Trino项目新增OpenTelemetry HTTP指标导出器:提升监控系统兼容性
2025-05-21 00:03:12作者:瞿蔚英Wynne
在分布式计算领域,Trino作为高性能的分布式SQL查询引擎,其监控能力对于系统运维至关重要。近期Trino社区针对其OpenTelemetry指标导出功能进行了一项重要扩展——新增了对HTTP协议的支持,这一改进显著提升了与各类监控系统的兼容性。
技术背景
OpenTelemetry作为云原生时代的标准遥测框架,支持三种主要的数据传输协议:gRPC、HTTP/protobuf和HTTP/JSON。在之前的版本中,Trino仅实现了基于gRPC协议的指标导出功能。虽然gRPC在性能方面具有优势,但在实际生产环境中,许多监控平台(如Jaeger、Prometheus等)更倾向于使用HTTP协议接收遥测数据,且部分网络环境对gRPC协议存在限制。
技术实现
这项改进的核心在于扩展了Trino底层依赖的Airlift框架中的OpenTelemetry导出器配置。通过在Airlift中增加对OTLP/HTTP导出器的支持,Trino无需修改核心代码即可获得HTTP协议支持。具体实现包括:
- 新增HTTP导出器配置选项
- 支持protobuf和JSON两种编码格式
- 保持与现有gRPC导出器的兼容性
技术价值
这一改进为Trino用户带来了三大核心价值:
- 更广泛的兼容性:现在可以直接将指标发送到支持HTTP协议的监控后端,无需额外的协议转换组件
- 更灵活的网络配置:在限制gRPC协议的企业网络中,HTTP协议通常更容易通过防火墙配置
- 更简化的架构:减少了为协议转换而部署OpenTelemetry Collector等中间件的需求
应用场景
对于以下场景特别有益:
- 使用Prometheus作为监控系统的环境
- 需要将指标直接发送到支持OTLP/HTTP的SaaS监控服务
- 受限于企业网络安全策略,无法使用gRPC协议的环境
未来展望
随着OpenTelemetry生态的持续发展,Trino的监控能力也将随之增强。这项改进为后续可能的功能扩展奠定了基础,例如:
- 支持更丰富的指标类型
- 增强导出器的配置灵活性
- 优化HTTP导出的性能表现
这一功能改进已在最新版本的Airlift中实现,Trino用户只需更新依赖版本即可获得这一能力,无需其他代码变更。这体现了Trino社区对用户需求的快速响应和对系统可观测性的持续投入。
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
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137