Langfuse项目中的OpenTelemetry追踪数据映射问题解析
在Langfuse项目中,用户报告了一个关于OpenTelemetry(OTel)追踪数据映射的重要问题。当通过Traceloop OpenLLMetry或OpenLIT等工具向otel/v1/traces
端点发送追踪数据时,追踪记录中缺少名称和输入/输出信息,这显著降低了数据的可搜索性和实用性。
问题背景
OpenTelemetry作为一种开放标准的观测性框架,被广泛应用于分布式系统的监控和追踪。Langfuse作为一个专注于LLM应用的分析平台,提供了对OTel数据的支持。然而,在实际使用中发现,通过标准OTel工具发送的追踪数据在Langfuse界面上显示不完整。
技术分析
问题的核心在于OTel数据到Langfuse内部数据模型的映射机制。Langfuse使用convertOtelSpanToIngestionEvent
函数将OTel的Span转换为内部事件格式。这个转换过程需要从Span中提取特定的属性:
- 追踪名称:通常从Span的
name
属性提取 - 输入/输出数据:查找特定属性如
gen_ai.content.prompt
、gen_ai.content.completion
或input.value
、output.value
当这些属性不存在或采用不同的命名约定时,就会导致数据在界面上显示为null。特别是对于OpenLLMetry和OpenLIT这类工具,它们可能使用与Langfuse预期不同的语义约定。
解决方案
Langfuse团队已经通过PR #5449解决了这个问题。该解决方案主要包含以下改进:
- 根Span名称映射:将根Span的名称映射到追踪记录的名称字段
- 输入输出提取:从根Span中提取输入和输出数据并映射到追踪记录
- 兼容性增强:支持OpenLLMetry、OpenLIT和Openinference等多种风格的追踪数据
这种改进使得即使是最简单的LLM生成操作,也能在Langfuse界面上正确显示基本追踪信息,显著提升了用户体验。
技术意义
这一改进对于使用Langfuse分析LLM应用性能的开发者具有重要意义:
- 数据完整性:确保OTel追踪数据的关键信息不会丢失
- 统一视图:无论使用原生SDK还是OTel集成,都能获得一致的追踪视图
- 降低使用门槛:开发者无需额外配置即可获得完整的追踪信息
结论
Langfuse对OTel数据映射的改进体现了其对开发者体验的重视。通过更好地支持标准OTel工具,Langfuse进一步巩固了其作为LLM应用分析平台的地位。这一改进将随下一个版本发布,届时所有用户都能受益于更完整、更易用的追踪数据分析体验。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









