首页
/ Kiali项目中Tempo集成时Span引用信息缺失问题分析

Kiali项目中Tempo集成时Span引用信息缺失问题分析

2025-06-24 17:41:21作者:明树来

问题背景

在Kiali与分布式追踪系统Tempo集成时,发现了一个关于Span引用信息的技术问题。当使用Tempo作为外部追踪系统时,从Kiali API获取的Span对象中缺少References信息,而同样的配置下如果使用Jaeger端口则能正常显示这些引用关系。

技术现象

通过Kiali的API端点查询Span数据时,当配置使用Tempo原生端口3200并设置provider为tempo时,返回的Span对象中References数组为空。而当配置使用Jaeger端口16685时,相同的Span数据则包含完整的References信息。

根本原因分析

经过技术团队深入调查,发现这个问题源于Tempo查询机制与Jaeger的差异。Tempo的查询接口在设计上无法返回parentSpanId字段,而这个字段正是构建References数组的关键数据。References数组在分布式追踪中用于表示Span之间的父子关系或跟随关系。

在Kiali内部实现中,References信息是通过parentSpanId转换而来。由于Tempo的返回数据格式与Jaeger不同,需要进行数据格式转换。但在当前实现中,这种转换未能正确处理parentSpanId字段。

影响评估

虽然References信息缺失,但经过评估这并不影响Kiali的核心功能。References数组在这些API调用中实际上并未被使用,因此从功能角度来看是完整的。技术团队考虑过获取完整追踪数据的方案,但考虑到性能开销(需要为每个查询结果发起多次调用),这种方案被判定为不切实际。

解决方案

技术团队提出了两种可能的解决方案:

  1. 移除对References数组的检查:由于这些信息在相关API调用中并未实际使用,可以直接移除相关检查逻辑。

  2. 针对Tempo做特殊处理:在代码中区分Tempo和Jaeger的情况,仅对Tempo返回的数据跳过References检查。

经过权衡,技术团队倾向于第一种方案,因为References信息在这些API调用中并非必需,且保持代码简洁性更为重要。

后续处理

该问题已被标记为需要回迁至Kiali 2.4版本,相关修复已经完成并合并。这确保了使用Tempo作为追踪系统的用户能够获得与其他追踪系统一致的使用体验。

技术启示

这个案例展示了不同分布式追踪系统实现细节上的差异,以及在集成多个追踪系统时可能遇到的兼容性问题。对于开发者而言,在设计系统集成时需要考虑不同实现的技术细节,同时也要评估功能需求与实际使用场景,避免过度设计。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
23
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
225
2.26 K
flutter_flutterflutter_flutter
暂无简介
Dart
526
116
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
JavaScript
211
287
nop-entropynop-entropy
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
frameworksframeworks
openvela 操作系统专为 AIoT 领域量身定制。服务框架:主要包含蓝牙、电话、图形、多媒体、应用框架、安全、系统服务框架。
CMake
795
12
RuoYi-Vue3RuoYi-Vue3
🎉 (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
986
582
pytorchpytorch
Ascend Extension for PyTorch
Python
67
97
ops-mathops-math
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++
566
94
GLM-4.6GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
42
0