原文：https://last9.io/blog/convert-opentelemetry-traces-to-metrics-using-spanconnector/
如果您已经实施了跟踪但缺乏强大的指标功能怎么办？ SpanConnector 是一个通过将跟踪数据转换为可操作指标来弥补这一差距的工具。这篇文章详细介绍了 SpanConnector 的工作原理，提供了有关其配置和实现的指南。
核心要点
- SpanMetrics Connector 适合已经有 Trace 数据、但缺少请求数、错误数和耗时分布等指标的场景。
- 它通过 OpenTelemetry Collector 管道消费 Span，再生成可被 Prometheus 抓取的指标。
- 配置重点包括延迟桶、维度、exemplar、缓存大小、聚合方式、刷新间隔和指标过期时间。
- 这类方案可以减少重复埋点，但也要控制标签维度，避免生成过高基数的指标。
- Trace 转指标不是替代原生指标，而是在过渡期或语言/框架指标能力不足时补齐可观测性视图。
OpenTelemetry 的一个常见问题是语言支持跟踪检测（Trace埋点），但指标方面正在进行中或尚不可用。在这种情况下，您可以使用 SpanConnector 将跟踪生成的跨度（Span）转换为指标。
什么是 Connector？
SpanConnector 是 OpenTelemetry Collector 中的一个组件，允许您从跨度（Span）数据中获取指标。当您拥有强大的跟踪功能但您的语言或框架缺乏原生指标支持时，这尤其有用。
将跟踪（Trace）转换为指标可以提供有关系统性能和运行状况的宝贵见解，而无需单独的插桩埋点。这种统一的方法创建了更全面的可观测性视野，并减少了管理两个不同埋点系统的开销。
从工程落地看，它主要回答一个问题：如果请求路径已经产生 Span，能不能复用这些 Span 生成请求量、错误数、耗时分布等指标？SpanMetrics Connector 的价值就在这里。
SpanMetrics 相关配置
聚合跨度（Span）数据中的请求（Request）、错误（Error）和持续时间（Duration） (R.E.D) OpenTelemetry 指标。
connectors:
spanmetrics:
histogram:
explicit:
buckets: [100us, 1ms, 2ms, 6ms, 10ms, 100ms, 250ms]
dimensions:
- name: http.method
default: GET
- name: http.status_code
- name: host.name
exemplars:
enabled: true
dimensions_cache_size: 1000
aggregation_temporality: "AGGREGATION_TEMPORALITY_CUMULATIVE"
metrics_flush_interval: 15s
metrics_expiration: 5m
events:
enabled: true
dimensions:
- name: exception.type
- name: exception.message
resource_metrics_key_attributes:
- service.name
- telemetry.sdk.language
- telemetry.sdk.name
了解 SpanMetrics 配置
让我们分解一下此配置的关键部分：
| 配置项 | 作用 | 配置时要注意什么 |
|---|---|---|
| Histogram Buckets | histogram.explicit.buckets 定义延迟桶，用于观察请求耗时分布 |
桶过少会丢失分布细节，桶过多会增加指标量 |
| Dimensions | 从 Span 属性中提取标签，例如 http.method、http.status_code、host.name |
标签维度越多，指标基数越高 |
| Exemplars | 将指标样本链接回特定 Trace 示例 | 适合从异常指标下钻到 Trace |
| Dimensions Cache | 限制维度组合缓存数量 | 用于控制内存使用 |
| Aggregation Temporality | 决定指标如何随时间聚合 | 示例中 CUMULATIVE 表示从进程开始累积 |
| Metrics Flush Interval | 生成并刷新指标的频率 | 影响指标新鲜度和 Collector 开销 |
| Metrics Expiration | 指标多久未更新后从内存中丢弃 | 避免过期维度长期占用内存 |
| Events | 从 Span 事件中创建指标，例如异常类型和异常信息 | 事件字段也需要控制基数 |
| Resource Metrics Key Attributes | 将资源属性作为生成指标的标签 | 常用于保留 service.name 和 SDK 信息 |
使用 SpanMetrics 连接器的好处
- 统一的可观测性：将跟踪转换为指标可以让您更全面地了解系统的性能，而无需单独的指标检测。
- 一致性：确保您的指标与来自同一来源的跟踪完美一致。
- 减少开销：消除了应用程序代码中双重检测（跟踪和指标）的需要。
- 灵活性：您可以根据您的需求和跨度属性生成自定义指标。
也要注意边界：SpanMetrics Connector 依赖 Trace 数据质量。如果服务没有正确打点、Span 缺少关键属性，或者标签字段不稳定，生成的指标也会受到影响。因此它更适合补齐请求维度的 RED 指标，而不是替代所有业务指标和基础设施指标。
实施 SpanMetrics 的指南
1. 设置 OpenTelemetry 跟踪：首先，确保您的应用程序已正确检测以进行跟踪。
下面是一个使用 Python 的简单示例：
from opentelemetry import trace
from opentelemetry.sdk.trace import TracerProvider
from opentelemetry.sdk.trace.export import (
ConsoleSpanExporter,
BatchSpanProcessor,
)
from opentelemetry.exporter.otlp.proto.grpc.trace_exporter import OTLPSpanExporter
# Set up the tracer provider
trace.set_tracer_provider(TracerProvider())
# Create an OTLP exporter
otlp_exporter = OTLPSpanExporter(endpoint="http://localhost:4317", insecure=True)
# Create a BatchSpanProcessor and add the exporter to it
span_processor = BatchSpanProcessor(otlp_exporter)
# Add the span processor to the tracer provider
trace.get_tracer_provider().add_span_processor(span_processor)
# Get a tracer
tracer = trace.get_tracer(__name__)
# Use the tracer to create spans in your code
with tracer.start_as_current_span("main"):
# Your application code here
pass
2. 安装和配置 OpenTelemetry Collector
a. 下载 OpenTelemetry 收集器：
curl -OL https://github.com/open-telemetry/opentelemetry-collector-releases/releases/download/v0.81.0/otelcol-contrib_0.81.0_linux_amd64.tar.gz
tar xzf otelcol-contrib_0.81.0_linux_amd64.tar.gz
b. 创建名为otel-collector-config.yaml的配置文件
receivers:
otlp:
protocols:
grpc:
http:
processors:
batch:
connectors:
spanmetrics:
histogram:
explicit:
buckets: [100us, 1ms, 2ms, 6ms, 10ms, 100ms, 250ms]
dimensions:
- name: http.method
default: GET
- name: http.status_code
- name: host.name
exemplars:
enabled: true
dimensions_cache_size: 1000
aggregation_temporality: "AGGREGATION_TEMPORALITY_CUMULATIVE"
metrics_flush_interval: 15s
metrics_expiration: 5m
events:
enabled: true
dimensions:
- name: exception.type
- name: exception.message
resource_metrics_key_attributes:
- service.name
- telemetry.sdk.language
- telemetry.sdk.name
exporters:
prometheus:
endpoint: "0.0.0.0:8889"
logging:
verbosity: detailed
service:
pipelines:
traces:
receivers: [otlp]
processors: [batch]
exporters: [logging, spanmetrics]
metrics:
receivers: [spanmetrics]
exporters: [logging, prometheus]
3. 启动 OpenTelemetry 收集器
使用您的配置运行收集器：
./otelcol-contrib --config otel-collector-config.yaml
4. 将跟踪发送到收集器
修改您的应用程序以将跟踪发送到收集器。如果您使用步骤1中的 Python 示例，则您已设置为将跟踪发送到 http://localhost:4317。
5. 查看生成的指标
Otel Collector 会在 http://localhost:8889/metrics 公开指标，您可以通过 curl 查看原始指标：
curl http://localhost:8889/metrics
为了获得更用户友好的视图，您可以设置 Prometheus 来抓取这些指标，创建 prometheus.yml 文件：
global:
scrape_interval: 15s
scrape_configs:
- job_name: 'otel-collector'
static_configs:
- targets: ['localhost:8889']
启动 Prometheus（假设您已经下载了它）：
./prometheus --config.file=prometheus.yml
您现在可以通过 http://localhost:9090 访问 Prometheus UI 来查询和可视化您的指标。
小结
SpanConnector 是 OpenTelemetry 生态系统中的一个强大工具，它弥合了跟踪和指标之间的 gap。通过利用现有跟踪数据生成有意义的指标，您可以增强可观测性策略，而无需额外的埋点开销。这种方法对于过渡到 OpenTelemetry 特别有价值，对于那些指标埋点不太完备的语言，也很有价值。
FAQ
SpanMetrics Connector 适合什么场景？
适合已经有 OpenTelemetry Trace，但缺少请求量、错误数、耗时分布等指标的服务。它可以帮助团队在不增加大量应用代码埋点的情况下，快速补齐基础服务指标。
它能替代 Prometheus 原生指标吗？
不能完全替代。Trace 转指标适合从请求 Span 中生成 RED 类指标，但业务指标、基础设施指标、队列长度、缓存命中率等仍然需要对应的数据来源。
配置 Dimensions 时最容易踩什么坑？
最常见的问题是维度过多或维度值不稳定，导致指标基数过高。优先选择稳定、低基数、排障价值明确的字段，例如服务名、接口、方法和状态码。
