opentelemetry

行者-全栈开发

【码动四季】Spring Boot 可观测性体系：Micrometer + OpenTelemetry + Grafana 全链路搭建摘要：分布式交易系统最怕的不是出问题，而是出了问题不知道问题在哪。去年我负责的交易中台在高峰期出现订单处理延迟飙升，3 个团队花了 4 小时才定位到是 Redis 连接池耗尽导致的级联超时。痛定思痛后，我基于 Spring Boot 3.4 + Micrometer + OpenTelemetry + Grafana 搭建了 Trace + 指标 + 日志三合一可观测性体系，排障效率从 4 小时压缩到 15 分钟。本文记录完整搭建过程、5 个生产级踩坑案例，以及 AtomCode 在规范埋点注解、生成 G

国产开源APM databuff 成为 CNCF 顶级项目opentelemetry 官宣VendorOpenTelemetry · Vendors 生态 · AI 原生 · DataBuff —— 从 CNCF 标准、官网收录到 Demo 实拍，帮 SRE 团队看清 OTel 后端选型。

全链路监控工具推荐：OTLP 接入与一体化 APM 实践全链路监控 · OTLP · OpenTelemetry · 分布式链路追踪 —— 从 Jaeger、SkyWalking、LGTM 到 DataBuff，附 Demo Trace 瀑布图与服务流验收。

【Python工程化实战】OpenTelemetry 在 Python 中的全链路追踪落地：从埋点到可视化的完整实战指南摘要：本文从实战角度出发，系统讲解如何使用 OpenTelemetry Python SDK 实现微服务架构下的全链路追踪。涵盖自动埋点与手动埋点、W3C 上下文传播机制、采样策略配置，以及跨服务请求的可视化追踪与性能瓶颈定位。附完整可运行代码，适合中高级 Python 开发者直接落地使用。

OpenTelemetry搭配aspire-dashboard来监测系统性能OpenTelemetry 是一个可观测性框架和工具包，旨在创建和管理遥测数据，如链路、、指标和日志。OpenTelemetry 对供应商和工具是中立的，这意味着它可以与各种可观测性后端一起使用，包括 Jaeger 和 Prometheus 这类开源工具以及商业化产品。

《AgentX 专栏》07-全链路可观测：用OpenTelemetry+Jaeger让每次AI对话都可追踪可复盘本文是 AgentX 技术专栏第七篇。基于真实项目源码（AgentService / AgentxModelListener / AgentContext / AgentThreadContext / TracingFilterConfig / SpanFilteringConfig），从技术简介到设计思路，从核心代码到生产踩坑，循序渐进拆解 AgentX 如何用 OpenTelemetry + Jaeger 把每一次 LLM 对话都钉在时间轴上——让 Java 程序员一次性看懂"AI 黑盒"是怎么变白的

不懂的浪漫

OpenTelemetry 和 SkyWalking Agent 怎么选？一次讲清 OTel、SkyWalking Agent 的相同点与区别在做微服务监控、链路追踪、APM 系统建设时，经常会遇到两个名字：OpenTelemetry 和 SkyWalking。

还是码字踏实

开源项目解读：Microsoft Multi-Modal Customer Service Agent项目定位：Microsoft 官方发布的生产级 Solution Accelerator，展示如何在 Azure 上构建一个支持语音/电话/文字的多域 AI 客服系统，集成多 Agent 编排、实时流式推理、RAG 知识检索与完整可观测性。

Golang下kafka可观测数据采集组件Otelsarama详解otelsarama 是 Go 生态中为 Sarama（Go 语言主流 Kafka 客户端）提供的 OpenTelemetry 自动埋点库，用于实现 Kafka 生产/消费链路的分布式追踪、指标采集与上下文传播，解决微服务架构下 Kafka 消息链路“断链”、性能瓶颈难定位的问题。

EasyTelemetry：让OpenTelemetry拥抱Arthas Trace的强大功能在现代分布式系统中，可观测性已成为保障系统稳定性和性能的关键要素。OpenTelemetry 作为业界主流的可观测性框架，提供了强大的链路追踪、指标收集和日志记录能力。然而，在实际生产环境中，开发者往往还需要更细粒度的代码执行轨迹分析工具，例如 Arthas 的 trace 命令。尽管 trace 功能强大，但在使用过程中仍存在一些痛点。本文将介绍 EasyTelemetry——一个融合 OpenTelemetry 与 Arthas Trace 能力的创新解决方案。

我的golang之路果然有问题

OpenTelemet 实习中了解到的部分OpenTelemetry 采集的 trace 信息结构化、详细，主要在链路追踪后端（如 Jaeger/Grafana Tempo）页面查看，能帮助你分析 API 性能和故障。

许泽宇的技术分享

当 AI Agent 遇上可观测性：AgentOpenTelemetry 让你的智能体不再“黑盒“"你的 AI Agent 到底在干什么？为什么响应这么慢？Token 都花哪儿了？" —— 每个 AI 开发者的灵魂三问

精准到 Trace！用 Woody attach 式 Profiling OpenTelemetry 与 Skywalking 请求在分布式系统可观测性实践中，“追踪（Trace）” 与 “性能分析（Profiling）” 的脱节一直是开发者的痛点：OpenTelemetry、Skywalking 能清晰记录请求调用链，却难以深挖单次慢请求的 CPU 瓶颈、内存泄漏；传统 Profiling 工具虽能生成火焰图，却无法关联具体 Trace，面对 “某条 Trace 为何耗时 5 秒” 的问题时，往往只能靠经验猜测。而Woody的出现，不仅填补了这一空白 —— 能为 OpenTelemetry、Skywalking 的每次请求 Tra

夜莺监控设计思考（三）时序库、agent 的一些设计考量这将是一个系列，讲解夜莺监控的设计思考，可以理解为原理+最佳实践+产品设计时的折中取舍。本系列其他文章：

利用 OpenTelemetry 集成 JMX 监控JMX 是 “Java Management Extensions” 的缩写，中文通常称为 “Java 管理扩展”。它是 Java 平台提供的一套标准框架，用于对 Java 应用程序、设备、系统资源进行监控和管理。

如何学习 OpenTelemetry-Java-Agent（一）：自定义 OTLP-HTTP-Collector 实现数据接收与格式化输出在 OpenTelemetry（简称 OTel）生态中，Java Agent 是实现 “无侵入式” 数据采集的核心组件，而 Collector 则负责接收、处理 Agent 上报的 Trace、Log、Metrics 数据。本文作为系列第一篇，将聚焦 “自定义 OTLP-HTTP Collector” 的开发，带你从零实现一个能接收 Agent 数据、并格式化打印 OTLP 内容的服务，为后续深入学习 Java Agent 打下基础。

OpenTelemetry 通过自动埋点（Java Agent）应用于springboot项目目录一、准备工作二、创建 Spring Boot 示例项目1. 项目结构（Maven）2. 示例代码三、配置日志输出 Trace ID（可选但推荐）

OpenTelemetry 在 Spring Boot 项目中的3种集成方式目录1. 自动埋点（Java Agent）2. 注解驱动（@WithSpan）3. 手动埋点（SDK 编程）

利用 OpenTelemetry 建设尾部采样可观测性已成为维护系统健康和性能的关键要素。虽然传统的采样方法曾发挥过作用，但尾部采样的出现代表了我们处理追踪数据收集与分析方式的范式转变。这种智能采样策略正在彻底改变各组织处理遥测数据的方式，在优化存储成本和系统性能的同时，以前所未有的精度捕获最有价值的追踪数据。

鼠鼠我捏，要死了捏

OpenTelemetry、Jaeger 与 Zipkin：分布式链路追踪方案对比与实践随着微服务架构的普及，服务之间调用链路变得异常复杂，单一服务故障或性能瓶颈往往牵一发动全身。分布式链路追踪（Distributed Tracing）能够帮助我们从整体视角出发，定位跨服务调用延迟、错误传播、依赖关系等问题，从而提升系统可观测性和运维效率。当前常见的开源追踪方案主要有 OpenTelemetry、Jaeger 和 Zipkin，它们在协议、存储、生态以及易用性方面各有优劣。