NodeVerdict：Node.js 原生诊断数据可视化工具

NodeVerdict

一款基于浏览器的 Node.js 诊断数据查看工具 。它消费 Node.js 原生 diagnostics_channel.TracingChannel 输出的 JSON 事件，提供事件列表、瀑布图、CPU 火焰图、堆快照分析、GC 日志解析、性能对比和报告生成等功能。所有数据在本地处理，不上传任何服务器。项目包含一个可选的 WebSocket Live Agent，用于从运行中的 Node.js 进程实时采集诊断数据。适用于开发阶段调试和 TracingChannel 生态的工具验证场景。

项目地址

GitHub ：SnowLeopard-io/NodeVerdict
Gitee 镜像：cnt-code/node-verdict

在线体验

👉 NodeVerdict 在线演示

为什么选择 NodeVerdict

Node.js 可观测性生态正在经历一场基础设施层面的范式转变 。现有的 APM 工具依赖 import-in-the-middle（IITM）和 require-in-the-middle（RITM）对库进行猴子补丁------这种方式脆弱且不兼容 ESM、与打包工具冲突，且需要在任何库加载之前初始化 SDK。

自 Node.js 19.9 起，内置的 diagnostics_channel.TracingChannel API 允许库原生发出结构化的 start/end/asyncStart/asyncEnd/error 事件。APM 工具可以直接订阅------无需任何补丁。

NodeVerdict 正是为这一迁移而构建。 当主流库（mysql2、ioredis、pg、Express 等）原生支持 TracingChannel 时，社区需要一个交互式前端来消费和可视化这些诊断事件。生态的生产侧正在快速建设中；而消费侧仍是一片空白。
#mermaid-svg-sGdJ6MaEVHUMKLpr{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-sGdJ6MaEVHUMKLpr .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-sGdJ6MaEVHUMKLpr .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-sGdJ6MaEVHUMKLpr .error-icon{fill:#552222;}#mermaid-svg-sGdJ6MaEVHUMKLpr .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-sGdJ6MaEVHUMKLpr .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-sGdJ6MaEVHUMKLpr .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-sGdJ6MaEVHUMKLpr .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-sGdJ6MaEVHUMKLpr .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-sGdJ6MaEVHUMKLpr .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-sGdJ6MaEVHUMKLpr .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-sGdJ6MaEVHUMKLpr .marker{fill:#333333;stroke:#333333;}#mermaid-svg-sGdJ6MaEVHUMKLpr .marker.cross{stroke:#333333;}#mermaid-svg-sGdJ6MaEVHUMKLpr svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-sGdJ6MaEVHUMKLpr p{margin:0;}#mermaid-svg-sGdJ6MaEVHUMKLpr .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-sGdJ6MaEVHUMKLpr .cluster-label text{fill:#333;}#mermaid-svg-sGdJ6MaEVHUMKLpr .cluster-label span{color:#333;}#mermaid-svg-sGdJ6MaEVHUMKLpr .cluster-label span p{background-color:transparent;}#mermaid-svg-sGdJ6MaEVHUMKLpr .label text,#mermaid-svg-sGdJ6MaEVHUMKLpr span{fill:#333;color:#333;}#mermaid-svg-sGdJ6MaEVHUMKLpr .node rect,#mermaid-svg-sGdJ6MaEVHUMKLpr .node circle,#mermaid-svg-sGdJ6MaEVHUMKLpr .node ellipse,#mermaid-svg-sGdJ6MaEVHUMKLpr .node polygon,#mermaid-svg-sGdJ6MaEVHUMKLpr .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-sGdJ6MaEVHUMKLpr .rough-node .label text,#mermaid-svg-sGdJ6MaEVHUMKLpr .node .label text,#mermaid-svg-sGdJ6MaEVHUMKLpr .image-shape .label,#mermaid-svg-sGdJ6MaEVHUMKLpr .icon-shape .label{text-anchor:middle;}#mermaid-svg-sGdJ6MaEVHUMKLpr .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-sGdJ6MaEVHUMKLpr .rough-node .label,#mermaid-svg-sGdJ6MaEVHUMKLpr .node .label,#mermaid-svg-sGdJ6MaEVHUMKLpr .image-shape .label,#mermaid-svg-sGdJ6MaEVHUMKLpr .icon-shape .label{text-align:center;}#mermaid-svg-sGdJ6MaEVHUMKLpr .node.clickable{cursor:pointer;}#mermaid-svg-sGdJ6MaEVHUMKLpr .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-sGdJ6MaEVHUMKLpr .arrowheadPath{fill:#333333;}#mermaid-svg-sGdJ6MaEVHUMKLpr .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-sGdJ6MaEVHUMKLpr .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-sGdJ6MaEVHUMKLpr .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-sGdJ6MaEVHUMKLpr .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-sGdJ6MaEVHUMKLpr .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-sGdJ6MaEVHUMKLpr .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-sGdJ6MaEVHUMKLpr .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-sGdJ6MaEVHUMKLpr .cluster text{fill:#333;}#mermaid-svg-sGdJ6MaEVHUMKLpr .cluster span{color:#333;}#mermaid-svg-sGdJ6MaEVHUMKLpr div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-sGdJ6MaEVHUMKLpr .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-sGdJ6MaEVHUMKLpr rect.text{fill:none;stroke-width:0;}#mermaid-svg-sGdJ6MaEVHUMKLpr .icon-shape,#mermaid-svg-sGdJ6MaEVHUMKLpr .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-sGdJ6MaEVHUMKLpr .icon-shape p,#mermaid-svg-sGdJ6MaEVHUMKLpr .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-sGdJ6MaEVHUMKLpr .icon-shape .label rect,#mermaid-svg-sGdJ6MaEVHUMKLpr .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-sGdJ6MaEVHUMKLpr .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-sGdJ6MaEVHUMKLpr .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-sGdJ6MaEVHUMKLpr :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 原生 TracingChannel（Node.js 19.9+）
应用代码
Node.js diagnostics_channel
库发出 TracingChannel 事件
APM 订阅事件
✅ 零侵入
✅ ESM 原生支持
✅ 非阻塞
✅ SemVer 稳定
传统 APM（猴子补丁）
应用代码
IITM/RITM
运行时猴子补丁
劫持核心库方法
❌ ESM 不兼容
❌ 加载顺序敏感
❌ 堆栈污染
❌ 版本碎片化

特性

1. 诊断事件查看器

上传 TracingChannel 事件的 JSON 文件，在交互式时间线中探索它们。

时间线视图 --- 按时间顺序排列的事件列表，带颜色编码的通道标记
通道筛选 --- 按通道名称筛选（如 mysql2:query、ioredis:command）
事件详情面板 --- 点击任意事件查看完整上下文，支持智能渲染（SQL 语法高亮、HTTP 方法徽章、错误堆栈跟踪、Redis 命令展示）
操作聚合 --- 配对的 start/end 事件显示完整操作耗时和状态

2. 跟踪瀑布图

使用 asyncStart/asyncEnd 事件可视化异步操作链。

瀑布图 --- 基于 D3.js 的水平条形图，展示嵌套的异步操作，类似 Chrome DevTools 的 Performance 面板
依赖关系图 --- 操作之间的因果关系（例如"查询 A 等待连接池 → 连接建立 → 查询执行"）
瓶颈检测 --- 自动识别 P95+ 慢操作

3. CPU 性能分析器（新增）

上传来自 Node.js（--cpu-prof）或 Chrome DevTools 的 .cpuprofile 文件，可视化 CPU 使用情况。

交互式火焰图 --- 基于 D3.js 的火焰图，支持点击缩放、悬停提示和缩放历史导航
热点函数表 --- 可按自身耗时或总耗时排序，展示命中次数和源文件位置
调用栈可视化 --- 完整的调用树遍历，用彩色函数块按 CPU 时间比例展示
真实示例数据 --- 包含 examples/cpu-profile-sample.cpuprofile，模拟典型 Express 应用流量模式

4. 堆快照分析器

上传来自 Node.js 的 .heapsnapshot 文件进行内存分析。

热点对象列表 --- 按保留大小排序的顶级对象
泄漏检测 --- 三条规则自动标记可疑对象：无界缓存增长、闭包捕获大对象、事件监听器累积
GC 根路径 --- 从 GC 根到选定对象的简化路径展示

5. 堆快照对比（新增）

并排比较两个 .heapsnapshot 文件，识别内存增长和新对象。

双面板上传 --- 独立上传"前"和"后"快照
差异摘要卡片 --- 前后大小、大小差异、对象差异
新增 / 增长 / 移除 --- 三个分类列表，展示新创建的对象类型、增长的构造函数和释放的类型
完整差异表 --- 按绝对大小差异排序，展示每个构造函数类型的数量和大小变化

6. 时间序列分析（新增）

可视化事件吞吐量、延迟分布和随时间的性能趋势。

吞吐量图表 --- 基于 D3.js 的柱状图，展示每个时间桶内的事件数量，错误标记用红色叠加
延迟分布 --- 直方图展示操作耗时分布（30 个桶）
通道延迟分解表 --- 每个通道的 P50、P95、P99、最小值、最大值和平均延迟
摘要指标 --- 每秒事件吞吐量、平均延迟、P95 延迟

7. 性能对比（新增）

比较两组跟踪数据，识别性能回退或改进。

双数据集上传 --- 加载"前"和"后"跟踪事件 JSON 文件
并排统计 --- 每个数据集的事件数、操作数、错误率和总耗时
通道对比表 --- 按通道对比平均延迟、差异、百分比变化和错误数量
可视化指示器 --- 红色表示回退（慢 >5%），绿色表示改进（快 >5%）

8. 事件验证器

为库维护者和 APM 工具开发者提供，用于验证 TracingChannel 实现的正确性。

命名规范检查 --- 验证 {package}:{operation} 格式
必填字段验证 --- 确保上下文包含语义字段（如 db.query.text、server.address）
事件配对检查 --- 验证每个 start 都有匹配的 end/error
兼容性检查 --- 验证与 OpenTelemetry 语义约定的一致性

9. 搜索与筛选（新增）

在所有跟踪事件中进行高级搜索和筛选。

全文搜索 --- 搜索通道、上下文和 operationId 字段
正则表达式支持 --- 切换正则模式进行高级模式匹配
大小写切换 --- 控制大小写敏感性
耗时范围筛选 --- 按最小/最大耗时筛选操作
状态筛选 --- 按成功、错误或不完整操作筛选
时间范围筛选 --- 数值时间戳范围筛选
实时结果 --- 匹配事件数与总事件数的实时计数

10. 可分享的诊断报告

生成压缩报告并编码到 URL 中------通过 GitHub Issues、Slack 或文档分享。

零基础设施 --- 报告使用 lz-string 压缩编码在 URL 哈希中
一键复制 --- 单击按钮即可复制可分享链接
关键发现 --- 自动生成的摘要（如"mysql2:query 平均 120ms，P95 450ms"）
离线 HTML 导出（新增） --- 下载独立的 HTML 文件，包含所有数据和图表，样式如同专业报告，无需服务器即可查看

11. 内存时间线（新增）

上传 process.memoryUsage() 时间序列数据，可视化随时间变化的内存增长趋势。

D3.js 折线图 --- 三条叠加线条（RSS、heapUsed、external），带相对时间轴（秒）和 MB 单位
增长率告警 --- 线性回归计算检测异常内存增长（>1 MB/s 标记为异常）
数据表格 --- 所有内存快照的可滚动详情表格，便于精确查看

12. GC 日志分析器（新增）

解析 V8 --trace-gc 日志文件，分析垃圾回收行为和外部内存压力。

GC 统计卡片 --- GC 总次数、Major（Mark-sweep）次数、Minor（Scavenge）次数、总暂停时间
外部内存警告 --- 标记堆增长 >50MB 为潜在未管理内存
事件表格 --- 所有 GC 事件按时间排序，包含类型、暂停时间和堆大小变化

13. 实时监控（新增）

通过 WebSocket 实时连接到正在运行的 Node.js 进程------无需重启，无需转储文件。

实时内存轮询 --- RSS、heapUsed、heapTotal、external 在实时更新的统计卡片上展示
实时 TracingChannel 事件 --- 流式事件展示，带通道徽章和时间戳
按需诊断 --- 随时获取堆快照或 CPU 性能分析文件，并下载为文件
代理协议 --- 使用 NodeVerdict Live Agent（server/live-agent.mjs），该代理订阅 diagnostics_channel 事件和 inspector API

14. 告警规则（新增）

定义基于追踪/堆指标阈值规则，并实时查看哪些规则正在触发。

六种指标 --- heapUsedPercent（%）、externalMemory（MB）、heapGrowthRate（MB/s）、rssGrowthRate（MB/s）、errorRate（%）、eventRate（evt/s）
三个级别 --- info / warning / critical，带颜色徽章、边框高亮；规则被违反时进入"触发"状态并点亮
规则构建器 --- 添加/删除规则（指标 + 比较运算符 + 阈值 + 级别）；默认内置一条规则（heapUsedPercent > 85，warning）
最近触发 --- 规则基于当前指标快照实时评估；每条触发规则都会列出实际值与消息，并可一键清除

15. 教程

内置交互式指南，涵盖如何从 Node.js 项目生成诊断数据以及如何使用所有 NodeVerdict 功能。

基于 Markdown --- 分步说明，包含 TracingChannel、CPU 性能分析、堆快照等代码示例
功能讲解 --- 应用中每个页面的详细使用指南
示例文件参考 --- 全部 17 个示例文件的完整表格及推荐学习路径

16. AI 根因分析（新增）

一键根因诊断，由大模型驱动（未配置 API 密钥时回退到本地启发式分析）。

追踪转提示词 --- 将任意追踪数据转为紧凑的结构化提示词，保留跨度拓扑、耗时占比和错误链
生态感知推理 --- 系统提示词内置 Node.js 知识库（连接池、事件循环阻塞、N+1、Redis KEYS 等），让模型依据真实库行为推理
流式输出 --- 分析以 Markdown 形式实时流入页面
自带密钥 --- 兼容任意 OpenAI 格式端点；密钥仅保存在浏览器 localStorage
本地回退 --- 启发式分析器（高成本频道、最深错误、最耗时跨度）零配置即可用

17. OpenTelemetry 导入与 .ndv 二进制格式（新增）

OTel 原生 --- 直接放入标准 OTLP/JSON 追踪导出（或 jaeger 风格 JSON），所有页面自动识别并转换为其内部事件模型。无需 Jaeger/采集器。
紧凑 .ndv 格式 --- 将追踪导出为内存映射友好的二进制格式（约为 JSON 体积的 45%）。追踪查看器可导入/导出 .ndv；该布局设计为让 Rust/WASM 解码器可直接读取同一缓冲区。
统一加载器 --- 一个加载器即可在全部功能中规范化三种来源（NodeVerdict JSON、OTel JSON、.ndv）。

18. 性能门禁 CLI（新增）

把追踪数据变成 CI 门禁。

node-verdict check --- 带退出码（0 通过、1 失败、2 错误）的 CLI，便于接入 CI
规则即代码 --- P99 延迟、N+1 SQL 模式、事件循环延迟的可配置阈值
GitHub Actions --- .github/workflows/perf-gate.yml 在每次 PR 上运行门禁，并将差异报告发布为 PR 评论
输出 --- 人类可读的 Markdown 或供机器解析的 --json

19. NodeVerdictExporter SDK（新增）

将运行中 Node.js 服务的 OTel 跨度直接流式送入查看器。

nodeverdict-exporter --- 将完成的跨度转换为 NodeVerdict TracingEvent[] 并流式转发到回调的 OpenTelemetry SpanProcessor / SpanExporter
一行式配置 --- startNodeVerdict({ serviceName, onExport }) 注册全局 NodeTracerProvider
格式 --- 原生事件 JSON 或 OTLP/JSON 输出，浏览器可直接导入
完整指南见 exporter/README.md。

20. 服务拓扑与分布式根因分析（新增）

在浏览器中把跨服务 OTel 追踪变为实时依赖地图与排序后的根因结论。

跨度树重建 --- 从 OTel 导出中解析 trace_id / span_id / parent_span_id 并按追踪重建跨度树；安全处理多追踪间的跨度 ID 复用
逻辑时钟偏斜校正 --- 以 Lamport 风格重新锚定修正跨主机墙钟漂移（保留耗时、强制因果），即使在毫秒级时钟偏斜下事件顺序也可信
服务依赖图 --- 节点为服务、边为调用方→被调用方，聚合调用频率、P50/P95/P99 延迟与错误率；节点按健康 / 警告 / 故障着色
力导向渲染 --- 基于 D3-force 在 <canvas> 上仿真绘制（图较大时悬停显示标签），100+ 服务仍保持 60fps；点击节点可查看指标与依赖
根因定位 --- 综合关键路径分析、无法解释自耗时异常检测、错误信号与依赖图上的反向个性化 PageRank，生成带置信度的排序假设列表
级联影响链 --- 展示因果链（"服务 A 延迟 ↑ → 服务 B 超时 → 服务 C 队列积压"）与可执行的修复建议（如连接池耗尽）
与追踪查看器联动 --- "在追踪查看器中打开"可直接跳转到同一数据集的现有瀑布图

21. 微分调试（新增）

对比同一代码路径的正常与故障执行轨迹，精确定位两次运行在哪一点、因何而分叉 ------ 相当于执行轨迹的 git diff。

带状对齐 --- 事件流以带约束的动态规划编辑距离对齐（先裁剪公共前缀/后缀，内存 O(band)），10 万事件轨迹可在 1 秒内完成对齐
忽略运行性噪声 --- 默认排除时间戳、请求/追踪/跨度/会话 ID、now()/hrtime 等字段，避免无关差异产生误报分叉
原因 vs. 结果 --- 首个分叉区域被分类为原因，其后同通道或携带错误的分叉区域为结果，均附 0--1 置信度与可读原因
变量与调用栈差异 --- 每个分叉点并排展示对齐事件对、逐键变量差异与逐帧调用栈差异
自然语言报告 --- 自动生成摘要与有序修复建议（例如"故障运行读取 512 字节而正常运行为 1024 字节 ------ 请检查数据库连接池配置"）

JIT Insights --- 解析合并的 V8 --trace-ic / --trace-opt / --trace-deopt 输出为内联缓存站点、隐藏类（map）流转与优化/反优化时间线；以力导向图可视化 IC 多态；检测 JIT 反模式（超态 IC、反优化风暴、优化/反优化循环、隐藏类碎片化、优化被抑制），按严重度打分并给出整体健康度。语义补丁引擎重排对象字面量 / 字段初始化顺序以统一隐藏类，每个补丁均由基于 @babel/parser 的 AST 等价性校验确认；并提供完整的端到端流程，将每条反模式映射回你上传源码中对应的函数，应用经 AST 校验的修复并下载重写后的文件。示例日志/源码：examples/v8-jit-trace.log + examples/demo.js。

23. 快照历史（新增）

追踪堆快照对比结果随时间的变化趋势，识别内存增长模式。在 Heap Diff 视图中保存的每次对比都会被记录为一条历史记录，让你可以观察多次快照之间保留大小、节点数与增长率的演变。

趋势折线图 --- d3 绘制的保留大小增量趋势图，红色为增长点、绿色为改善点，并带虚线零线
泄漏模式检测 --- 单调增长的记录被标记为内存泄漏，缩小的记录标记为健康，并自动生成模式描述
汇总统计 --- 总对比次数、平均增长率、新增节点总数与标记为泄漏的记录数
完整历史表格 --- 每条记录的 ID、时间戳、标签、对比前后大小、保留 Δ 与增长率
导入 / 清除 --- 导入历史记录文件（例如 examples/snapshot-history.json）以载入既往运行数据，或清除全部记录

快速开始

前提条件

Node.js 18+
npm 9+

安装

bash 复制代码

git clone https://github.com/your-username/node-verdict.git
cd node-verdict
npm install

开发

bash 复制代码

npm run dev

在浏览器中打开 http://localhost:5173/node-verdict/。

生产构建

bash 复制代码

npm run build
npm run preview

静态构建输出在 dist/ 目录中，可直接部署到 GitHub Pages 或任何静态托管服务。

使用指南

1. 准备诊断数据

TracingChannel 事件应导出为 JSON 数组。每个事件遵循以下结构：

typescript 复制代码

interface TracingEvent {
  channel: string;           // 例如："mysql2:query"
  eventType: 'start' | 'end' | 'asyncStart' | 'asyncEnd' | 'error';
  context: Record<string, any>;  // 库特定的上下文
  timestamp: number;
  duration?: number;
  error?: { message: string; stack?: string; name?: string };
  operationId?: string;      // 用于跨事件关联
}

CPU 性能分析文件应使用 --cpu-prof 标志从 Node.js 导出，或使用 Chrome DevTools 的 CPU 性能分析导出功能。

堆快照应使用 node --heapsnapshot-signal 或 v8.writeHeapSnapshot() 生成。

2. 上传与探索

导航到任意功能页面，上传诊断文件，开始探索：

页面	数据类型	最佳用途
事件查看器	Tracing 事件 JSON	浏览单个事件、按通道筛选、智能上下文检查
跟踪查看器	Tracing 事件 JSON	理解异步操作链和瓶颈
CPU 性能分析器	`.cpuprofile`	查找热点函数、火焰图可视化
堆分析器	`.heapsnapshot`	内存泄漏调查、热点对象分析、字符串分析
堆对比	`.heapsnapshot`（×2）	对比前后内存以发现增长
时间序列	Tracing 事件 JSON	随时间变化的吞吐量和延迟分布
性能对比	Tracing 事件 JSON（×2）	A/B 性能对比、回退检测
验证器	Tracing 事件 JSON	调试 TracingChannel 库实现
搜索与筛选	Tracing 事件 JSON	全文搜索、正则表达式、耗时/状态筛选
报告	Tracing 事件 JSON	生成可分享的诊断摘要
内存时间线	`memory-timeline.json`	可视化 RSS/堆/外部内存增长趋势
GC 日志分析器	`--trace-gc` 日志文件	分析 GC 暂停时间和外部内存压力
实时监控	WebSocket（实时）	实时内存监控、按需堆/CPU 诊断
告警规则	Tracing 事件 JSON / 堆数据	阈值监控（内存占比、增长率、错误率/事件率）
AI 根因分析	Tracing 事件 JSON / OTel / `.ndv`	大模型或本地启发式根因分析
教程	内置 MD 指南	学习如何生成和使用诊断数据

3. AI 根因分析

一键诊断追踪数据：

上传追踪数据 --- NodeVerdict TracingEvent[] JSON、OpenTelemetry 导出或 .ndv 文件均可。
点击 AI 诊断 。首次使用会打开 配置 API 密钥 弹窗------填写任意 OpenAI 格式端点（Base URL）、模型与 API 密钥。密钥仅保存在浏览器 localStorage，并直接发送到该端点。
分析以 Markdown 流式输出------症状、关键证据、根因、修复建议（基于内置 Node.js 生态知识库）与置信度。
没有 API 密钥？点击 本地启发式分析------零配置即可输出成本最高的频道、跨度树中最深层的错误以及最耗时的跨度。

隐私：只有你主动发送的追踪摘要会离开浏览器，原始数据始终留在本地。

4. 性能门禁（CI）

在命令行用性能规则检查追踪数据：

bash 复制代码

npm run build:cli                 # 打包 CLI（npm run build 也会执行）
node cli/check.mjs check examples/tracing-perf-before.json

退出码：0 = 通过，1 = 失败，2 = 错误。用配置文件或参数覆盖阈值：

bash 复制代码

node cli/check.mjs check examples/tracing-perf-before.json --config gate.json
node cli/check.mjs check trace.ndv --threshold=p99MaxMs=250 --json --report gate-report.md

示例 gate.json：

json 复制代码

{ "p99MaxMs": 500, "n1SqlMaxCount": 3, "eventLoopDelayMaxMs": 20 }

内置的 .github/workflows/perf-gate.yml 会在每次 PR 上运行门禁，并把报告发布为 PR 评论。

5. 从 OpenTelemetry 流式导入

在 Node.js 服务中使用导出 SDK，然后在任意 NodeVerdict 页面打开输出：

bash 复制代码

cd exporter && npm install

ts 复制代码

import { startNodeVerdict } from 'nodeverdict-exporter';

startNodeVerdict({ serviceName: 'api', onExport: (events) => console.log(JSON.stringify(events)) });

也可以把保存好的 OTLP/JSON 导出（或 jaeger 风格 JSON）直接拖入任意页面------加载器会自动识别格式。

6. 分享结果

点击报告 → 复制链接 以 URL 形式分享你的分析结果。接收者打开链接即可看到相同的结果------无需服务器，无需安装。

如需更全面的分享，使用 下载 HTML 报告 按钮导出独立的、自包含的 HTML 报告文件。

架构

复制代码

src/
├── shared/                          # 内核（框架无关）
│   ├── types/                       # TypeScript 类型定义
│   │   ├── tracing.ts               # TracingChannel 事件类型
│   │   ├── heap.ts                  # 堆快照类型
│   │   ├── cpu-profile.ts           # CPU 性能分析及火焰图类型
│   │   ├── memory.ts                # 内存分析类型
│   │   └── report.ts                # 报告数据类型
│   ├── engine/                      # 流水线解析引擎（纯函数）
│   │   ├── tracing-parser.ts        # Tracing 事件解析流水线
│   │   ├── trace-aggregator.ts      # 瀑布图构建及瓶颈检测
│   │   ├── data-loader.ts           # 统一加载器：NodeVerdict JSON / OTel / .ndv
│   │   ├── otel-adapter.ts          # OTLP/JSON → TracingEvent 转换
│   │   ├── ndv-codec.ts             # 紧凑 .ndv 二进制编解码器（WASM 就绪布局）
│   │   ├── heap-parser.ts           # 堆快照解析
│   │   ├── heap-diff.ts             # 堆快照对比引擎
│   │   ├── memory-analyzer.ts       # 字符串/外部内存/GC 日志分析
│   │   ├── cpu-profile-parser.ts    # CPU 性能分析解析及火焰树构建
│   │   ├── validator.ts             # 事件格式验证器
│   │   └── report-generator.ts      # 报告生成与压缩
│   ├── ai/                          # AI 根因引擎
│   │   ├── tracePrompt.ts           # 追踪转提示词转换器
│   │   ├── rcaEngine.ts             # LLM 客户端 + 本地启发式分析器
│   │   └── knowledge.ts             # Node.js 生态最佳实践知识库
│   ├── gate/                        # CI 性能门禁规则引擎（与 CLI 共享）
│   │   └── performance-gate.ts      # 指标 + 规则 + 报告格式化
│   ├── workers/                     # Web Worker 工厂及处理器
│   ├── utils/                       # 格式化、I/O、辅助工具
│   ├── components/                  # 共享 UI 组件
│   └── hooks/                       # 共享 React 钩子
├── features/                        # 功能模块（自包含）
│   ├── event-viewer/                # 诊断事件查看器
│   ├── trace-viewer/                # 瀑布图及瓶颈分析
│   ├── cpu-profiler/                # CPU 性能分析及火焰图
│   ├── heap-analyzer/               # 堆快照分析器（含字符串/外部内存）
│   ├── heap-diff/                   # 堆快照对比
│   ├── time-series/                 # 时间序列及吞吐量分析
│   ├── perf-compare/                # A/B 性能对比
│   ├── memory-timeline/             # 内存使用时间线图表
│   ├── gc-log/                      # GC 日志解析器及分析器
│   ├── live-monitor/                # 实时 WebSocket 代理监控
│   ├── validator/                   # 事件格式验证器
│   ├── search-filter/               # 高级搜索与筛选
│   ├── tutorial/                    # 交互式 Markdown 教程
│   └── report/                      # 报告生成与分享
├── stores/                          # Zustand 状态管理
└── app/                             # 应用外壳、入口点、导航

#mermaid-svg-zVzip8DUycoPtazf{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-zVzip8DUycoPtazf .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-zVzip8DUycoPtazf .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-zVzip8DUycoPtazf .error-icon{fill:#552222;}#mermaid-svg-zVzip8DUycoPtazf .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-zVzip8DUycoPtazf .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-zVzip8DUycoPtazf .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-zVzip8DUycoPtazf .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-zVzip8DUycoPtazf .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-zVzip8DUycoPtazf .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-zVzip8DUycoPtazf .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-zVzip8DUycoPtazf .marker{fill:#333333;stroke:#333333;}#mermaid-svg-zVzip8DUycoPtazf .marker.cross{stroke:#333333;}#mermaid-svg-zVzip8DUycoPtazf svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-zVzip8DUycoPtazf p{margin:0;}#mermaid-svg-zVzip8DUycoPtazf .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-zVzip8DUycoPtazf .cluster-label text{fill:#333;}#mermaid-svg-zVzip8DUycoPtazf .cluster-label span{color:#333;}#mermaid-svg-zVzip8DUycoPtazf .cluster-label span p{background-color:transparent;}#mermaid-svg-zVzip8DUycoPtazf .label text,#mermaid-svg-zVzip8DUycoPtazf span{fill:#333;color:#333;}#mermaid-svg-zVzip8DUycoPtazf .node rect,#mermaid-svg-zVzip8DUycoPtazf .node circle,#mermaid-svg-zVzip8DUycoPtazf .node ellipse,#mermaid-svg-zVzip8DUycoPtazf .node polygon,#mermaid-svg-zVzip8DUycoPtazf .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-zVzip8DUycoPtazf .rough-node .label text,#mermaid-svg-zVzip8DUycoPtazf .node .label text,#mermaid-svg-zVzip8DUycoPtazf .image-shape .label,#mermaid-svg-zVzip8DUycoPtazf .icon-shape .label{text-anchor:middle;}#mermaid-svg-zVzip8DUycoPtazf .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-zVzip8DUycoPtazf .rough-node .label,#mermaid-svg-zVzip8DUycoPtazf .node .label,#mermaid-svg-zVzip8DUycoPtazf .image-shape .label,#mermaid-svg-zVzip8DUycoPtazf .icon-shape .label{text-align:center;}#mermaid-svg-zVzip8DUycoPtazf .node.clickable{cursor:pointer;}#mermaid-svg-zVzip8DUycoPtazf .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-zVzip8DUycoPtazf .arrowheadPath{fill:#333333;}#mermaid-svg-zVzip8DUycoPtazf .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-zVzip8DUycoPtazf .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-zVzip8DUycoPtazf .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-zVzip8DUycoPtazf .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-zVzip8DUycoPtazf .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-zVzip8DUycoPtazf .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-zVzip8DUycoPtazf .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-zVzip8DUycoPtazf .cluster text{fill:#333;}#mermaid-svg-zVzip8DUycoPtazf .cluster span{color:#333;}#mermaid-svg-zVzip8DUycoPtazf div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-zVzip8DUycoPtazf .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-zVzip8DUycoPtazf rect.text{fill:none;stroke-width:0;}#mermaid-svg-zVzip8DUycoPtazf .icon-shape,#mermaid-svg-zVzip8DUycoPtazf .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-zVzip8DUycoPtazf .icon-shape p,#mermaid-svg-zVzip8DUycoPtazf .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-zVzip8DUycoPtazf .icon-shape .label rect,#mermaid-svg-zVzip8DUycoPtazf .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-zVzip8DUycoPtazf .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-zVzip8DUycoPtazf .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-zVzip8DUycoPtazf :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 应用外壳
共享内核
类型/接口
引擎 - 纯函数
Web Workers
工具函数
共享组件
钩子
功能层
事件查看器
跟踪查看器
CPU 性能分析器
堆分析器
堆对比
时间序列
性能对比
验证器
搜索与筛选
报告
Zustand 状态仓库
React Router / 导航

关键设计模式

模式	描述
流水线引擎	`标准化 → 配对 → 统计 → 索引` --- 每个阶段都是纯函数，可独立测试
状态切片	每个功能在中央 Zustand 仓库中注册自己的切片------无循环依赖
Worker 工厂	从处理器函数生成类型安全的泛型 Worker 客户端
功能隔离	每个功能拥有自己的组件和逻辑，仅通过状态仓库共享

示例

示例数据文件位于 examples/ 目录中：

文件	描述	尝试于
`examples/tracing-events.json`	mysql2 + ioredis 混合事件，包含死锁错误	事件查看器、跟踪查看器
`examples/tracing-multi-lib.json`	pg + KafkaJS + Express 跨库跟踪	跟踪查看器、报告
`examples/tracing-invalid.json`	异常数据：孤立事件、重复开始、错误命名	验证器
`examples/tracing-http-errors.json`	HTTP 错误场景（404/403/400/500、超时、负载过大）	事件查看器、验证器、报告
`examples/tracing-search-filter.json`	8 个通道上 40+ 事件：不同耗时、错误和状态，用于搜索/筛选测试	搜索与筛选、事件查看器
`examples/tracing-cross-lib.json`	复杂的跨库异步链：Express → Auth → Redis → MySQL → Kafka	跟踪查看器、事件查看器
`examples/tracing-time-series.json`	14 个操作的时间戳分散事件，用于吞吐量和延迟分布分析	时间序列、事件查看器
`examples/tracing-perf-before.json`	基线跟踪数据：5 个请求，未优化的查询（慢 JOIN、SELECT *、无缓存）	性能对比、跟踪查看器
`examples/tracing-perf-after.json`	优化版本：查询改进、列选择、7 天筛选，延迟降低约 40-50%	性能对比、跟踪查看器
`examples/cpu-profile-sample.cpuprofile`	400 样本 CPU 性能分析，模拟带数据库查询、认证和缓存的 Express 应用	CPU 性能分析器
`examples/heap-sample.heapsnapshot`	最小 5 节点堆快照链（AppCache → DataStore → SessionManager → LargeBuffer）	堆分析器
`examples/heap-express-app.heapsnapshot`	真实的 Express 应用堆：闭包、事件监听器、大缓冲区、缓存条目	堆分析器、堆对比
`examples/heap-diff-before.heapsnapshot`	前快照：11 个节点，小缓存（2 条目）和会话存储	堆对比
`examples/heap-diff-after.heapsnapshot`	后快照：18 个节点，增长的缓存（4 条目）+ 泄漏的事件监听器	堆对比
`examples/heap-string-leak.heapsnapshot`	22 节点堆，包含拼接字符串、切片字符串和大字符串缓存，用于测试字符串分析	堆分析器
`examples/memory-timeline.json`	16 个数据点的 process.memoryUsage() 时间序列，展示 15 秒内外部/RSS/堆的稳定增长	内存时间线
`examples/memory-timeline-leak.json`	60 秒 61 个快照的无界会话缓存泄漏：堆 +7.9 MB/s、RSS +10 MB/s（触发异常增长告警）	内存时间线
`examples/gc-trace-gc.log`	15 秒内 33 个 GC 事件（Scavenge + Mark-sweep），展示 4 倍堆增长	GC 日志分析器
`examples/gc-memory-leak.log`	60 秒渐进式堆泄漏：11 次大 GC 频率持续攀升、暂停不断拉长（平均约 59ms）、增长 +315MB	GC 日志分析器
`examples/otel-distributed-trace.json`	7 服务 OTel 导出（api → auth → users-db，order → inventory → inventory-db，payment-gateway），含注入的时钟偏斜与 payment-gateway 连接池耗尽故障	服务拓扑
`examples/otel-cascade-failure.json`	12 服务 OTel 导出（2 条结账追踪）的级联故障：payment-gateway 502 + recommendation/cart-db/inventory-db 变慢 → api 500	服务拓扑
`examples/tracing-large.json`	约 42.7 万事件 / 64MB 追踪文件，足以走 Streaming 大文件导入 Worker（≥10MB 自动流式处理）	流式导入、事件查看器
`examples/differential-normal.json`	健康运行：5 个 GET /api/users 请求，全部 200，1024 字节 socket 读取	微分调试
`examples/differential-fault.json`	同一代码路径注入数据库连接丢失 bug：请求 req-004 读取 512 字节，抛出 `mysql2:query error`，返回 500	微分调试
`examples/differential-timeout-normal.json`	健康运行：5 个 GET /api/orders 请求，上游调用约 50ms 完成，全部 200	微分调试
`examples/differential-timeout-fault.json`	req-004 的上游调用 5000ms 超时 → `TimeoutError`，HTTP 504	微分调试
`examples/differential-pool-normal.json`	6 个 GET /api/orders 请求，各自获取并归还连接池连接	微分调试
`examples/differential-pool-fault.json`	req-005 的连接从未归还（泄漏）→ req-006 等待连接超时，HTTP 503	微分调试
`examples/differential-cache-normal.json`	GET /api/orders：首个请求预热缓存，后续 4 个命中缓存（无 DB 查询）	微分调试
`examples/differential-cache-fault.json`	缓存写入被跳过（bug），每个请求都未命中并打库 ------ `cacheHit` 翻转、出现多余查询	微分调试

快速入门指南

初次接触 NodeVerdict？ 按顺序尝试以下场景：

事件查看器基础 → 上传 examples/tracing-events.json 查看时间线
CPU 性能分析 → 上传 examples/cpu-profile-sample.cpuprofile 探索火焰图
内存分析 → 上传 examples/heap-sample.heapsnapshot 查看泄漏检测
堆对比 → 在堆对比中上传 examples/heap-diff-before.heapsnapshot 和 heap-diff-after.heapsnapshot 比较内存增长
性能对比 → 在性能对比中上传 examples/tracing-perf-before.json 和 tracing-perf-after.json 查看优化效果
时间序列 → 上传 examples/tracing-time-series.json 可视化吞吐量模式
跨库跟踪 → 在跟踪查看器中上传 examples/tracing-cross-lib.json 查看瀑布图
搜索与筛选 → 上传 examples/tracing-search-filter.json 测试全文搜索、正则表达式和耗时筛选
分享结果 → 上传任意跟踪数据并进入报告，生成可分享链接或下载 HTML
内存时间线 → 上传 examples/memory-timeline.json 可视化外部内存增长及 RSS/堆随时间的变化趋势
GC 日志分析 → 上传 examples/gc-trace-gc.log 分析 GC 暂停时间和外部内存压力
字符串泄漏检测 → 在堆分析器中上传 examples/heap-string-leak.heapsnapshot 查看外部内存统计和字符串分析
实时监控 → 启动 node server/live-agent.mjs --port 9876，从实时监控页面连接，实时监控正在运行的 Node.js 进程
告警规则 → 上传任意追踪数据，在告警规则中创建规则（如 errorRate > 5，warning），观察规则点亮
AI 根因分析 → 在 AI 根因分析中上传 examples/tracing-perf-before.json，点击 AI 诊断 （无密钥时点击 本地启发式分析）
性能门禁 → 在终端运行 node cli/check.mjs check examples/tracing-perf-before.json --threshold=p99MaxMs=250，观察门禁失败
二进制导出 → 在跟踪查看器中上传追踪数据，点击 导出 .ndv（二进制） ，再重新导入该 .ndv 文件
OTel 导入 → 把 OTLP/JSON 追踪导出拖入任意页面------会自动识别并转换

浏览器支持

浏览器	支持
Chrome 80+	✅ 完整支持
Firefox 80+	✅ 完整支持
Safari 14+	✅ 完整支持
Edge 80+	✅ 完整支持

开发

项目脚本

命令	描述
`npm run dev`	启动 Vite 开发服务器，支持 HMR
`npm run build`	打包 CLI + TypeScript 检查 + 生产构建
`npm run build:cli`	将 `node-verdict` CLI 打包为 `cli/check.mjs`
`npm run preview`	本地预览生产构建

技术栈

组件	选择	理由
UI 框架	React + TypeScript	稳定的生态系统
构建工具	Vite	快速 HMR，对 GitHub Pages 友好
样式	Tailwind CSS v4	工具优先，快速 UI 开发
状态管理	Zustand	最少的样板代码，支持切片
压缩	lz-string	对 URL 友好的报告分享
可视化	D3.js（火焰图、瀑布图、图表）/ ECharts（概览）	为每种图表类型量身定制

常见问题

问：这会把我的数据发送到任何地方吗？

答：不会。所有分析完全在浏览器中运行。没有数据被上传到任何服务器。实时监控功能通过 WebSocket 连接到本地代理，但数据始终停留在你的本地网络中。

问：支持哪些文件格式？

答：TracingChannel 事件的 JSON 文件（最大 200MB，通过 Web Worker 流式处理）、标准 OpenTelemetry OTLP/JSON 追踪导出、紧凑的 .ndv 二进制格式、用于堆分析的 .heapsnapshot 文件（最大 200MB）、用于 CPU 性能分析的 .cpuprofile 文件（最大 200MB）、用于内存时间线的 process.memoryUsage() JSON 数组，以及用于 GC 分析的 --trace-gc 日志文件。

问：我可以将其用于生产环境监控吗？

答：实时监控功能通过 WebSocket 提供实时诊断，无需重启进程------适用于在预发或生产环境中按需调试。对于持久的生产监控，请考虑专用的 APM 工具。

问：如何从我的 Node.js 应用程序生成 TracingChannel 事件？

答：在你的 Node.js 应用程序中订阅 diagnostics_channel 通道，并将捕获的事件导出为 JSON。详情请参阅 Node.js diagnostics_channel 文档。

问：如何生成用于分析的 CPU 性能分析文件？

答：使用 --cpu-prof 标志运行你的 Node.js 应用程序：node --cpu-prof app.js。这会生成一个 .cpuprofile 文件。或者，使用 Chrome DevTools 的 Performance 标签 → "Start profiling" → "Download CPU profile"。

问：如何生成堆快照？

答：使用 node --heapsnapshot-signal=SIGUSR2 app.js 并发送信号，或在代码中调用 v8.writeHeapSnapshot()。生成的 .heapsnapshot 文件可以直接加载到 NodeVerdict 中。

问：堆分析器和堆对比有什么区别？

答：堆分析器检查单个快照，查找热点对象和可疑泄漏。堆对比比较两个快照（前后），以发现内存增长、新对象类型和释放的内存。

问：性能对比功能展示什么？

答：它并排比较两组跟踪事件数据集。你可以查看每个通道的延迟变化、错误率差异和总体耗时差异------适用于 A/B 测试性能优化效果。

问：可以使用正则表达式跨事件搜索吗？

答：可以。搜索与筛选页面支持正则表达式模式、大小写切换、耗时范围、状态筛选和时间范围筛选。

问：离线 HTML 报告包含哪些信息？

答：导出的 HTML 报告包含关键发现、按通道统计（操作数、平均耗时、P95、错误数）、堆分析摘要（如有）以及专业样式------全部在一个独立的自包含文件中。

生态与时机

TracingChannel API 自 Node.js 18 起就已可用，但真正有意义的生态采用始于 2025 年底。主要库的迁移状态：

库	状态	周下载量
mysql2	✅ 已合并（v3.20.0）	~6000 万+
node-redis	✅ 已合并	~6000 万+
ioredis	✅ 已合并	~6000 万+
pg（PostgreSQL）	🔄 PR 已提交	主流
Express	🔄 PR 已提交	主流
GraphQL	🔄 PR 已提交	主流
跟踪 44+ 个库	10 个已合并，4 个 PR 已提交，8 个讨论中，22 个未开始

关键洞察 ：当 mysql2 推出 TracingChannel 支持后，社区独立构建了 mysql2-otel-instrumentation------一个纯粹的 diagnostics_channel 订阅者，取代了猴子补丁式的 @opentelemetry/instrumentation-mysql2。这表明一旦库原生支持 TracingChannel，订阅者生态会自然涌现------但用于调试和可视化这些事件的工具仍然缺失。

许可证

MIT

贡献

欢迎贡献！如有任何错误、功能或改进，请提交 Issue 或 PR。