OpenTelemetry-js 在 Next.js 应用中内存泄漏问题分析与解决方案

问题背景

在将 Next.js 14.1.3 项目从 dd-trace 迁移到 OpenTelemetry 时，开发人员遇到了一个严重的内存泄漏问题。当配置了 metricReader 和 resourceDetectors 后，应用运行一段时间后会出现内存耗尽(OOM)错误，导致进程异常终止。

问题现象

通过内存监控图表可以观察到：

1. 应用进程的内存使用量呈现持续上升趋势
2. 最终内存消耗超过系统限制导致进程崩溃
3. 移除 metricReader 和 resourceDetectors 配置后问题消失

根本原因分析

经过深入分析，发现问题出在 HttpInstrumentation 的 requestHook 配置上。该钩子函数将完整的请求 URL 设置为 http.route 属性，这导致了高基数(high-cardinality)的指标数据。

在 OpenTelemetry 中，每个唯一的属性组合都会创建一个新的指标流(metrics stream)。当使用完整的 URL 作为路由属性时：

1. 包含查询字符串等可变部分的 URL 会产生大量唯一的属性组合
2. OpenTelemetry 默认没有设置指标流的基数限制
3. SDK 会尝试将所有历史指标流保留在内存中
4. 最终导致内存耗尽

解决方案

1. 优化 requestHook 实现

避免将完整 URL 设置为路由属性，应该提取低基数的路由模式：

requestHook: (span, request) => {
  const url = (request as IncomingMessage)?.url;
  if (url) {
    // 提取基础路由路径，去除查询参数和文件扩展名
    const route = url.split('?')[0].replace(/\.[^/.]+$/, "");
    // 仅对特定路由进行处理
    if (!route.includes(".")) {
      const rpcMetadata = getRPCMetadata(context.active());
      if (rpcMetadata?.type === RPCType.HTTP) {
        rpcMetadata.route = route;
      } else {
        setRPCMetadata(context.active(), {
          type: RPCType.HTTP,
          route,
          span,
        });
      }
    }
  }
}

2. 配置基数限制视图

作为额外的保护措施，可以在 NodeSDK 配置中添加基数限制视图：

new NodeSDK({
  // 其他配置...
  views: [
    new View({
      instrumentName: '*', // 应用到所有指标
      aggregationCardinalityLimit: 2000 // 限制每个指标的基数不超过2000
    })
  ]
})

最佳实践建议

1. 属性设计原则：始终使用低基数的属性值，避免使用可能产生大量唯一值的属性
2. 监控与告警：设置内存使用监控，当接近基数限制时触发告警
3. 渐进式迁移：从少量关键指标开始，逐步增加监控范围
4. 性能测试：在预发布环境进行负载测试，验证监控系统的稳定性

总结

OpenTelemetry 是一个强大的可观测性工具，但不当使用可能导致严重的性能问题。通过理解指标基数的影响并合理配置，可以充分发挥其优势而避免内存问题。本文提供的解决方案已在生产环境中验证有效，开发者可根据实际业务需求调整具体参数。