Traefik项目中OpenTelemetry指标名称问题的分析与解决

在Traefik v3.1版本中，当启用OpenTelemetry指标功能时，存在一些指标命名上的问题需要开发者注意。这些问题主要涉及指标单位的混淆和命名规范化处理。

指标命名问题分析

1. HTTP客户端持续时间指标异常
   系统仅对net_peer_name="/var/run/docker.sock"产生了http_client_duration_milliseconds系列的指标（包括bucket、sum和count）。这与预期不符，正确的指标名称应为http_client_request_duration_seconds系列。

2. 请求持续时间单位混淆
   出现了traefik_(entrypoint|router|service)_request_duration_seconds_milliseconds这样矛盾的指标名称，同时包含了"seconds"和"milliseconds"两个时间单位。这是由于OpenTelemetry Collector的Prometheus导出器中的add_metric_suffixes设置导致的异常行为。

3. 连接比例指标后缀问题
   traefik_open_connections_ratio指标中的"_ratio"后缀同样来自Prometheus的规范化处理流程，受到add_metric_suffixes配置的影响。

技术背景与解决方案

OpenTelemetry Collector在将指标导出到Prometheus时会执行以下处理：

• 自动添加指标类型后缀（如_count、_sum等）
• 对指标名称进行规范化处理
• 根据单位信息调整指标名称

对于这些问题，开发团队已经确认：

1. 请求持续时间指标的单位设置确实存在问题，需要进行修正
2. HTTP客户端指标的名称符合OpenTelemetry SDK的预期设计
3. 连接比例指标的后缀属于Prometheus规范化处理的正常行为

最佳实践建议

对于使用Traefik与OpenTelemetry集成的用户，可以考虑以下方案：

1. 直接使用Prometheus 3.0+的OTLP接收器，避免通过Prometheus导出器进行转换
2. 在过渡期，可以调整OpenTelemetry Collector中的add_metric_suffixes配置
3. 关注Traefik后续版本对这些指标命名问题的修复

这些问题反映了在指标系统迁移过程中常见的兼容性挑战，开发团队正在积极改进以确保指标命名的准确性和一致性。