概述
分布式追踪是一种跟踪应用程序请求流经不同服务（如前端、后端、数据库等）的过程。它是一个强大的工具，可以帮助您了解应用程序的工作原理并调试性能问题。
Quickwit 是一个用于索引和搜索非结构化数据的云原生引擎，这使其非常适合用作追踪数据的后端。
此外，Quickwit 本地支持 OpenTelemetry gRPC 和 HTTP（仅 protobuf）协议 以及 Jaeger gRPC API（仅 SpanReader）。这意味着您可以使用 Quickwit 存储追踪数据，并通过 Jaeger UI 查询这些数据。
将 Quickwit 连接到 Jaeger
Quickwit 实现了一个与 Jaeger UI 兼容的 gRPC 服务。您只需要将 Jaeger 配置为使用 grpc-plugin 类型的（跨度）存储，就能够查看存储在任何匹配模式 otel-traces-v0_* 的 Quickwit 索引中的追踪数据。
官方制作了一个关于 如何将 Quickwit 连接到 Jaeger UI 的教程，将引导您完成整个过程。
向 Quickwit 发送追踪数据
将 Quickwit 连接至 Jaeger
我们将 Quickwit 的追踪数据发送到 Jaeger 并进行分析，这将生成新的追踪数据以供分析 😃
启动 Quickwit
首先，启动一个启用了 OTLP 服务的 Quickwit 实例：
QW_ENABLE_OPENTELEMETRY_OTLP_EXPORTER=true OTEL_EXPORTER_OTLP_ENDPOINT=http://127.0.0.1:7281 ./quickwit run 我们还设置了 QW_ENABLE_OPENTELEMETRY_OTLP_EXPORTER 和 OTEL_EXPORTER_OTLP_ENDPOINT 环境变量，以便 Quickwit 将其自身的追踪数据发送给自己。
启动 Jaeger UI
让我们使用 Docker 启动一个 Jaeger UI 实例。在这里我们需要告知 Jaeger 使用 Quickwit 作为其后端。
由于一些与容器网络相关的特殊性，我们需要在 MacOS 和 Windows 上采用一种方法，在 Linux 上采用另一种方法。
MacOS 与 Windows
我们可以依赖 host.docker.internal 来获取指向我们 Quickwit 服务器的 Docker 桥接 IP 地址。
docker run --rm --name jaeger-qw -e SPAN_STORAGE_TYPE=grpc-plugin -e GRPC_STORAGE_SERVER=host.docker.internal:7281 -p 16686:16686 jaegertracing/jaeger-query:latest Linux
默认情况下，Quickwit 监听 127.0.0.1，并且不会响应指向 Docker 桥接 (172.17.0.1) 的请求。解决此问题有多种方法。最简单的方法可能是使用主机网络模式。
docker run --rm --name jaeger-qw --network=host -e SPAN_STORAGE_TYPE=grpc-plugin -e GRPC_STORAGE_SERVER=127.0.0.1:7281 -p 16686:16686 jaegertracing/jaeger-query:latest 在 Jaeger UI 中搜索追踪数据
由于 Quickwit 会索引其自身的追踪数据，因此在大约 5 秒后（这是 Quickwit 完成首次提交所需的时间），您应该能够在 Jaeger UI 中看到这些数据。
打开位于 http://localhost:16686 的 Jaeger UI 并搜索追踪数据！通过执行搜索查询，您将看到 Quickwit 自身的追踪数据：
find_traces是在 Jaeger UI 中搜索追踪数据时调用的端点，随后它会调用find_trace_ids。find_traces_ids对跨度执行聚合查询以获取唯一的追踪 ID。root_search是 Quickwit 的搜索入口点。它会在每个分片（索引的一部分）上并行地或分布式地调用搜索，如果只有一个节点，则仅在本地调用。leaf_search是每个节点上的搜索入口点。它会在每个分片上调用leaf_search_single_split。leaf_search_single_split是分片上的搜索入口点。它会依次调用warmup和tantivy_search。warmup是搜索的预热阶段。它预取执行搜索查询所需的数据。tantivy_search是搜索的执行阶段。它使用 Tantivy 高速执行搜索查询。
使用 OTEL Collector
如果您已经有自己的 OpenTelemetry Collector 并希望将跟踪数据导出到 Quickwit，您需要在 config.yaml 中添加一个新的 OTLP gRPC 导出器：
macOS/Windows
receivers: otlp: protocols: grpc: http: processors: batch: exporters: otlp/quickwit: endpoint: host.docker.internal:7281 tls: insecure: true # By default, traces are sent to the otel-traces-v0_7. # You can customize the index ID By setting this header. # headers: # qw-otel-traces-index: otel-traces-v0_7 service: pipelines: traces: receivers: [otlp] processors: [batch] exporters: [otlp/quickwit] Linux
receivers: otlp: protocols: grpc: http: processors: batch: exporters: otlp/quickwit: endpoint: 127.0.0.1:7281 tls: insecure: true service: pipelines: traces: receivers: [otlp] processors: [batch] exporters: [otlp/quickwit] 测试您的 OTEL 配置
- 安装 并启动一个 Quickwit 服务器：
./quickwit run - 使用之前的配置启动一个收集器：
macOS/Windows
docker run -v ${PWD}/otel-collector-config.yaml:/etc/otelcol/config.yaml -p 4317:4317 -p 4318:4318 -p 7281:7281 otel/opentelemetry-collector Linux
docker run -v ${PWD}/otel-collector-config.yaml:/etc/otelcol/config.yaml --network=host -p 4317:4317 -p 4318:4318 -p 7281:7281 otel/opentelemetry-collector - 使用 cURL 向收集器发送一个跟踪：
curl -XPOST "http://localhost:4318/v1/traces" -H "Content-Type: application/json" --data-binary @- << EOF { "resource_spans": [ { "resource": { "attributes": [ { "key": "service.name", "value": { "string_value": "test-with-curl" } } ] }, "scope_spans": [ { "scope": { "name": "manual-test" }, "spans": [ { "time_unix_nano": "1678974011000000000", "observed_time_unix_nano": "1678974011000000000", "start_time_unix_nano": "1678974011000000000", "end_time_unix_nano": "1678974021000000000", "trace_id": "3c191d03fa8be0653c191d03fa8be065", "span_id": "3c191d03fa8be065", "kind": 2, "events": [], "status": { "code": 1 } } ] } ] } ] } EOF 您应该会在 Quickwit 服务器上看到类似于以下的日志：
2023-03-16T13:44:09.369Z INFO quickwit_indexing::actors::indexer: new-split split_id="01GVNAKT5TQW0T2QGA245XCMTJ" partition_id=6444214793425557444 这意味着 Quickwit 已经接收到跟踪并创建了一个新的分片。在搜索跟踪之前，请等待分片发布。
使用 OTEL SDK - Python
在本教程中，我们将向您展示如何使用 OpenTelemetry 为 Python Flask 应用程序进行仪器化，并将跟踪数据发送到 Quickwit。本教程受到 Python OpenTelemetry 文档的启发，感谢 OpenTelemetry 团队！
- https://flask.palletsprojects.com/en/2.2.x/
- https://opentelemetry.io/docs/instrumentation/python/getting-started/
前提条件
- 已安装 Python3
- 已安装 Docker
启动一个 Quickwit 实例
安装 Quickwit 并启动一个 Quickwit 实例：
./quickwit run 启动 Jaeger UI
让我们使用 Docker 启动一个 Jaeger UI 实例。在这里我们需要告知 Jaeger 使用 Quickwit 作为其后端。
由于容器网络的一些特殊性，我们将在 MacOS 和 Windows 以及 Linux 上采用不同的方法。
MacOS 和 Windows
我们可以依赖 host.docker.internal 获取指向我们 Quickwit 服务器的 Docker 桥接 IP 地址。
docker run --rm --name jaeger-qw -e SPAN_STORAGE_TYPE=grpc-plugin -e GRPC_STORAGE_SERVER=host.docker.internal:7281 -p 16686:16686 jaegertracing/jaeger-query:latest Linux
默认情况下，Quickwit 监听的是 127.0.0.1，并且不会响应指向 Docker 桥接 (172.17.0.1) 的请求。有多种方法可以解决这个问题。
最简单的方法可能是使用主机网络模式。
docker run --rm --name jaeger-qw --network=host -e SPAN_STORAGE_TYPE=grpc-plugin -e GRPC_STORAGE_SERVER=127.0.0.1:7281 -p 16686:16686 jaegertracing/jaeger-query:latest 运行一个简单的 Flask 应用
我们将启动一个 Flask 应用程序，该程序在每个 HTTP 调用 http://localhost:5000/process-ip 上执行三件事：
- 从 https://httpbin.org/ip 获取 IP 地址。
- 解析它，并使用随机休眠进行伪造处理。
- 以随机休眠时间显示它。
我们首先安装依赖项：
pip install flask pip install opentelemetry-distro pip install opentelemetry-exporter-otlp opentelemetry-distro 包会安装 API、SDK 以及您将使用的 opentelemetry-bootstrap 和 opentelemetry-instrument 工具。
以下是我们的应用代码：
import random import time import requests from flask import Flask app = Flask(__name__) @app.route("/process-ip") def process_ip(): body = fetch() ip = parse(body) display(ip) return ip def fetch(): resp = requests.get('https://httpbin.org/ip') body = resp.json() return body def parse(body): # Sleep for a random amount of time to make the span more visible. secs = random.randint(1, 100) / 1000 time.sleep(secs) return body["origin"] def display(ip): # Sleep for a random amount of time to make the span more visible. secs = random.randint(1, 100) / 1000 time.sleep(secs) message = f"Your IP address is `{ip}`." print(message) if __name__ == "__main__": app.run(port=5000) 自动 Instrumentation
OpenTelemetry 提供了一个名为 opentelemetry-bootstrap 的工具，它可以自动为您仪器化 Python 应用程序。
opentelemetry-bootstrap -a install 现在一切就绪，我们可以运行应用了：
# We don't need metrics. OTEL_METRICS_EXPORTER=none OTEL_TRACES_EXPORTER=console OTEL_SERVICE_NAME=my_app python my_app.py 通过访问 http://localhost:5000/process-ip，您应该能在控制台看到相应的跟踪记录。
这已经很好了，但如果我们可以记录每个步骤所花费的时间、获取 HTTP 请求的状态码以及响应的内容类型，那就更好了。让我们通过手动仪器化我们的应用来实现这一点！
手动 Instrumentation
import random import time import requests from flask import Flask from opentelemetry import trace # Creates a tracer from the global tracer provider tracer = trace.get_tracer(__name__) app = Flask(__name__) @app.route("/process-ip") @tracer.start_as_current_span("process_ip") def process_ip(): body = fetch() ip = parse(body) display(ip) return ip @tracer.start_as_current_span("fetch") def fetch(): resp = requests.get('https://httpbin.org/ip') body = resp.json() headers = resp.headers current_span = trace.get_current_span() current_span.set_attribute("status_code", resp.status_code) current_span.set_attribute("content_type", headers["Content-Type"]) current_span.set_attribute("content_length", headers["Content-Length"]) return body @tracer.start_as_current_span("parse") def parse(body): # Sleep for a random amount of time to make the span more visible. secs = random.randint(1, 100) / 1000 time.sleep(secs) return body["origin"] @tracer.start_as_current_span("display") def display(ip): # Sleep for a random amount of time to make the span more visible. secs = random.randint(1, 100) / 1000 time.sleep(secs) message = f"Your IP address is `{ip}`." print(message) current_span = trace.get_current_span() current_span.add_event(message) if __name__ == "__main__": app.run(port=5000) 我们现在可以启动新的仪器化应用：
OTEL_METRICS_EXPORTER=none OTEL_TRACES_EXPORTER=console OTEL_SERVICE_NAME=my_app opentelemetry-instrument python my_instrumented_app.py 如果您再次访问 http://localhost:5000/process-ip，您应该能看到带有名称 fetch、parse 和 display 的新跨度以及相应的自定义属性！
将跟踪数据发送到 Quickwit
要将跟踪数据发送到 Quickwit，我们需要使用 OTLP 导出器。这非常简单：
OTEL_METRICS_EXPORTER=none # We don't need metrics OTEL_SERVICE_NAME=my_app OTEL_EXPORTER_OTLP_TRACES_ENDPOINT=http://localhost:7281 opentelemetry-instrument python my_instrumented_app.py 现在，如果您访问 http://localhost:5000/process-ip，跟踪数据将被发送到 Quickwit，只需等待大约 30 秒即可完成索引。是时候休息一下喝杯咖啡了！
30 秒过去了，让我们查询服务的跟踪数据：
curl -XPOST http://localhost:7280/api/v1/otel-trace-v0/search -H 'Content-Type: application/json' -d '{ "query": "resource_attributes.service.name:my_app" }' 然后打开 Jaeger UI localhost:16686 并进行操作，现在您有了一个由 Quickwit 存储后端支持的 Jaeger UI！
将跟踪数据发送到您的 OpenTelemetry 收集器
按照 OpenTelemetry 收集器教程 中的说明启动一个收集器，并执行以下命令：
OTEL_METRICS_EXPORTER=none # We don't need metrics OTEL_SERVICE_NAME=my_app opentelemetry-instrument python instrumented_app.py 跟踪数据将被发送到您的收集器，然后再发送到 Quickwit。
总结
在本教程中，我们学习了如何使用 OpenTelemetry 为 Python 应用程序进行仪器化，并将跟踪数据发送到 Quickwit。同时，我们也了解了如何使用 Jaeger UI 分析这些跟踪数据。
所有的代码片段都可在我们的 教程仓库 中找到。
请告诉我们您对本教程的看法，如有任何疑问，欢迎通过 Discord 或 Twitter 与我们联系。
OTEL service
Quickwit 本地支持 OpenTelemetry 协议 (OTLP)，并提供了一个 gRPC 端点来接收来自 OpenTelemetry collector 或直接从应用程序通过 exporter 发送的跨度数据。此端点默认是启用的。
当启用时，Quickwit 将启动 gRPC 服务，准备接收来自 OpenTelemetry collector 的跨度数据。这些跨度数据默认会被索引到 otel-trace-v0_7 索引中，并且如果该索引不存在，它将自动创建。索引文档映射在下一个section中描述。
如果由于任何原因，您想要禁用这个端点，您可以：
- 在启动 Quickwit 时将环境变量
QW_ENABLE_OTLP_ENDPOINT设置为false。 - 或者配置节点配置，将索引器设置
enable_otlp_endpoint设置为false。
# ... Indexer configuration ... indexer: enable_otlp_endpoint: false 在您选择的索引中发送跨度
您可以通过将 gRPC 请求的头部 qw-otel-traces-index 设置为目标索引 ID 来在您选择的索引中发送跨度。
跟踪和跨度数据模型
一个跟踪是一组跨度，表示一个单独的请求。一个跨度表示跟踪内的单个操作。OpenTelemetry 收集器发送跨度，Quickwit 默认将它们索引到 otel-trace-v0_7 索引中，该索引将 OpenTelemetry 的跨度模型映射到 Quickwit 中的索引文档。
跨度模型源自 OpenTelemetry 规范。
下面是 otel-trace-v0_7 索引的文档映射：
version: 0.7 index_id: otel-trace-v0_7 doc_mapping: mode: strict field_mappings: - name: trace_id type: bytes input_format: hex output_format: hex fast: true - name: trace_state type: text indexed: false - name: service_name type: text tokenizer: raw fast: true - name: resource_attributes type: json tokenizer: raw - name: resource_dropped_attributes_count type: u64 indexed: false - name: scope_name type: text indexed: false - name: scope_version type: text indexed: false - name: scope_attributes type: json indexed: false - name: scope_dropped_attributes_count type: u64 indexed: false - name: span_id type: bytes input_format: hex output_format: hex - name: span_kind type: u64 - name: span_name type: text tokenizer: raw fast: true - name: span_fingerprint type: text tokenizer: raw - name: span_start_timestamp_nanos type: datetime input_formats: [unix_timestamp] output_format: unix_timestamp_nanos indexed: false fast: true fast_precision: milliseconds - name: span_end_timestamp_nanos type: datetime input_formats: [unix_timestamp] output_format: unix_timestamp_nanos indexed: false fast: false - name: span_duration_millis type: u64 indexed: false fast: true - name: span_attributes type: json tokenizer: raw fast: true - name: span_dropped_attributes_count type: u64 indexed: false - name: span_dropped_events_count type: u64 indexed: false - name: span_dropped_links_count type: u64 indexed: false - name: span_status type: json indexed: true - name: parent_span_id type: bytes input_format: hex output_format: hex indexed: false - name: events type: array<json> tokenizer: raw fast: true - name: event_names type: array<text> tokenizer: default record: position stored: false - name: links type: array<json> tokenizer: raw timestamp_field: span_start_timestamp_nanos indexing_settings: commit_timeout_secs: 10 search_settings: default_search_fields: [] 
![洛谷 P11345 [KTSC 2023 R2] 基地简化 题解](https://www.itfaba.com/wp-content/themes/kemi/timthumb.php?src=https://www.itfaba.com/wp-content/themes/kemi/img/random/2.jpg&w=218&h=124&zc=1)
