),
});

loggerprovider.addlogrecordprocessor(
  new batchlogrecordprocessor(logexporter)
  // new simplelogrecordprocessor(new consolelogrecordexporter())
);
api.logs.setgloballoggerprovider(loggerprovider);

创建loggerprovider,连接exporter、resource、processor,然后在globalloggerprovider中设置。

创建温斯顿记录器

之后,创建一个用于nestjs的winston logger。还写入 logger.ts。

import { opentelemetrytransportv3 } from "@opentelemetry/winston-transport";

export default function createlogger() {
  const transports = [
    new winston.transports.console({
      format: winston.format.combine(
        winston.format.timestamp({ format: "yyyy-mm-ddthh:mm:ss.sssz" }),
        winston.format.json(),
        winston.format.ms(),
        nestwinstonmoduleutilities.format.nestlike("api", {
          colors: true,
          prettyprint: true,
          processid: true,
          appname: true,
        })
      ),
    }),
    new opentelemetrytransportv3(),
  ];
  const logger = winstonmodule.createlogger({
    defaultmeta: { environment: process.env.node_env },
    transports,
  });

  return logger;
}

这里,opentelemetrytransportv3被注册为winston的transport,允许将winston的日志导出到oltp。

导入记录器

与 tracer 一样,logger 也是在 main.ts 顶部导入。

// eslint-disable-next-line import/order
import otelsdk from "./tracer"; // otelsdk should be imported before any other imports
// eslint-disable-next-line import/order
import createlogger from "./logger";

连接记录器

创建nestapp时,会创建并移交一个记录器。这取代了 nestjs/common 中的记录器。

  const app = await nestfactory.create(
    appmodule,
    new expressadapter(expressapp),
    {
      logger: createlogger(),

提供商温斯顿模块

我们使用nestjs-winston创建了winston logger,因此它在appmodule中作为provider提供。

@Module({
  providers: [
    Logger,

结果

现在,来自 winston 的日志被传输到 logger 提供者,并由 loggerprovider 的导出器发送到 oltp 端点(http://localhost:4317 或 http://localhost:4318)。

日志数据将由预先启动的收集器收集并存储在 loki 中。

结果屏幕

去格拉法纳
您可以使用 explore -> 查看日志 数据源:loki -> 标签浏览器 -> 选择服务 -> 显示日志。

NestJS + Opentelemetry (Loki)

本篇关于《NestJS + Opentelemetry (Loki)》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

版本声明
本文转载于:dev.to 如有侵犯,请联系study_golang@163.com删除
在 Reactjs 中构建表单:初学者指南在 Reactjs 中构建表单:初学者指南
上一篇
在 Reactjs 中构建表单:初学者指南
PHP 函数如何与 Prolog 交互
下一篇
PHP 函数如何与 Prolog 交互
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    280次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    334次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    329次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    299次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    120次使用