分布式链路追踪
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/rmyndharis-antigravity-skills-distributed-tracing。
技能介绍
要解决什么问题
微服务一拆,一次用户请求会穿过网关、鉴权、订单、库存等多跳 HTTP/gRPC。单点日志只能看到本进程,排延迟时不知道卡在哪一段、错误从哪条链路过来的。分布式链路追踪把同一次请求标成一条 Trace,每一跳是一个 Span,用 Context 在边界上继续往下传,才能对照端到端时延、依赖和故障点。
技能覆盖的核心能力
本技能围绕 Jaeger 与 Grafana Tempo 两条常见栈,按「先想清楚目标与约束 → 落地 → 验证」组织:
- 概念与数据模型:
Trace/Span、Tags、Logs、跨服务 Context 与 HTTP 头传播 - 部署:Kubernetes 与 Docker Compose 下的 Jaeger / Tempo
- 埋点:推荐 OpenTelemetry,并给出 Python (Flask)、Node.js (Express)、Go 的接入要点
- 采样:概率采样、限速、自适应等策略及生产环境常见 1–10% 采样思路
- 分析:在 Jaeger 里查慢请求与错误、看自动生成的服务依赖图(流量、错误率、平均延迟)
- 实践与排障:有意义 tag、异常写入 span、控制开销;以及「没有 trace」「追踪开销过高」等检查项
与纯指标(如 Prometheus)或大盘(Grafana)互补;日志侧可做 correlated logs 关联。
适用边界
任务与分布式追踪无关,或必须用 SKILL 范围外的其它领域/工具时,不要用本技能。它不提供 Prometheus/Grafana/SLO 的完整配置细节,仅通过 Related Skills 指向相关方向。
使用场景
- 生产环境用户反馈接口偶发超时,需在 Jaeger 里按 trace_id 拉全链路 span 定位最慢一跳
- 新服务上线前要接 OpenTelemetry,并在 Flask/Express/Go 之间统一 HTTP Context 传播
- Tempo 与 Grafana 已部署,要定采样策略并在不显著增加 CPU 的前提下保留错误 trace
- 跨团队排障时需用 Jaeger 依赖图核对上下游调用关系与错误率是否集中在某服务
适合人员
- 负责 K8s 上 Jaeger/Tempo 落地的 SRE,要把 collector 端点与采样配置和现有微服务对齐
- 维护多语言后端平台的工程师,需要把 Flask、Node、Go 服务的埋点规范写成团队可执行的清单
- 线上延迟工单 owner,习惯先对指标再下钻,需要用 trace 证明瓶颈在依赖链而非单机
- 平台组同学要为新集群出 Docker Compose 或可复制的 K8s 部署草图并验证 trace 能进后端