OpenTelemetry JavaScript 语义约定 v1.31.0 版本解析
OpenTelemetry 作为云原生时代可观测性领域的重要标准,其语义约定(Semantic Conventions)为各类遥测数据提供了统一的命名和结构规范。本文重点分析 OpenTelemetry JavaScript 实现中最新发布的语义约定 v1.31.0 版本带来的重要变化。
核心变更概述
本次 v1.31.0 版本更新主要围绕三个方面展开:CPU 监控指标的标准化重构、新增硬件主机监控指标,以及对 Kubernetes 资源指标的完善。这些变更体现了 OpenTelemetry 在系统监控领域的持续演进。
CPU 监控指标重构
本次版本对 CPU 相关指标进行了重要重构,将原先以 system.cpu 为前缀的指标统一迁移到新的 cpu 命名空间下:
- 原
system.cpu.frequency变更为cpu.frequency - 原
system.cpu.time变更为cpu.time - 原
system.cpu.utilization变更为cpu.utilization
这种重构使得指标命名更加简洁,同时与其他技术栈的命名保持更好的一致性。开发者需要注意及时更新代码中对这些指标的引用。
新增硬件主机监控指标
v1.31.0 引入了以 hw.host 为前缀的一系列新指标,用于监控主机硬件状态:
hw.host.ambient_temperature:主机环境温度hw.host.energy:主机能耗hw.host.heating_margin:主机加热余量hw.host.power:主机功率
这些指标特别适用于需要监控物理服务器或边缘设备硬件状态的场景,为基础设施监控提供了更丰富的维度。
Kubernetes 资源指标完善
在 Kubernetes 监控方面,本次更新主要涉及:
-
复制控制器(ReplicationController)相关指标的命名规范化:
- 原
k8s.replication_controller.available_pods变更为k8s.replicationcontroller.available_pods - 原
k8s.replication_controller.desired_pods变更为k8s.replicationcontroller.desired_pods
- 原
-
新增多个 Kubernetes 资源属性:
- HPA(Horizontal Pod Autoscaler)相关属性:
k8s.hpa.name和k8s.hpa.uid - ResourceQuota 相关属性:
k8s.resourcequota.name和k8s.resourcequota.uid - ReplicationController 标识属性:
k8s.replicationcontroller.name和k8s.replicationcontroller.uid
- HPA(Horizontal Pod Autoscaler)相关属性:
这些变更使得 Kubernetes 监控数据的结构更加完整和一致。
OpenTelemetry SDK 监控指标
本次更新还新增了多个用于监控 OpenTelemetry SDK 本身运行状态的指标:
- 导出相关指标:
otel.sdk.exporter.span.exported.count、otel.sdk.exporter.span.inflight.count - 处理相关指标:
otel.sdk.processor.span.processed.count、otel.sdk.processor.span.queue.capacity、otel.sdk.processor.span.queue.size - Span 相关指标:
otel.sdk.span.ended.count、otel.sdk.span.live.count
这些指标为诊断和优化 OpenTelemetry SDK 的性能提供了有力工具。
移动端应用监控增强
针对移动应用场景,新增了以下属性:
- Android 应用状态:
android.app.state,包含 background/created/foreground 等状态值 - iOS 应用状态:
ios.app.state,包含 active/background/foreground/inactive/terminate 等状态值
这些属性使得移动应用的性能监控能够更准确地反映应用的实际运行状态。
其他重要变更
-
终端用户相关属性:
- 重新启用了
enduser.id属性 - 新增
enduser.pseudo.id用于匿名用户标识
- 重新启用了
-
代码追踪相关:
- 废弃了
code.namespace属性,建议将其内容合并到code.function.name中 - 将
code.filepath重命名为code.file.path
- 废弃了
-
生成式 AI 相关:
- 新增了多个 Agent 和 Tool 相关属性
- 将
gen_ai.openai.request.response_format替换为更通用的gen_ai.output.type
升级建议
对于正在使用 OpenTelemetry JavaScript 实现的开发者,建议:
- 检查项目中是否使用了本次变更中废弃的属性,及时更新为新的命名
- 评估新增指标和属性是否适用于当前监控场景,考虑纳入监控体系
- 特别关注 CPU 指标的变化,确保指标采集和展示不受影响
OpenTelemetry 语义约定的持续演进体现了其在统一可观测性标准方面的努力,开发者及时跟进这些变化将有助于构建更加标准化和可维护的监控系统。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00