OpenTelemetry-JS中如何为Fetch请求添加自定义Span属性
2025-06-27 18:36:12作者:尤峻淳Whitney
在OpenTelemetry-JS的实践中,开发者经常需要监控前端应用的网络请求行为。当使用浏览器原生的Fetch API时,OpenTelemetry会自动创建对应的Span记录请求过程,但有时我们需要在这些Span中添加业务相关的自定义属性(例如GraphQL查询语句)。
核心问题分析
默认情况下,Fetch请求的Span会在HTTP请求完成时立即结束(遵循HTTP语义约定)。这意味着在常见的异步处理模式中:
const res = await fetch(url); // Span在此阶段已结束
processResponse(res); // 此时已无法修改Span属性
这种设计符合OpenTelemetry的语义规范,因为HTTP Span应该只包含协议层面的信息(如状态码、请求方法等),而业务逻辑数据更适合放在自定义Span中。
解决方案
方案一:使用Fetch插件的自定义属性回调
OpenTelemetry-JS的@opentelemetry/instrumentation-fetch插件提供了applyCustomAttributesOnSpan配置项:
import { FetchInstrumentation } from '@opentelemetry/instrumentation-fetch';
new FetchInstrumentation({
applyCustomAttributesOnSpan: (span, request, response) => {
if (request.method === 'POST' && request.url.includes('/graphql')) {
const body = JSON.parse(request.body?.toString() || '{}');
span.setAttribute('graphql.query', body.query);
}
}
});
注意事项:
- 回调执行时请求体可能尚未完全加载
- 需要处理可能的异常情况(如非JSON请求体)
- 建议只添加与协议相关的扩展属性
方案二:创建业务层Span(推荐)
更符合OpenTelemetry设计理念的做法是创建独立的业务Span:
const tracer = trace.getTracer('graphql-client');
async function queryGraphQL(query) {
return tracer.startActiveSpan('graphql.query', async (span) => {
try {
span.setAttribute('graphql.query', query);
const res = await fetch(GRAPHQL_URL, {
method: 'POST',
body: JSON.stringify({ query })
});
// 可以关联HTTP Span和业务Span
const otelContext = propagation.extract(context.active(), res.headers);
context.with(otelContext, () => { /* ... */ });
return await res.json();
} finally {
span.end();
}
});
}
这种方式的优势:
- 明确分离协议层和业务层监控
- 支持更复杂的业务属性记录
- 可以建立Span之间的父子关系
- 避免污染标准HTTP语义属性
最佳实践建议
- 分层监控:基础设施层(HTTP)和业务层分开监控
- 属性命名规范:自定义属性建议使用业务域前缀(如
graphql.) - 性能考量:避免在Span中记录过大文本(如完整响应体)
- 错误处理:确保Span在任何情况下都能正确结束
通过合理设计监控点,开发者既能获得OpenTelemetry标准化的协议层监控,又能灵活记录业务关键信息,构建完整的应用可观测性体系。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0193
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
884
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
443
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
612