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。
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00