OpenTelemetry-js中HttpInstrumentation模块在ESM模式下对http.get请求的追踪问题分析
2025-06-27 00:49:41作者:史锋燃Gardner
问题背景
在Node.js应用中使用OpenTelemetry进行分布式追踪时,开发人员发现了一个有趣的现象:当使用ES模块(ESM)格式编写代码时,通过http.get方法发起的HTTP请求无法被HttpInstrumentation正确追踪,而使用CommonJS(CJS)格式时则工作正常。这个问题在http.request方法上却不存在,两种模块格式下都能正常追踪。
问题现象
通过对比测试可以清晰地观察到以下现象:
-
在CJS模式下:
http.get调用能够生成追踪spanhttp.request调用也能够生成追踪span
-
在ESM模式下:
http.get调用无法生成追踪spanhttp.request调用能够正常生成追踪span
技术分析
这个问题的根源在于OpenTelemetry的HttpInstrumentation模块对Node.js HTTP客户端方法的包装机制在ESM和CJS下的行为差异。
方法包装机制
HttpInstrumentation通过包装Node.js的HTTP模块方法来注入追踪逻辑。对于http.get和http.request,它们的实现方式有所不同:
http.request是基础方法,直接处理HTTP请求的创建和发送http.get是便捷方法,内部实际上调用了http.request,但设置了GET方法和自动结束请求
ESM与CJS的差异
在CJS模式下,Node.js的模块系统允许OpenTelemetry通过修改模块导出来实现方法包装。而在ESM模式下,由于ES模块的静态特性,这种包装机制变得更加复杂:
- 模块导出是静态绑定的,不能像CJS那样动态修改
http.get在ESM中可能保持了原始引用,绕过了OpenTelemetry的包装层http.request由于是基础方法,可能通过不同的路径被正确包装
解决方案
OpenTelemetry团队已经确认并修复了这个问题。修复方案主要涉及:
- 改进ESM模式下的方法包装机制
- 确保
http.get和http.request都能被正确拦截 - 保持与CJS模式下的行为一致性
最佳实践建议
对于需要在ESM模式下使用OpenTelemetry追踪HTTP请求的开发者,目前可以采取以下临时方案:
- 优先使用
http.request方法替代http.get - 等待包含修复的新版本发布后升级
- 在关键路径上添加手动span创建逻辑作为补充
总结
这个问题展示了Node.js生态系统中模块格式转换带来的挑战。OpenTelemetry作为可观测性工具,需要适应不同的模块系统和Node.js版本。开发者在使用时应当注意测试关键功能在不同环境下的表现,特别是当项目从CJS迁移到ESM时,需要验证所有追踪点是否正常工作。
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
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
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
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
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147