Sentry-Python 项目中 ASGI 集成覆盖自定义事务的问题解析
2025-07-05 15:42:40作者:柏廷章Berta
在 Sentry-Python 项目中,当开发者尝试为 FastAPI/Starlette 应用添加自定义事务(Transaction)时,可能会遇到 ASGI 集成层自动覆盖手动创建的事务的问题。本文将深入分析该问题的技术背景、产生原因及解决方案。
问题现象
开发者在 FastAPI 应用中通过以下方式创建自定义事务:
scope = sentry_sdk.get_current_scope()
transaction = scope.start_transaction(
name="ttr",
op="function",
start_timestamp=timestamp,
)
scope.span = transaction
但最终在 Sentry 控制台看到的却是 ASGI 自动生成的 /sessions/{session_id} 事务名称(对应 WebSocket 端点),而非预期的 "ttr"。
技术背景
Sentry 事务机制
Sentry 的事务(Transaction)用于追踪代码执行路径和性能指标。在 Python SDK 中,可以通过以下两种方式创建:
- 显式创建:通过
start_transaction()方法 - 框架自动创建:通过 ASGI/WSGI 等集成自动捕获 HTTP 请求
ASGI 集成的工作流程
ASGI 中间件会在请求处理前后自动创建事务,其核心逻辑包括:
- 请求开始时创建根事务
- 根据路由信息设置默认事务名称
- 通过事件处理器(event_processor)最终确定事务属性
问题根源
在 asgi.py 的事件处理器中存在以下关键逻辑:
already_set = event["transaction"] != _DEFAULT_TRANSACTION_NAME and event[
"transaction_info"
].get("source") in [
TRANSACTION_SOURCE_COMPONENT,
TRANSACTION_SOURCE_ROUTE,
]
这段代码错误地将 TRANSACTION_SOURCE_CUSTOM 类型的事务视为未设置状态,导致自定义事务名称被 ASGI 的默认命名规则覆盖。
解决方案
临时解决方案
对于不需要新建事务的场景,可以直接修改当前事务属性:
from sentry_sdk.tracing import TRANSACTION_SOURCE_CUSTOM
sentry_sdk.get_current_scope().set_transaction_name(
"my_custom_transaction",
source=TRANSACTION_SOURCE_CUSTOM
)
长期解决方案
该问题已被确认为 Bug 并标记为已修复。建议升级到包含修复的 Sentry-Python 版本。
高级应用场景
对于 WebSocket 等高频率消息处理场景,建议通过采样控制减少性能开销:
def traces_sampler(sampling_context):
if sampling_context["asgi_scope"]["type"] == "websocket":
return 0.0 # 完全禁用 WebSocket 事务
return 1.0
sentry_sdk.init(traces_sampler=traces_sampler)
最佳实践建议
- 优先使用
set_transaction_name而非手动创建事务 - 对于性能敏感场景,合理配置采样率
- 自定义事务时明确指定 source 参数
- 定期更新 SDK 以获取最新的稳定性修复
通过理解这些底层机制,开发者可以更有效地利用 Sentry 进行应用性能监控和错误追踪。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
538
3.76 K
Ascend Extension for PyTorch
Python
343
411
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
604
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
337
181
暂无简介
Dart
775
192
deepin linux kernel
C
27
11
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.34 K
757
React Native鸿蒙化仓库
JavaScript
303
356
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
987
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
895