Grafana Beyla:零代码自动化的eBPF与OpenTelemetry应用观测工具
项目介绍
Grafana Beyla 是一款开源的、基于eBPF和OpenTelemetry的应用程序自动观测工具。它通过eBPF技术自动检测应用程序的可执行文件和操作系统网络层,从而捕获HTTP/S和gRPC服务的核心观测事件。这些事件随后被转换为OpenTelemetry的Web事务跟踪跨度和Rate-Errors-Duration(RED)指标。与其他eBPF工具一样,Beyla的所有数据捕获和观测过程无需对应用程序代码或配置进行任何修改。
项目技术分析
Beyla的核心技术基于eBPF(扩展伯克利数据包过滤器),这是一种强大的内核技术,允许在无需修改内核代码的情况下执行用户空间代码。通过eBPF,Beyla能够实时捕获应用程序的网络流量和系统调用,从而生成详细的观测数据。
此外,Beyla集成了OpenTelemetry,这是一个开源的观测标准,支持多种编程语言和框架。通过OpenTelemetry,Beyla能够生成标准化的跟踪跨度和指标,便于在不同的观测平台之间进行数据交换和分析。
项目及技术应用场景
Beyla适用于需要快速、无侵入式地观测应用程序性能的场景。例如:
- 微服务架构:在复杂的微服务环境中,Beyla可以帮助开发者快速定位性能瓶颈和错误来源。
- 云原生应用:在Kubernetes等容器编排平台上,Beyla可以作为sidecar容器部署,自动观测应用性能。
- DevOps流程:Beyla可以集成到CI/CD管道中,持续监控应用的性能和稳定性。
项目特点
- 零代码自动化:无需修改应用程序代码,即可实现全面的观测。
- 多语言支持:支持Go、Java、.NET、NodeJS、Python、Ruby、Rust等多种编程语言。
- 多协议支持:支持HTTP/HTTPS/HTTP2、gRPC、SQL、Redis、Kafka等多种协议的观测。
- 灵活的部署方式:支持主机、Kubernetes、Docker Compose等多种部署方式。
- 社区支持:活跃的社区和定期的社区会议,方便用户交流和获取支持。
如何开始
要开始使用Beyla,您需要运行一个网络服务供Beyla进行观测。Beyla支持多种编程语言,因此您可以使用现有的示例服务。如果没有示例服务,可以从examples/目录下载并运行example-http-service.go。
curl -OL https://raw.githubusercontent.com/grafana/beyla/main/examples/example-http-service/example-http-service.go
go run ./example-http-service.go
接下来,生成一些流量:
watch curl -s http://localhost:8080
然后,下载并运行Beyla:
export BEYLA_PROMETHEUS_PORT=9400
export BEYLA_OPEN_PORT=8080
sudo -E ./beyla
现在,您可以在http://localhost:9400/metrics查看生成的指标。
社区与支持
Beyla拥有一个活跃的社区,您可以通过Grafana Slack的#beyla频道与我们交流。每月第二个周三的下午4点UTC,我们还会举行社区会议,详细信息请查看Grafana社区日历。
总结
Grafana Beyla是一款强大的、零代码自动化的应用观测工具,适用于各种复杂的应用场景。通过eBPF和OpenTelemetry的结合,Beyla能够提供高效、无侵入式的观测解决方案,帮助开发者快速定位和解决性能问题。无论您是微服务架构的开发者,还是云原生应用的运维人员,Beyla都将是您不可或缺的观测工具。
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