Distribuirano praćenje pomoću OpenTelemetry-ja: otklanjanje problema u mikroservisima

Distribuirano praćenje pomoću OpenTelemetry-ja: otklanjanje problema u mikroservisima

Distribuirano praćenje pomoću OpenTelemetry-ja prati svaki zahtev kroz mikroservise preko trace ID-jeva i određuje kašnjenje do milisekunde. Vodič obuhvata arhitekturu i integraciju SDK-a.

C

Can Kaya

Specijalista za bezbednost

21. mart 2026.14 min čitanja0

U mikroservisnoj arhitekturi jedan korisnički zahtev prolazi kroz više servisa, a kašnjenje ili otkaz u bilo kojoj tački utiče na ceo lanac. Pronalaženje servisa koji stvara usko grlo tradicionalnom analizom logova može trajati satima. Uz distribuirano praćenje (tracing) pomoću OpenTelemetry-ja možete pratiti put svakog zahteva kroz servise od početka do kraja preko trace ID-jeva i odrediti kašnjenje do milisekunde. Ovaj vodič obuhvata sve, od OpenTelemetry arhitekture do integracije SDK-a, od podešavanja Jaeger-a do najboljih praksi za produkciju.

Šta je distribuirano praćenje i zašto vam je potrebno?

Distribuirano praćenje je metoda observability-ja koja prati zahtev kroz sve servise u distribuiranom sistemu. Dok kod monolitnih aplikacija problem otkriva jedan stack trace, u mikroservisima zahtev putuje od API Gateway-a kroz servis za autentifikaciju, servis za porudžbine, servis za plaćanje i servis za obaveštenja.

Svaki servis proizvodi sopstvene logove, ali je povezivanje tih logova teško. Distribuirano praćenje to rešava pomoću trace ID-jeva i span-ova:

Pojam Opis Primer
Trace Put zahteva od početka do kraja GET /api/orders/123 kroz sve servise
Span Pojedinačna jedinica posla unutar trace-a order-service: upit ka bazi (45ms)
Trace ID Jedinstveni identifikator koji povezuje sve span-ove 4bf92f3577b34da6a3ce929d0e0e4736
Propagacija konteksta Prenos informacija o trace-u između servisa HTTP zaglavlje traceparent

OpenTelemetry arhitektura

OpenTelemetry (OTel) je observability framework nezavisan od proizvođača, koji razvija CNCF. Podržava tri vrste signala: trace-ove, metrike i logove. Ranije odvojeni projekti OpenTracing i OpenCensus spojeni su 2019. godine u OpenTelemetry.

💡 Zašto OpenTelemetry? Šaljite podatke na bilo koji backend - Jaeger, Zipkin, Datadog, Grafana Tempo ili AWS X-Ray - bez vezivanja za jednog proizvođača. SDK-ovi su dostupni za 11+ jezika, a automatska instrumentacija omogućava da započnete praćenje bez izmena koda.

Osnovne komponente

  • SDK (Software Development Kit) Biblioteka koja se dodaje vašoj aplikaciji. Kreira span-ove, upravlja propagacijom konteksta i šalje telemetrijske podatke exporter-u.
  • OTel Collector Samostalni servis koji prima i obrađuje telemetrijske podatke i izvozi ih ka backendovima. Sastoji se od receiver, processor i exporter pipeline-ova.
  • Backend (Jaeger, Tempo, Zipkin) Sistem koji čuva i vizuelizuje podatke o trace-ovima. Jaeger je open-source opcija spremna za produkciju.
  • Automatska instrumentacija Biblioteke koje automatski prate HTTP, gRPC, pozive baze podataka i redova poruka. Izmene koda nisu potrebne.

Podešavanje Jaeger-a i OTel Collector-a pomoću Docker Compose-a

Jaeger je backend za distribuirano praćenje koji je razvio Uber i CNCF projekat koji je dostigao status graduated. U kombinaciji sa OTel Collector-om prikuplja i vizuelizuje podatke o trace-ovima iz vaših aplikacija.

docker-compose.yml
version: "3.8"
services:
  jaeger:
    image: jaegertracing/all-in-one:1.54
    ports:
      - "16686:16686"   # Jaeger UI
      - "4317:4317"     # OTLP gRPC
      - "4318:4318"     # OTLP HTTP
    environment:
      - COLLECTOR_OTLP_ENABLED=true
    networks:
      - tracing

  otel-collector:
    image: otel/opentelemetry-collector-contrib:0.96.0
    command: ["--config=/etc/otel-collector-config.yaml"]
    volumes:
      - ./otel-collector-config.yaml:/etc/otel-collector-config.yaml
    ports:
      - "4317:4317"     # OTLP gRPC receiver
      - "4318:4318"     # OTLP HTTP receiver
      - "8889:8889"     # Prometheus metrics
    depends_on:
      - jaeger
    networks:
      - tracing

networks:
  tracing:
    driver: bridge

Konfiguracioni fajl OTel Collector-a definiše receiver, processor i exporter pipeline:

otel-collector-config.yaml
receivers:
  otlp:
    protocols:
      grpc:
        endpoint: 0.0.0.0:4317
      http:
        endpoint: 0.0.0.0:4318

processors:
  batch:
    timeout: 5s
    send_batch_size: 1024
  memory_limiter:
    check_interval: 1s
    limit_mib: 512
    spike_limit_mib: 128
  tail_sampling:
    decision_wait: 10s
    policies:
      - name: errors-policy
        type: status_code
        status_code: { status_codes: [ERROR] }
      - name: slow-traces
        type: latency
        latency: { threshold_ms: 2000 }
      - name: percentage-sample
        type: probabilistic
        probabilistic: { sampling_percentage: 10 }

exporters:
  otlp/jaeger:
    endpoint: jaeger:4317
    tls:
      insecure: true

service:
  pipelines:
    traces:
      receivers: [otlp]
      processors: [memory_limiter, tail_sampling, batch]
      exporters: [otlp/jaeger]

⚠️ Važno: U produkciji koristite tail_sampling processor da biste zadržali samo trace-ove sa greškama, spore trace-ove ili određeni procenat trace-ova. Čuvanje svih trace-ova brzo povećava troškove skladištenja. Gornja konfiguracija zadržava 100% zahteva sa greškom, zahteve sporije od 2 sekunde i 10% ostalih.

Podešavanje OpenTelemetry-ja u Node.js aplikacijama

OpenTelemetry SDK za Node.js podržava automatsku instrumentaciju. Express, Fastify, HTTP, gRPC, PostgreSQL, Redis i mnoge druge biblioteke prate se automatski.

terminal
npm install @opentelemetry/sdk-node \
  @opentelemetry/auto-instrumentations-node \
  @opentelemetry/exporter-trace-otlp-grpc \
  @opentelemetry/resources \
  @opentelemetry/semantic-conventions

Učitajte konfiguraciju za praćenje na samom početku aplikacije (pre ostalih importa):

tracing.ts
import { NodeSDK } from '@opentelemetry/sdk-node';
import { getNodeAutoInstrumentations } from '@opentelemetry/auto-instrumentations-node';
import { OTLPTraceExporter } from '@opentelemetry/exporter-trace-otlp-grpc';
import { Resource } from '@opentelemetry/resources';
import { ATTR_SERVICE_NAME, ATTR_SERVICE_VERSION }
  from '@opentelemetry/semantic-conventions';

const sdk = new NodeSDK({
  resource: new Resource({
    [ATTR_SERVICE_NAME]: 'order-service',
    [ATTR_SERVICE_VERSION]: '1.2.0',
    'deployment.environment': process.env.NODE_ENV || 'development',
  }),
  traceExporter: new OTLPTraceExporter({
    url: process.env.OTEL_EXPORTER_OTLP_ENDPOINT || 'http://localhost:4317',
  }),
  instrumentations: [
    getNodeAutoInstrumentations({
      '@opentelemetry/instrumentation-fs': { enabled: false },
    }),
  ],
});

sdk.start();
console.log('OpenTelemetry tracing initialized');

process.on('SIGTERM', () => {
  sdk.shutdown().then(() => process.exit(0));
});

Pri pokretanju aplikacije prvo učitajte fajl za praćenje:

terminal
# TypeScript
node --require ./tracing.js dist/main.js

# Or with environment variables
OTEL_EXPORTER_OTLP_ENDPOINT=http://otel-collector:4317 \
node --require ./tracing.js dist/main.js

Podešavanje OpenTelemetry-ja u Python aplikacijama

Python SDK nudi automatsku instrumentaciju za popularne biblioteke, uključujući Flask, Django, FastAPI, SQLAlchemy, Redis i requests.

terminal
pip install opentelemetry-distro opentelemetry-exporter-otlp
opentelemetry-bootstrap -a install
terminal
# Launch with zero-code instrumentation
OTEL_SERVICE_NAME=payment-service \
OTEL_EXPORTER_OTLP_ENDPOINT=http://otel-collector:4317 \
opentelemetry-instrument python app.py

Kreiranje ručnih span-ova i obogaćivanje podacima

Automatska instrumentacija automatski prati HTTP pozive i pozive ka bazi podataka, ali za praćenje operacija poslovne logike (validacija plaćanja, provera zaliha, izračunavanje cena) morate kreirati ručne span-ove.

order.service.ts
import { trace, SpanStatusCode } from '@opentelemetry/api';

const tracer = trace.getTracer('order-service');

async function processOrder(orderId: string) {
  return tracer.startActiveSpan('processOrder', async (span) => {
    try {
      // Add business logic info to span
      span.setAttribute('order.id', orderId);
      span.setAttribute('order.source', 'web');

      // Child span: inventory check
      const stock = await tracer.startActiveSpan(
        'checkInventory',
        async (childSpan) => {
          const result = await inventoryService.check(orderId);
          childSpan.setAttribute('inventory.available', result.available);
          childSpan.end();
          return result;
        }
      );

      // Child span: payment processing
      await tracer.startActiveSpan(
        'processPayment',
        async (paymentSpan) => {
          paymentSpan.setAttribute('payment.method', 'credit_card');
          await paymentService.charge(orderId);
          paymentSpan.end();
        }
      );

      span.setStatus({ code: SpanStatusCode.OK });
    } catch (error) {
      span.setStatus({
        code: SpanStatusCode.ERROR,
        message: error.message,
      });
      span.recordException(error);
      throw error;
    } finally {
      span.end();
    }
  });
}

💡 Najbolja praksa: Nikada ne dodajte osetljive podatke (brojeve kreditnih kartica, lozinke, lične podatke) u atribute span-a. Dodajte samo informacije o poslovnoj logici koje pomažu pri otklanjanju problema (ID porudžbine, tip korisnika, način plaćanja).

Propagacija konteksta: povezivanje trace-ova između servisa

Da bi distribuirano praćenje radilo, kontekst trace-a mora se prenositi između servisa. Standard W3C Trace Context to postiže preko HTTP zaglavlja traceparent.

Format W3C traceparent zaglavlja
# Format: version-traceId-parentSpanId-traceFlags
traceparent: 00-4bf92f3577b34da6a3ce929d0e0e4736-00f067aa0ba902b7-01

# 00          = version (W3C spec v1)
# 4bf92f...   = 128-bit trace ID
# 00f067...   = 64-bit parent span ID
# 01          = trace flags (01 = sampled)

OpenTelemetry SDK-ovi automatski dodaju i čitaju ovo zaglavlje u HTTP zahtevima. Propagacija je podržana i preko gRPC metapodataka, Kafka zaglavlja i AMQP svojstava. Radi besprekorno između servisa pisanih na različitim jezicima: kada Node.js servis poziva Python servis, kontekst trace-a se automatski prenosi.

Postavljanje OTel Collector-a u Kubernetes-u

U Kubernetes-u možete postaviti OTel Collector kao DaemonSet ili Sidecar. DaemonSet pristup pokreće jedan collector po čvoru i prikuplja telemetriju iz svih podova na tom čvoru.

Model postavljanja Prednost Nedostatak
DaemonSet Efikasno korišćenje resursa, centralizovano upravljanje Jedna konfiguracija po čvoru
Sidecar Prilagođavanje po servisu Veća potrošnja resursa
Gateway (Deployment) Centralizovano uzorkovanje i rutiranje Rizik od jedne tačke otkaza

Preporučena produkciona arhitektura: DaemonSet collector-i prikupljaju podatke sa čvorova, Gateway collector obavlja centralizovano uzorkovanje i rutiranje, a zatim prosleđuje podatke Jaeger-u ili Tempo-u.

Najbolje prakse za produkciju

Strategija uzorkovanja

Praćenje svakog zahteva u sistemima sa velikim saobraćajem neodrživo je i sa stanovišta performansi i sa stanovišta skladištenja. Izbor prave strategije uzorkovanja je ključan:

  • Uzorkovanje na početku (head-based) Odluka se donosi na početku zahteva. Jednostavno je i ima malo opterećenje, ali može propustiti zahteve sa greškom. Pogodno za razvojna okruženja.
  • Uzorkovanje na kraju (tail-based, preporučeno) Odluka se donosi nakon završetka trace-a. Zadržava se 100% zahteva sa greškom i sporih zahteva, dok se uzorkuje određeni procenat uspešnih zahteva. Podešava se u OTel Collector-u.
  • Ograničavanje brzine (rate limiting) Ograničite maksimalan broj trace-ova u sekundi. Održava potrošnju memorije collector-a pod kontrolom tokom skokova saobraćaja.

Smanjenje uticaja na performanse

Uticaj OpenTelemetry SDK-a na performanse aplikacije obično iznosi 1-3%, ali pogrešna konfiguracija može da ga poveća. Ključne napomene:

Koristite batch exporter (podrazumevano). Šaljite span-ove u grupama, a ne pojedinačno. Isključite fs instrumentaciju: operacije nad fajl sistemom generišu previše span-ova i obično nisu potrebne. Držite broj atributa razumnim; 10-15 atributa po span-u je dovoljno. Izbegavajte dodavanje dugačkih tekstualnih vrednosti (telo zahteva, SQL upiti) kao atributa.

Za centralizovano upravljanje logovima pogledajte naš vodič za ELK Stack. Za metrike servera pogledajte naš vodič za Prometheus + Grafana. Za orkestraciju kontejnera pogledajte naš uvod u Kubernetes. Zvanična OpenTelemetry dokumentacija i Jaeger dokumentacija korisni su dodatni izvori.

Često postavljana pitanja

Koja je razlika između OpenTelemetry-ja i Jaeger-a?

OpenTelemetry je framework za prikupljanje i prenos telemetrijskih podataka (SDK + Collector). Jaeger je backend koji čuva i vizuelizuje te podatke. OTel proizvodi podatke, a Jaeger ih koristi. Umesto Jaeger-a možete koristiti Grafana Tempo, Zipkin ili Datadog.

Koliko distribuirano praćenje utiče na performanse aplikacije?

Pravilno konfigurisan OpenTelemetry SDK obično dodaje 1-3% opterećenja. Taj uticaj se smanjuje batch exporter-ima, odgovarajućim stopama uzorkovanja i isključivanjem nepotrebnih instrumentacija. Na kritičnim putanjama uzorkovanje na početku (head-based) može dodatno smanjiti opterećenje.

Da li je distribuirano praćenje neophodno za monolitne aplikacije?

Korist od distribuiranog praćenja u jednoj monolitnoj aplikaciji je ograničena. Međutim, ako vaš monolit komunicira sa bazama podataka, kešom (Redis) i spoljnim API-jima, praćenje može biti korisno za nadzor trajanja i grešaka tih poziva. Rana integracija donosi prednost ako planirate prelazak na mikroservise.

Koliko dugo treba čuvati podatke o trace-ovima?

Uglavnom je dovoljno 7-14 dana. Trace-ove sa greškama možete čuvati duže (30 dana). Automatsko brisanje podesite pomoću politika zadržavanja u Jaeger-u. Ako imate zahteve usklađenosti (PCI-DSS, SOC 2), trajanje odredite prema odgovarajućem standardu.

Zaključak

Podesite distribuirano praćenje pomoću OpenTelemetry-ja kako biste od početka do kraja otkrili tačke kašnjenja i greške u svojoj mikroservisnoj arhitekturi. Izgradite telemetrijski pipeline nezavisan od proizvođača uz OTel Collector, kontrolišite troškove skladištenja uzorkovanjem na kraju (tail-based) i vizuelizujte trace-ove preko Jaeger UI-ja.

Infrastruktura visokih performansi za vaše mikroservise

Pouzdano pokrenite infrastrukturu za distribuirano praćenje na Hosted Cloud serverima.

Istražite pakete cloud servera →

Podelite

C

Can Kaya

Specijalista za bezbednost

Stručnjak za bezbednost sa CISSP sertifikatom, autor sadržaja o sajber bezbednosti, DDoS zaštiti i ojačavanju servera.

Komentari uskoro