今日已办

根据导师的指导意见

修改了otelclient相关配置的代码

认真学习uptrace的文档，会比otel、signoz的好理解：
什么是OpenTelemetry

https://uptrace.dev/opentelemetry/architecture.html#opentelemetry-sdk
trace部分介绍

https://uptrace.dev/opentelemetry/distributed-tracing.html
trace的otel SDK api，是通用的

https://uptrace.dev/opentelemetry/go-tracing.html
metrics部分介绍

https://uptrace.dev/opentelemetry/metrics.html
metrics的otel SDK api，是通用的

https://uptrace.dev/opentelemetry/go-metrics.html
logs部分介绍

https://uptrace.dev/opentelemetry/logs.html
collector介绍

https://uptrace.dev/opentelemetry/collector.html

OpenTelemetry

Start

What is OpenTelemetry?

开源可观测框架
为所有类型的可观测信号（如trace、metric、log）提供统一标准
指定如何收集，提供通用数据格式和API，共享和重用数据，集成各种可观测工具和平台
灵活性、互操作性和可扩展性

Telemetry data types

Trace追踪，跨多个组件和服务的请求或操作的执行路径。提供详细的计时和上下文信息（trace IDs, span IDs, and other metadata）
Metric指标，系统行为或资源利用率的定量度量。监视和分析一段时间的性能，可用与警报、容量规划和趋势分析，例如CPU使用率、内存消耗或请求延迟；允许自定义和记录指标
Log，事件、错误和活动的结构化或非结构化文本信息，助于调试、审核和故障排除

Architecture

Glossary

OpenTelemetry API ：收集数据
OpenTelemetry SDK ：官方接口实现，有各种编程语言的实现；检测应用程序并收集数据，导出数据到后端，
OpenTelemetry Collector ：应用程序与后端之间的代理。灵活、可扩展的方式来接收数据，处理，导出数据到存储后端，集成不同后端和系统
OTLP ：SDK与收集器用于数据导出到后端或其他收集器的协议，指定数据编码格式。（OTLP/grpc）或（OLTP/HTTP）
OpenTelemetry backend ：接收、存储、分析数据。聚合、查询、可视化
OpenTelemetry Jaeger ：存储、分析、可视化数据的默认OTEL后端
Rescoure ：提供受监视实体（服务、进程、容器）的元数据，标识、筛选、分组

Distributed tracing

Introduce

查看一个跨不同服务、系统的请求过程每个操作的时机，日志和错误
提供系统行为的可见性，帮助识别性能问题，协助调试，并帮助确保分布式应用程序的可靠性和可扩展性
跟踪微服务架构上下文

Spans

一个trace的一个操作（工作单元）。可以是RPC、db query、内部函数调用

trace 是个 span 树

Span names

后端工具名称和相似的属性分组

以下名称很好，因为它们简短、独特，并且有助于将相似的跨度组合在一起：

跨度名称	评论
`GET /projects/:id`	好。带有参数名称的路由名称。
`select_project`	好。不带参数的函数名称。
`SELECT * FROM projects WHERE id = ?`	好。带有占位符的数据库查询。

Span kind

跨度类型必须具有以下值之一：

server操作，例如 HTTP 服务器处理程序。
客户端操作的client，例如 HTTP 客户端请求。
消息生产者的生产者，例如，Kafka producer。
消费者一般用于消息consumer和异步处理，例如 Kafka 消费者。
internal用于内部操作。

Satus Code

状态代码指示操作是成功还是失败。它必须具有以下值之一：

ok - 成功。
error - 失败。
unset - 允许后端分配状态的默认值。

Attributes

记录上下文信息，描述跨度。如HTTP endpoint 可能具有http.method = GET /http.route = /projects/:id 等属性

Events

具有开始时间和任意数量的属性的事件来注释跨度。事件和跨度之间的主要区别在于事件没有结束时间（因此没有持续时间）

事件通常表示异常、错误、日志和消息（例如在 RPC 中），支持自定义事件

Context

Span Context 在 Span 通过不同的组件和服务传播时携带有关该 Span 的信息。

Trace/Span Context 是请求范围的数据，例如：

Trace ID。表示整个Trace的全局唯一标识符。Trace中的所有Span都具有相同的 TraceID。
Span ID。Trace中特定范围的唯一标识符。Trace中的每个Span都有不同的 SpanID。
Trace flags。指示Trace的各种属性（如是否对其进行采样）的标志。采样是指确定应记录哪些Span并将其报告给可观测性后端的过程。
Trace State。一个可选字段，其中包含与Trace相关的其他供应商或应用程序特定的数据。

Span Context 对于维护分布式系统中Span的连续性和相关性非常重要。它允许不同的服务和组件将其Span与正确的Trace相关联，并提供对请求或事务流的端到端可见性。

Span Context 通常使用服务之间通信协议的标头或元数据进行传播，类似于baggage 数据的传播方式。这可确保当服务收到请求时，它可以提取Span Context并将传入 Span 与正确的 Trace 相关联。

使用上下文中的数据进行 Span 关联或采样，例如使用 Trace ID 来了解哪些Span属于哪些 Trace

Context propagation

上下文传播可确保相关的上下文数据（ trace IDs, span IDs, and other metadata ）在应用程序的不同服务和组件之间一致地传播。

进程内传播
- 显式传播，将Context以函数参数传递
- 隐式传播，将Context存储到线程局部变量
分布式传播
- W3C Trace Context in traceparent header ,traceparent=00-84b54e9330faae5350f0dd8673c98146-279fa73bc935cc05-01
- B3 Zipkin start with x-b3-, for example, X-B3-TraceId

Baggage

工作原理与Span Context 类似，自定义键值对属性在服务间传播，类似grpc的metadata

属性可以与请求或事物处理相关的上下文信息，userId、sessionId、metadata

跨分布式系统维护和关联上下文信息，提供了一阵个系统中传递相关数据的标准话方法

Instrumentations

OpenTelemetry instrumentations 是流行框架和库的插件，它们使用 OpenTelemetry API 来记录重要操作，例如 HTTP 请求、数据库查询、日志、错误等

What to instrument?

无需检测每个操作即可充分利用跟踪。考虑一下操作的优先级：

网络操作，例如 HTTP 请求或 RPC 调用。
文件系统操作，例如，读取/写入文件。
结合网络和文件系统操作的数据库查询。
错误和日志，例如，使用结构化日志记录

Timeseries metrics

Introduce

如何收集，聚合，发送 metrics 到 Otel APM 工具的标准

与现有的 metrics instrumentation protocols 配合使用

What are metrics?

标识系统运行情况和性能的数字化数据，如 CPU utilization, network traffic, and database connections.

使用metrics 来衡量、监控和比较性能， server response time, memory utilization, error rate, and more.

Instruments

创建以下Instruments来捕获测量值:

唯一名称, http.server.duration.
instrument 类型, Histogram.
可选的度量单位, milliseconds or bytes.
可选说明.

Timeseries

单个 instrument 可以生成多个 timeseries. timeseries 是具有一组唯一属性的衡量指标，例如，每个主机都有用于同一衡量指标名称的单独时间序列。

Additive instruments

Additive or summable instruments 产生时间序列，当这些时间序列加在一起时，会产生另一个有意义且准确的时间序列。测量非递减数的加法仪器也称为单调（monotonic）.

例如，http.server.requests 是一个 additive timeseries ，因为您可以将来自不同主机的请求数相加以得到请求总数。

但是 system.memory.utilization利用率（百分比）不是累加的，因为来自不同主机的内存利用率总和没有意义（90% + 90% = 180%)

Synchronous instruments

Synchronous instruments 与测量操作一起调用，例如，测量请求数，有新请求来调用 counter.Add(ctx, 1)，可以具有相关联的 Trace Context

对于同步仪器，加法仪器和分组仪器之间的区别在于，加法仪器产生可求和的时间序列，而分组仪器产生直方图

Instrument	Properties	Aggregation	Example
Counter	monotonic【递增】	sum -> delta	number of requests, request size、disk reads
UpDownCounter	additive	last value -> sum	number of connections、active requests、open connections、memory in use(megabytes)
Histogram	grouping	histogram	request duration, request size

Asynchronous instruments

Asynchronous instruments（observers）定期调用回调函数来收集测量结果，例如测量CPU使用率，不能具有相关联的 Trace Context

Instrument Name	Properties	Aggregation	Example
CounterObserver	monotonic	sum -> delta	CPU time
UpDownCounterObserver	additive	last value -> sum	Memory usage (bytes)
GaugeObserver	grouping	last value -> none/avg	Memory utilization (%percents)、error rate、cache hit rate

Choosing instruments

如果您需要直方图、热图或百分位数，请使用Histogram.
如果要通过记录增量值来计算某些内容：
- 如果值是单调的，请使用Counter.
- 否则，请使用UpDownCounter.
如果要通过记录绝对值来测量某些内容：
- 如果值是可加法/求和的：
  - 如果值是单调的，请使用CounterObserver.
  - 否则，请使用UpDownCounterObserver.
- 如果该值不是可加/求和的，请使用GaugeObserver
Counter
- synchronus、monotonic
- the total number of processed requests、received bytes、disk reads
- 对于Counter timeseries，后端通常计算增量并显示速率值，例如，per_min(http.server.requests) 返回每分钟处理的请求数
CounterObserver
- asychronous、monotonic
UpDownCounter
- sychronous、additive
- the number of acitive requests、open connections、memory in use(megabytes)
- 对于UpDownCounter timeseries，后端通常展示最后的值，但是不同timeseries可以累加在一起，例如，go.sql.connections_open返回打开连接的总数，go.sql.connections_open{service.name = myservice} 返回一项服务的打开连接数
UpDownCounterObserver
- asychronous、additive
Histogram
- sychronous、grouping
- request latency、request size
- 对于Histogram timeseries，后端展示百分位数、直方图或热图
GaugeObserver
- asychronous、grouping
- 非相加值，其和没有意义，error rate、memory utilization、cache hit rate
- 对于GaugeObserver timeseries，后端暂时最后的值不允许不同timeseries求和