OpenTelemetry Profiles 信号进入 Alpha 阶段：Elastic 对性能分析的持续承诺

作者来自 Elastic Christos KalkanisFlorian Lehner 及 Roger CollOpenTelemetry Profiles 已正式达到 Alpha 阶段将性能分析确立为第四种可观测性信号。Elastic 的核心贡献包括其 eBPF 性能分析代理、持续的 OpenTelemetry Profiles 信号工作以及对厂商中立生态系统的承诺推动这一行业标准向前发展。在 Elastic 与 OpenTelemetry 社区的密切合作下我们非常高兴地宣布OpenTelemetry Profiles 信号已正式进入公共 Alpha 阶段。此里程碑彰显了社区的奉献精神并标志着在 OpenTelemetry 中将性能分析确立为继日志、指标和追踪之后的第四个关键可观测性信号的重要一步。作为核心贡献者Elastic 自豪地通过此前向 OpenTelemetry 捐赠其基于 eBPF 的 Universal Profiling™ 持续性能分析代理加速了这一进程。该生产级代理能够对整个系统的所有应用提供可视化覆盖多种编程语言和运行时包括第三方库和内核操作同时开销极小。它让 SRE 和开发人员能够快速识别性能瓶颈、最大化资源利用率并优化云端成本。此外在过去两年中Elastic 大力参与了 OpenTelemetry Collector、Semantic Conventions 以及 Profiling 特别兴趣小组SIGs的工作为 Profiles 晋级 Alpha 打下了技术基础。这一 Alpha 里程碑不仅促进了持续性能分析的标准化也加速了将性能分析作为可观测性第四关键信号的实际应用。客户现在拥有一种厂商中立的方式来收集性能分析数据并将其与现有信号如日志、指标和追踪进行关联从而揭示新的可观测性洞察潜力并提供更高效的问题排查体验。什么是持续性能分析性能分析是一种通过收集应用执行信息来理解软件行为的技术包括跟踪函数调用的持续时间、内存使用、CPU 使用及其他系统资源。然而传统性能分析解决方案存在显著缺点限制了在生产环境中的应用由于代码插桩导致的高成本和性能开销需要中断服务重启无法获取第三方库的可视性与传统性能分析通常仅在特定开发阶段或受控测试环境中进行不同持续性能分析在后台以最小开销运行无需服务重启或人工干预。它提供实时且可操作的洞察无需在独立环境中复现问题。SRE、DevOps 和开发人员可以看到代码如何影响性能和成本从而更容易改进代码和基础设施。Elastic 的贡献驱动 AlphaElastic 捐赠的性能分析器现在成为 OpenTelemetry 中基于 eBPF 的参考性能分析器实现opentelemetry-ebpf-profiler。随着 Alpha 版本发布该 eBPF 性能分析器作为 OpenTelemetry Collector 接收器运行并包含多项改进例如自动 Go 符号化以及对新语言运行时的支持。作为 OpenTelemetry Collector 接收器运行使性能分析器能够无缝利用现有的 OpenTelemetry 处理和过滤管道。例如k8sattributesprocessor 可以使用 container.id 资源属性自动为每个分析数据丰富其对应的 Kubernetes 上下文。这意味着你看到的不仅是原始堆栈跟踪而是能够准确知道是哪一个命名空间、Pod 和部署产生的。receivers: # Profiling receiver profiling: {} processors: k8sattributes: passthrough: false pod_association: - sources: - from: resource_attribute name: container.id extract: metadata: - k8s.namespace.name - k8s.deployment.name - k8s.replicaset.name - k8s.statefulset.name - k8s.daemonset.name - k8s.node.name - k8s.pod.name - k8s.pod.ip - k8s.pod.uid除了对 eBPF 性能分析器的改进之外Elastic 在以下方面也做出了重要贡献将性能分析数据与 OpenTelemetry eBPF 插桩OBI生成的信息关联OBI 是一个强大的自动插桩工具可启用分布式追踪。进程上下文共享 OTEP旨在弥合应用 SDK 与性能分析器之间的差距。该机制允许 OpenTelemetry SDK “发布”它们的资源属性如 service.name到一个小型标准化内存区域。由于这些数据存储在进程自身的内存映射中eBPF 性能分析器可以立即发现并将其与对应的 Profile 关联。语义约定及 OpenTelemetry Profiles 与 Google 的 pprof 格式的集成透明转换OpenTelemetry Collector 处理管道使其更好地与性能分析接收器集成Elastic 下一代性能分析开发Elastic 继续深度支持 OpenTelemetry 的愿景并推动性能分析数据的潜力边界。我们专门组建了一支性能分析领域专家团队共同维护和提升 OpenTelemetry 中的性能分析能力同时开发基于这一新开放标准的创新功能。内部针对性能分析的开发重点包括OpenTelemetry Profiles 派生指标我们正在开发创新方法从原始 OTel Profiles 数据中自动生成可操作的性能指标为基础设施建模和告警提供新维度。与 Elastic Stack 的快速集成我们在 Elastic Stack 中为 OTLP Profiles 提供一流支持确保该新信号能够与现有日志、指标和追踪无缝整合包括采集ebpf-profiler 接收器已与 Elastic 分发的 OpenTelemetry (EDOT) Collector 集成、存储和可视化。AI 驱动工作流利用持续性能分析数据提供的深度洞察实现自动根因分析、异常检测以及对代码和基础设施的智能优化建议。虽然 Alpha 发布标志着一个重要里程碑但这仅是开始。我们鼓励社区尽早测试 OTel Profiles 集成的预览版本并参与持续的性能分析工作。要开始实际的本地部署你可以将 OpenTelemetry eBPF 性能分析器与自托管的 Elastic Observability Stack 或 devfiler独立桌面应用作为 OpenTelemetry Profiles 兼容后端用于实验和开发结合使用。原文https://www.elastic.co/observability-labs/blog/otel-profiling-alpha