OpenTelemetry

Was es ist

OpenTelemetry ist ein Open-Source-Standard mit passenden
Bibliotheken und Werkzeugen, um aus laufender Software Traces,
Metriken und Logs zu erzeugen und an ein beliebiges System zur
Speicherung und Anzeige weiterzugeben. Die meisten Entwickler nennen
es OTel. Es ist ein Projekt der Cloud Native Computing Foundation
und entstand aus dem Zusammenschluss der beiden früheren Vorhaben
OpenTracing und OpenCensus.

Besonders hilfreich ist zu wissen, was es auslässt. OpenTelemetry
ist kein Observability-Backend: Es speichert keine Daten, zeichnet
keine Dashboards und verschickt keine Alarme. Diesen Teil übernehmen
Jaeger, Prometheus und kommerzielle Plattformen. Die Frage
„OpenTelemetry oder Prometheus?“ vergleicht deshalb eine Leitung mit
einem Ziel. Meist lautet die Antwort: beides. OpenTelemetry steht
dort, wo die Daten entstehen; ein Backend nach Wahl des Teams dort,
wo sie aufbewahrt werden.

Das Projekt besteht aus mehreren zusammenpassenden Teilen:

  * einer Spezifikation, die API, SDK und Daten über alle Sprachen
hinweg definiert;

  * OTLP, dem Protokoll zur Übertragung von Telemetrie über gRPC
oder HTTP, wobei die Daten mit Protocol Buffers kodiert werden;

  * semantischen Konventionen, gemeinsamen Namen für gemeinsame
Dinge, damit eine HTTP-Route oder eine Datenbankanweisung in Go,
Java und Python gleich bezeichnet wird;

  * einer API und einem SDK pro Sprache, mit
Instrumentierungsbibliotheken und automatischer Instrumentierung für
verbreitete Frameworks;

  * dem Collector, einem separaten Prozess, der Telemetrie empfängt,
verarbeitet und weiter exportiert.

Von den übertragenen Signalen benötigen Traces die ausführlichste
Erklärung. Ein Trace folgt einer Anfrage durch jeden Dienst, den sie
berührt. Jeder Schritt ist ein Span: ein Name, ein Startzeitpunkt,
eine Dauer, eine Menge von Attributen und die Kennung des Spans, der
ihn ausgelöst hat. Wenn die Anfrage zum nächsten Dienst wechselt,
reist diese Kennung in einem Header mit. Standardmäßig ist es der
von W3C Trace Context definierte Header:

```text
traceparent: 00-a0892f3577b34da6a3ce929d0e0e4736-f03067aa0ba902b7-01
```

Die vier Felder sind die Formatversion, die allen Spans der Anfrage
gemeinsame Trace-ID, die ID des aufrufenden Spans und eine Menge von
Flags. Ein abschließendes `01` kennzeichnet einen Trace, der zum
Sampling ausgewählt wurde. Metriken und Logs vervollständigen das
Bild. Ein viertes Signal, Baggage, überträgt kleine
Schlüssel-Wert-Informationen mit der Anfrage, damit auch ein drei
Stationen entfernter Dienst sie sehen kann.

Warum es wichtig ist

Speicher ist der sichtbare Kostenfaktor von Observability. Schwerer
rückgängig zu machen ist die Investition in die Instrumentierung:
Jemand muss in jedem Dienst und jeder Sprache die Aufrufe ergänzen
und bei Codeänderungen aktuell halten. Als jeder Anbieter seinen
eigenen Agenten und seine eigene API lieferte, bedeutete ein
Anbieterwechsel, all das erneut zu erledigen. Mit OpenTelemetry ruft
der Code eine API auf, während die Wahl des Backends in die
Konfiguration wandert: entweder in einen Exporter im SDK oder in
eine Route im Collector. Das Projekt formuliert den Grundsatz
ausdrücklich: Die von einem System erzeugten Daten gehören dessen
Betreiber.

Diese Datenhoheit ist nicht nur eine Vertragsfrage, sondern hat
praktische Folgen. Der Collector sitzt zwischen Anwendungen und
Backend. Dort lassen sich Attribute filtern, Stichproben auswählen,
Attribute umbenennen oder entfernen, bevor etwas das System
verlässt. Während einer Migration kann derselbe Datenstrom an zwei
Backends gehen. Der Wechsel von einem Anbieter zu einem anderen wird
dadurch zu einer Änderung der Collector-Konfiguration statt zu einer
Änderung an hundert Diensten.

Das Datenvolumen ist der Kostenfaktor, den es einzuplanen gilt. Jede
Anfrage kann Dutzende Spans erzeugen. Bei echtem Datenverkehr kann
deren vollständige Speicherung teurer werden als der überwachte
Dienst selbst. Der Standard-Sampler des SDK,
`ParentBased(root=AlwaysOn)`, wählt jeden neuen Trace aus und folgt
bei den übrigen der Entscheidung des Aufrufers. Ohne weitere
Konfiguration bleibt daher alles erhalten. Wie viel aufbewahrt wird,
sollte das Team bewusst entscheiden.

Der Reifegrad unterscheidet sich nach Signal und Sprache. OTLP ist
für Traces, Metriken und Logs stabil, während sich die SDKs der
einzelnen Sprachen unterschiedlich schnell entwickeln. Die
Statusseite des Projekts zeigt ihren jeweiligen Stand. Lesen Sie
sie, bevor Sie einen Dienst in einer weniger verbreiteten Sprache
darauf festlegen.

Der Aufwand lohnt sich auch nicht immer. Eine einzelne Anwendung mit
strukturierten Logs und einigen wenigen Metriken gewinnt wenig durch
verteiltes Tracing. OpenTelemetry zahlt sich aus, wenn eine Anfrage
Prozessgrenzen überschreitet, durch ein Frontend, eine API, eine
Warteschlange und eine Datenbank läuft und die Antwort auf die Frage
„Wo ist die Zeit geblieben?“ eine Besprechung erfordert.

Wie es in der Praxis aussieht

Auf einer Plattform wurde das Monitoring selbst gebaut statt
eingekauft. OpenTelemetry übernimmt darin das Tracing. Das Tracing
läuft über OTLP, sodass sich eine langsame Anfrage durch Frontend,
API und Datenbank verfolgen lässt, statt ihren Weg zu erraten.
Daneben läuft eine eigene Fehlerpipeline mit einem errmon-Dienst und
einem Ingest-Dienst. Sie bereinigt die Nutzdaten vor der
Speicherung, fasst Fehler zu wiederkehrenden Problemen zusammen und
erkennt Spitzen sowie Regressionen. Eine Abklingzeit verhindert,
dass eine einzige fehlerhafte Bereitstellung jemanden vierzigmal
alarmiert. Die Pipeline löst außerdem die Symbole minifizierter
Frontend-Stacktraces auf und führt einen synthetischen Heartbeat
aus, um nachzuweisen, dass sie selbst funktioniert.

Die Ergebnisse landen als Fehlerereignisse, Fehlergruppen,
Posteingang, API-Latenz und Stack-Stichproben in der eigenen
Datenbank der Plattform. Betreiber arbeiten mit 11 Ansichten dieser
Daten, darunter einer für Service Level Objectives. Die Seite nennt
den Preis offen: Der Bau kostete spürbar Zeit und schuf ein weiteres
zu wartendes System. Ein eingekauftes Fehlerverfolgungswerkzeug wäre
noch am selben Nachmittag gelaufen. Dafür bleiben sensible Daten auf
der Plattform. Auch die Alarmregeln wurden für diese Plattform
geschrieben, nicht für eine beliebige.

Wo es schiefgeht

Der Trace endet an einer Grenze. Kontext überquert HTTP-Aufrufe
leicht, weil Instrumentierungsbibliotheken den Header auf beiden
Seiten schreiben und lesen. Eine Nachrichtenwarteschlange, ein
geplanter Job oder ein Proxy, der unbekannte Header entfernt,
unterbricht die Kette, sofern niemand den Kontext von Hand
weitergibt. Der Trace zerfällt in zwei Teile, und die langsame
Hälfte scheint nichts mit der auslösenden Anfrage zu tun zu haben.
Legen Sie den Kontext in den Nachrichtenmetadaten ab und prüfen Sie,
dass jeder Dienst denselben Propagator verwendet.

Attribute geben Daten preis oder vervielfachen die Datenmenge. Ein
Span-Attribut lässt sich leicht ergänzen. Gerade die am einfachsten
verfügbaren Werte sind jedoch die falschen: E-Mail-Adressen,
vollständige URLs mit Token in der Query-Zeichenfolge oder SQL mit
noch enthaltenen Literalwerten. Bei Metriken droht eine hohe
Kardinalität. Ein Attribut mit Millionen unterschiedlicher Werte,
etwa einer Benutzer-ID, vervielfacht die Zahl der Zeitreihen und
damit die Rechnung. Befolgen Sie die semantischen Konventionen,
halten Sie Kennungen aus Metriken heraus und entfernen Sie sensible
Werte im Collector als zweite Schutzlinie.

Sampling geschieht zufällig statt bewusst. Head Sampling entscheidet
zu Beginn einer Anfrage, bevor jemand weiß, ob sie langsam sein oder
scheitern wird. Wer 1 % der Traces behält, behält deshalb auch
ungefähr 1 % der seltenen langsamen Anfragen. Tail Sampling
entscheidet, nachdem es die Spans eines Traces zusammen gesehen hat,
und kann jeden Fehler sowie jede langsame Anfrage behalten. Die
zuständige Komponente muss beim Warten allerdings all diese Daten
vorhalten. Sie ist ein zustandsbehafteter Dienst, dessen eigene
Kapazität geplant und überwacht werden muss.

Der Pipeline wird blind vertraut. OTLP bestätigt die Zustellung
jeweils nur für eine Übertragungsstrecke. Eine
Ende-zu-Ende-Zustellung liegt außerhalb seines Geltungsbereichs. Ein
Collector mit zu wenig Speicher oder einem Rückstand in seiner
Exportwarteschlange verwirft Telemetrie. Die sendenden Anwendungen
laufen weiter, als wäre alles in Ordnung. Überwachen Sie die
Metriken des Collectors selbst, betreiben Sie mehr als einen und
behandeln Sie eine Lücke in den Traces als zu erklärenden Fehler
statt als ruhige Stunde.

Weiterführende Lektüre

  * Was ist OpenTelemetry? — die eigene Definition des Projekts,
seine Komponenten und das, was es bewusst nicht ist.

  * OTLP-Spezifikation — das Übertragungsprotokoll:
Transportverfahren, Kodierung, Komprimierung und Bestätigungen.

  * Trace Context — die W3C-Empfehlung hinter dem Header
`traceparent`.

  * Kontextweitergabe — wie ein Trace einer Anfrage über
Prozessgrenzen hinweg folgt.

  * Semantische Konventionen — die gemeinsamen Namen für Attribute,
Metriken und Ressourcen.

  * Sampling — Head und Tail Sampling und deren jeweilige
Betriebskosten.

hDiese Seite im Web	URL:https://engineer.company/de/glossary/opentelemetry/	engineer.company	70
