Grafana Beyla v2.0.6版本发布:增强Prometheus资源标签支持与HTTP检测修复
Grafana Beyla是一款开源的eBPF应用监控工具,它能够通过eBPF技术无侵入式地采集应用程序的指标数据,并将这些数据导出到Prometheus、OpenTelemetry等监控系统中。该工具特别适合云原生环境下的应用性能监控,能够帮助开发者快速定位性能瓶颈。
Prometheus资源标签支持增强
在v2.0.6版本中,Beyla对Prometheus导出功能进行了重要改进。由于Prometheus API客户端的内部限制,Beyla需要预先知道每个指标暴露哪些属性。这导致一些运行时发现的属性(如通过Kubernetes注解或应用程序环境变量OTEL_RESOURCE_ATTRIBUTES定义的属性)默认情况下在Prometheus中不可见。
例如,当应用程序设置了环境变量OTEL_RESOURCE_ATTRIBUTES=deployment.environment=production时,如果指标通过OpenTelemetry导出,target_info{deployment.environment="production"}属性会正常显示;但如果通过Prometheus导出,这个属性默认不会显示。
为了解决这个问题,v2.0.6版本引入了prometheus > extra_resource_attributes配置项(或对应的环境变量BEYLA_PROMETHEUS_EXTRA_RESOURCE_ATTRIBUTES)。开发者可以在此配置项中指定需要额外暴露的资源属性。例如,要使deployment_environment在Prometheus中可见,只需将其添加到配置中即可。
这一改进使得Beyla在Prometheus导出功能上更加灵活,能够更好地与现有的OpenTelemetry生态系统集成,确保在不同导出方式下获得一致的监控体验。
HTTP检测修复
v2.0.6版本还修复了OpenTelemetry HTTP排除检测的一个问题。在某些情况下,Beyla可能无法正确识别应该排除的HTTP请求,导致不必要的监控数据被收集。这个修复确保了HTTP请求的排除规则能够被准确应用,提高了监控数据的精确度和相关性。
其他改进
除了上述主要改进外,v2.0.6版本还包含了一些其他优化:
- 更新了Makefile中的BUILDINFO_PKG引用,确保构建过程更加稳定
- 修复了示例部署配置,使其更加准确可靠
- 移除了文档中的relref短代码,提高了文档的可读性和维护性
总结
Grafana Beyla v2.0.6版本通过增强Prometheus资源标签支持和修复HTTP检测问题,进一步提升了工具的实用性和可靠性。这些改进使得Beyla在复杂的云原生环境中能够提供更加精确和全面的应用性能监控数据,为开发者优化应用性能提供了更有力的支持。
对于已经使用Beyla的用户,建议升级到此版本以获得更好的监控体验;对于新用户,这个版本也是一个不错的起点,可以体验到更加完善的监控功能。
kernelopenEuler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。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00