BullMQ 中实现按作业尝试分离 OpenTelemetry 追踪的最佳实践

在分布式任务队列系统 BullMQ 中，OpenTelemetry 集成默认会将一个作业的整个生命周期记录在单个追踪(trace)中。这种设计对于一次性作业非常有用，可以完整查看作业从创建到完成的所有阶段。然而，对于周期性重复执行的长期作业，这种追踪方式会导致单个追踪变得异常庞大，包含成千上万次执行记录，严重影响可观测性系统的性能和用户体验。

问题场景分析

典型的周期性作业实现方式是通过在作业完成后重新将其延迟执行，而不是让作业正常完成。例如一个用户消息轮询服务，每个用户对应一个作业，该作业每5分钟执行一次：

const worker = new Worker("pollMessagesForUser", async (job: Job) => {
  await messagesService.fetchAndStoreUserMessages(job.id);
  await job.moveToDelayed(Date.now() + 300_000);
  throw new DelayedError();
});

这种模式下，作业永远不会进入"completed"状态，而是不断重复执行。使用默认的OpenTelemetry集成会导致：

1. 单个追踪包含作业所有执行记录
2. 追踪会无限增长，包含数百万个span
3. 可观测性系统负载增加
4. 难以分析单次执行情况

解决方案实现

BullMQ提供了灵活的OpenTelemetry集成配置选项，可以通过以下方式解决这个问题：

1. 完全禁用上下文传播

最直接的解决方案是修改BullMQ源码，强制禁用上下文传播。通过修改utils.js文件中的相关逻辑：

- if (srcPropagationMetadata) {
+ if (false) {
    parentContext = contextManager.fromMetadata(currentContext, srcPropagationMetadata);
}

这种方式虽然有效，但不推荐在生产环境中使用，因为它会影响所有作业的追踪行为。

2. 使用omitContext选项

更优雅的解决方案是在创建队列时设置omitContext选项：

const queue = new Queue("pollMessagesForUser", {
  connection,
  defaultJobOptions: {
    omitContext: true
  }
});

这样配置后，每个作业执行都会创建独立的追踪，而不是继承父级上下文。

3. 精细控制上下文传播

对于需要混合使用两种模式的场景，可以在添加作业时动态控制：

// 创建独立追踪的作业
await queue.add("standaloneJob", data);

// 继承当前上下文的作业
await queue.add("childJob", data, {
  parentSpan: currentSpanContext
});

高级应用场景

在复杂的分布式系统中，往往需要将多个服务的操作关联到同一个业务事务中。BullMQ支持手动传递OpenTelemetry上下文：

const tracer = opentelemetry.trace.getTracer();
const span = tracer.startSpan("processVideo");
const context = opentelemetry.trace.setSpan(
  opentelemetry.context.active(),
  span
);

await queue.add("videoProcessing", videoData, {
  parentSpan: opentelemetry.propagation.extract(context)
});

span.end();

这种模式可以实现跨服务的端到端追踪，例如：

1. 用户上传视频触发初始span
2. 视频处理作业继承该span上下文
3. 后续转码、生成缩略图等作业保持关联
4. 最终通知用户完成

最佳实践建议

1. 对于长期运行的周期性作业，建议启用omitContext选项
2. 对于业务流程相关的作业链，手动传递上下文
3. 根据业务需求在队列级别或作业级别配置
4. 监控追踪系统的性能，避免生成过多span
5. 为不同类型的作业使用不同的队列，便于统一配置

通过合理配置BullMQ的OpenTelemetry集成，可以构建既满足业务需求又不影响系统性能的可观测性体系。