OpenTelemetry .NET 核心库1.11.0版本发布:增强指标与追踪功能
OpenTelemetry是一个开源的观测性框架,它提供了一套统一的API、SDK和工具,用于收集、处理和导出遥测数据(包括指标、日志和追踪)。作为云原生计算基金会(CNCF)的毕业项目,OpenTelemetry已经成为现代分布式系统可观测性的标准解决方案。在.NET生态中,OpenTelemetry .NET项目为开发者提供了强大的工具来监控和诊断应用程序性能。
本次发布的OpenTelemetry .NET核心库1.11.0版本带来了几个重要的改进和修复,主要集中在指标和追踪功能方面。这些改进进一步增强了框架的稳定性和功能性,使开发者能够更精确地监控应用程序的运行状态。
指标功能增强:Meter标签支持
1.11.0版本中最重要的改进之一是增加了对Meter.Tags的全面支持。在.NET的Metrics API中,Meter是创建和记录指标的主要入口点。在此之前,当多个Meter实例具有相同名称但不同标签时,SDK可能会错误地将它们视为同一个Meter,导致指标数据混淆。
新版本解决了这个问题,现在SDK会同时考虑Meter的名称和标签来唯一标识每个Meter。这意味着开发者可以创建多个具有相同名称但不同标签的Meter实例,每个实例将正确地生成独立的指标数据。这一改进特别适用于多租户或复杂部署场景,其中需要区分来自不同环境或配置的相同组件产生的指标。
例如,在微服务架构中,如果同一个服务运行在不同的数据中心,开发者现在可以为每个数据中心的实例创建带有不同"location"标签的Meter,从而在指标中清晰地区分各个位置的性能数据。
追踪功能修复:TraceState传播问题
另一个重要修复涉及追踪功能中的TraceState传播问题。TraceState是W3C追踪规范中定义的一个机制,允许在分布式追踪中携带额外的上下文信息。在之前的版本中,当使用自定义Sampler设置TraceState时,如果创建的是仅用于传播的span(不记录采样数据的span),这些TraceState信息可能会丢失。
1.11.0版本修复了这个问题,确保无论span是否被采样,通过Sampler设置的TraceState都能正确传播。这对于需要跨服务传递特定上下文信息的场景尤为重要,比如在复杂的业务工作流中传递事务ID或业务相关的元数据。
其他组件更新
除了核心功能的改进外,本次发布还包含了多个相关组件的更新:
- OpenTelemetry.Exporter.Console:控制台导出器,用于开发和调试时查看遥测数据
- OpenTelemetry.Exporter.InMemory:内存导出器,主要用于测试场景
- OpenTelemetry.Exporter.OpenTelemetryProtocol:OTLP协议导出器,用于将数据发送到兼容的收集器
- OpenTelemetry.Exporter.Zipkin:Zipkin导出器,支持将数据发送到Zipkin后端
- OpenTelemetry.Extensions.Hosting:为ASP.NET Core应用提供便捷的集成支持
- OpenTelemetry.Extensions.Propagators:提供上下文传播的扩展支持
这些组件都同步更新到了1.11.0版本,与核心库保持兼容性。
升级建议
对于正在使用OpenTelemetry .NET的项目,建议评估1.11.0版本的新特性是否适用于当前场景。特别是那些:
- 需要基于不同标签区分相同组件指标的项目
- 依赖TraceState传递重要上下文信息的分布式系统
- 使用自定义Sampler并需要确保TraceState正确传播的应用
升级过程通常只需要更新NuGet包版本即可,但建议在测试环境中验证新版本的行为是否符合预期。
总结
OpenTelemetry .NET 1.11.0版本通过增强Meter标签支持和修复TraceState传播问题,进一步提升了框架的可靠性和灵活性。这些改进使得开发者能够更精确地收集和分析应用程序的观测数据,特别是在复杂的分布式环境中。作为.NET生态中可观测性的重要工具,OpenTelemetry .NET持续演进,为构建可观察、可维护的云原生应用提供强大支持。
kernelopenEuler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。C081
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0135
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