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

NestJS + Opentelemetry(Grafana 云)

来源:dev.to 2024-08-20 08:57:50 0浏览 收藏

在IT行业这个发展更新速度很快的行业,只有不停止的学习,才不会被行业所淘汰。如果你是文章学习者,那么本文《NestJS + Opentelemetry(Grafana 云)》就很适合你!本篇内容主要包括##content_title##,希望对大家的知识积累有所帮助,助力实战开发!

在生产环境中使用 opentelemetry

在应用程序中设置opentelemetry并通过在本地启动otel collector、loki、tempo和grafana查看轨迹的功能已在上一篇文章中完成。

现在剩下的就是不仅要在本地看追踪,还要在实际生产环境中看追踪。

为此,需要的是‘在云端保存日志和痕迹’。

方法

1.部署opentelemetry收集器

你可以在某处浮动一个opentelemetry collector(+ loki、tempo等)并将应用程序发送的oltp地址设置到这个collector。

或者,为了获得更好的可扩展性,有一种方法可以使用网关进行负载平衡,从网关接收oltp,并将其传递给内部收集器。

2.安装和部署grafana alloy

grafana alloy 是 grafana 提供的可配置的 opentelemetry 收集器。

如果您使用 docker 或以前使用过 kubernetes 进行部署,可以将其添加为新节点。

3.无需collector直接拍摄

这是一种直接将oltp发送到后端(loki、tempo、jaeger等)的方法,无需收集器。

好处是grafana cloud的loki和tempo可以作为后端,无需部署即可快速入门

反而使用collector所能获得的可扩展性、处理能力等优势消失了。

采用:无收藏家拍摄

我想以一种很酷的方式部署和使用 collector,但我认为在不使用 kubernetes 的环境中单独部署和设置 collector 会花费太多时间,所以我选择直接启动它grafana 云.

其实我们引入它是为了实验,而且由于它是一个初创公司,可扩展性并不是很重要(因为它是日志记录),最重要的是它可以快速完成,所以它并不花哨,但是这是一个很好的决定。

绳索

更改代码很简单。您所需要做的就是正确设置 oltp 端点和协议。

示踪剂

import { otlptraceexporter as protootlptraceexporter } from "@opentelemetry/exporter-trace-otlp-proto";

const oltptraceexporter = new protootlptraceexporter({
  url: process.env.otel_exporter_otlp_endpoint + "/v1/traces",
  headers: {
    authorization: process.env.otel_exporter_otlp_headers_authorization,
  },
});

将接收我们要拍摄的trace的端点(grafana cloud)接收http/protobuf协议,因此必须从exporter-trace-otlp-proto导入和使用。

记录器

const logexporter = new otlplogexporter({
  url: process.env.otel_exporter_otlp_endpoint + "/v1/logs",
  headers: {
    authorization: process.env.otel_exporter_otlp_headers_authorization,
  },
});

logger已经使用http协议,所以otlplogexporter可以直接使用

环境变量

请注意,在nestjs中,环境变量是在初始化appmodule时设置的,因此它们不能用于必须在创建appmodule之前完成的跟踪器和记录器设置。

如果你使用dotenv,必须先调用


// eslint-disable-next-line import/order
import { config } from "dotenv";
// eslint-disable-next-line import/order
import { getEnvFilePath } from "@/lib/utils/env-loader";
config(); // load env before loading tracer and logger

// 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";
环境变量值

比较难找,仔细看下去

    访问grafana
  1. 点击右上角我的账户
  2. 点击左侧导航栏中grafana cloud下的堆栈名称(如果不存在,则创建一个新堆栈)
  3. 在“管理您的堆栈”屏幕上按 opentelmetry 卡的配置
  4. 您可以在这里获取otel_exporter_otlp_endpoint,
  5. 通过点击下方密码/api token中的生成密钥来创建密钥
  6. environment variables字段中otel_exporter_otlp_headers中basic开头的部分是otel_exporter_otlp_headers_authorization变量的值。
注册环境变量并运行

启动 grafana 云

在grafana中点击grafana launch,查看explore中的数据

NestJS + Opentelemetry(Grafana 云)

今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

版本声明
本文转载于:dev.to 如有侵犯,请联系study_golang@163.com删除
PHP 函数中哪些变量类型可以表示对象?PHP 函数中哪些变量类型可以表示对象?
上一篇
PHP 函数中哪些变量类型可以表示对象?
DeepSeek开源数学大模型,高中、大学定理证明新SOTA
下一篇
DeepSeek开源数学大模型,高中、大学定理证明新SOTA
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。
    351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。
    412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。
    420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。
    376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。
    199次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码