Sentry-Python 项目中 ASGI 集成覆盖自定义事务的问题解析
2025-07-05 08:45:57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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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!
C
1.03 K
492