Grafana Tempo 2.7.0版本发布:分布式追踪系统的重大升级
Grafana Tempo是一个开源的分布式追踪系统,专注于高性能、低成本的大规模追踪数据存储与查询。作为Grafana可观测性栈的重要组成部分,Tempo能够与Prometheus、Loki和Grafana无缝集成,为微服务架构提供完整的追踪解决方案。
核心架构改进
2.7.0版本对Tempo的核心架构进行了多项重要改进。最显著的是完成了从OpenTracing到OpenTelemetry的全面迁移,移除了原有的use_otel_tracer
配置选项。这一变化意味着Tempo现在完全拥抱了CNCF的OpenTelemetry标准,用户需要通过标准的OpenTelemetry环境变量来配置span导出器。对于仍希望使用Jaeger导出器的用户,只需设置OTEL_TRACES_EXPORTER=jaeger
环境变量即可。
在性能优化方面,新版本默认禁用了gRPC压缩以提高查询性能。如果用户确实需要压缩功能,建议使用'snappy'算法,并提供了相应的配置示例。此外,查询路径增加了最大span数限制,防止查询请求对读取路径造成过大压力,用户可以通过设置max_spans_per_span_set
为0来恢复旧有行为。
查询功能增强
TraceQL作为Tempo的查询语言,在本版本中获得了多项重要增强:
- 新增了对instrumentation scope的支持,使得查询可以基于检测范围进行过滤
- 增加了
avg_over_time
、min_over_time
和max_over_time
等时间序列聚合函数 - 改进了正则表达式匹配器的实现,现在使用Prometheus的快速正则引擎,并且所有正则表达式都会自动进行完全锚定
- 增加了对字节谓词的范围条件支持
查询前端也进行了多项优化,包括添加了查询表达式最大长度限制,以及改进结果收集机制,显著提升了复杂查询的性能。
存储与压缩优化
在存储层方面,2.7.0版本引入了多项改进:
- 租户索引现在同时以proto和json格式写入,优先使用proto格式以提高效率
- 为tempodb/backend实现了zstd编码/解码池,减少内存分配
- 启动时增加了对已完成块的验证检查
- 修复了SingleBinary模式下可能导致TraceQL指标结果重复的压缩bug
对于ingester组件,通过改进prealloc行为显著减少了工作集大小,并新增了多个环境变量和指标来观察和调整prealloc行为。
指标与监控增强
新版本在指标和监控方面也有显著改进:
- 分发器现在会导出成本归属使用指标
- 增加了对丢弃span的日志记录功能(
log_discarded_spans
) - 在标签和标签值端点中添加了吞吐量和SLO指标
- 新增了
tempo_metrics_generator_live_trace_bytes
和tempo_ingester_live_trace_bytes
指标来更好地跟踪每个租户在ingester中消耗的字节数
安全性与稳定性提升
2.7.0版本在安全性和稳定性方面做出了多项改进:
- 更新了OpenTelemetry依赖至v0.116.0,将接收器默认绑定到localhost而非0.0.0.0
- 收紧了文件权限设置
- 修复了多个可能导致安全问题的bug
- 增加了对授权头的正确处理
- 改进了"trace too large"错误的处理,现在会返回422状态码
工具与CLI改进
tempo-cli工具在本版本中获得了多项增强:
- 默认使用
/api/v2/traces
端点,同时保留--v1
标志以兼容旧版API - 支持在单次操作中删除多个trace
- 修复了S3Pass和S3User参数未被使用的问题
- 增加了
insecure-skip-verify
选项以跳过S3后端的SSL证书验证
总结
Grafana Tempo 2.7.0是一个功能丰富且注重性能的版本,在查询能力、存储效率、安全性和工具支持等方面都有显著提升。特别是对OpenTelemetry标准的全面支持,使得Tempo在现代可观测性栈中的集成更加无缝。对于现有用户,建议仔细阅读版本变更说明,特别是那些标记为"BREAKING CHANGE"的部分,以确保平滑升级。新用户则可以从这个更加成熟和功能完善的版本开始,构建高效可靠的分布式追踪系统。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









