Azure Monitor Python OpenTelemetry

要解决什么问题

Python 服务要接入 Azure Application Insights，常见痛点是：既要接官方摄取端点，又要和 OpenTelemetry 生态对齐，还要覆盖 Flask、Django、FastAPI 以及 requests、httpx、数据库驱动等依赖链上的出站调用。手工拼 SDK、埋点顺序和导出器，很容易在进程退出时丢缓冲数据，或在生产环境里把鉴权方式写错。

技能如何工作

该技能围绕 Azure Monitor OpenTelemetry Python Distro：通过 configure_azure_monitor() 尽早完成初始化（应在导入被埋点库之前），用 APPLICATIONINSIGHTS_CONNECTION_STRING 指向目标资源；在支持场景下优先 DefaultAzureCredential 做 Microsoft Entra 摄取鉴权，本地开发可直接用凭据链，生产可通过 AZURE_TOKEN_CREDENTIALS 收窄为安全凭据。

自动埋点覆盖 Web 框架（Flask / Django / FastAPI）与 HTTP、PostgreSQL（psycopg2）、MySQL（pymysql）、MongoDB（pymongo）、Redis 等库的 Traces。文档还说明如何写自定义 Trace / Metrics / Logs、配置 采样率（sampling_ratio）、为 Application Map 设置云角色名称，以及按需禁用特定埋点或开启 Live Metrics。

配置面上，connection_string、credential、instrumentations、enable_live_metrics 等参数有明确默认值；参考文档中的 capabilities 与 non-hero 场景清单可用于核对生产检查项。

适用边界与注意点

• Provider 不是上下文管理器：进程退出前应显式 force_flush() / shutdown()，否则遥测可能未确定性导出。
• 同步与异步不要混用：同一调用路径内不要混用 azure.xxx 与 azure.xxx.aio。
• 高流量应启用采样；多服务应设置云角色名称；连接字符串等敏感配置宜用环境变量，生产工作负载优先 Entra 鉴权而非仅依赖连接字符串里的密钥。