OpenTelemetry JavaScript 语义约定 v1.32.0 版本更新解析
OpenTelemetry 是一个开源的观测性框架,它提供了一套工具、API 和 SDK,用于生成、收集和导出遥测数据(指标、日志和追踪)。其中语义约定(Semantic Conventions)是 OpenTelemetry 项目中定义的一套标准化属性和指标名称,用于确保不同系统和组件之间数据的一致性和互操作性。
本次发布的 OpenTelemetry JavaScript 语义约定 v1.32.0 版本主要带来了 Python GC 相关指标、日志处理相关指标以及一些新的属性定义。这些更新将帮助开发者更全面地监控应用程序的运行状态,特别是在 Python 环境和日志处理方面。
Python GC 监控指标
新版本增加了三个与 Python 垃圾回收(GC)相关的指标,这对于使用 Python 的开发者来说特别有价值:
cpython.gc.collected_objects:记录垃圾回收器收集的对象数量cpython.gc.collections:记录垃圾回收发生的次数cpython.gc.uncollectable_objects:记录无法回收的对象数量
同时新增了 cpython.gc.generation 属性,用于标识垃圾回收的代数,包含三个可能的值:0(第0代)、1(第1代)和2(第2代)。这些指标和属性可以帮助开发者更好地理解和优化 Python 应用程序的内存使用情况。
日志处理相关指标
v1.32.0 版本还引入了一系列与日志处理相关的指标,这些指标主要关注 SDK 内部的日志处理流程:
-
导出相关指标:
otel.sdk.exporter.log.exported:记录已导出的日志数量otel.sdk.exporter.log.inflight:记录正在处理中的日志数量
-
处理器相关指标:
otel.sdk.processor.log.processed:记录已处理的日志数量otel.sdk.processor.log.queue.capacity:记录日志队列的容量otel.sdk.processor.log.queue.size:记录日志队列当前的大小
-
创建指标:
otel.sdk.log.created:记录创建的日志数量
这些指标为开发者提供了对日志处理管道的全面可见性,有助于诊断日志处理中的瓶颈和问题。
新增属性与枚举值
本次更新还引入了多个新的属性和枚举值:
-
错误相关:
error.message:用于记录错误的具体消息内容
-
数据库相关:
db.stored_procedure.name:用于标识存储过程的名称
-
版本控制系统相关:
vcs.owner.name:代码仓库所有者的名称vcs.provider.name:代码托管平台的名称,支持包括 GitHub、GitLab、Bitbucket 等主流平台
-
功能标志相关:
feature_flag.result.reason:替换了原有的feature_flag.evaluation.reason,新增了更多可能的原因值feature_flag.result.variant:替换了原有的feature_flag.variant
-
Google Cloud App Hub 相关:
- 新增了多个与 GCP App Hub 服务相关的属性,包括应用、服务和负载的关键性类型和环境类型等
组件类型扩展
在组件类型方面,新增了多个与日志处理器和导出器相关的类型定义,包括批处理日志处理器、简单日志处理器以及各种 OTLP 日志导出器类型。这些定义有助于更精确地标识和分类日志处理组件。
总结
OpenTelemetry JavaScript 语义约定 v1.32.0 版本的更新主要集中在三个方面:Python GC 监控、日志处理管道可见性以及各种新属性的添加。这些更新为开发者提供了更丰富的观测能力,特别是在 Python 应用程序和日志处理方面。通过采用这些标准化的语义约定,开发者可以确保他们的观测数据与 OpenTelemetry 生态系统中的其他组件保持兼容,同时也能够更全面地了解应用程序的运行状况。
对于已经在使用 OpenTelemetry 的项目,建议逐步评估和采用这些新特性,特别是那些涉及替换已弃用属性的变更。对于新项目,则可以直接采用最新版本的语义约定,以获得最全面的观测能力。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00