opentelemetry-java readme翻译

实战OpenTelemetry Trace:使用Java实现分布式跟踪 OpenTelemetry Trace是一种分布式跟踪技术,可以帮助开发者在复杂的应用程序中识别和解决问题。它允许开发者在跨越多个应用程序和服务的请求路径上跟踪请求,并提供有关这些请求的有用信息。OpenTelemetry Trace通过在请求路径上创建一系列跨度(Spans)来实现跟踪。每个跨度代表了请求路径上的一部分,可以包含一些有用的信息,例如跨度的起始时间和结束时间、跨度的标签等等。这些信息可以帮助开发者识别潜在的性能问题和故障。 阅读详情

OpenTelemetry

原文链接:原文  

我们定期举行会议,细节可见社区页面.

我们使用 GitHub Discussions 来获取支持或者讨论问题. 请不要有任何负担,欢迎参与讨论.

Overview

OpenTelemetry是由OpenCensus和OpenTracing合二为一的项目.

项目包含了以下几个顶层模块(top level components):

  • OpenTelemetry API:
  • extensions define additional API extensions, which are not part of the core API.
  • sdk defines the reference implementation complying to the OpenTelemetry API.
  • sdk-extensions define additional SDK extensions, which are not part of the core SDK.
  • OpenTracing shim defines a bridge layer from OpenTracing to the OpenTelemetry API.
  • examples on how to use the APIs, SDK, and standard exporters.

我们非常乐于看到社区壮大,并从中听取反馈:请积极地提供反馈和建议.

Requirements

除非特殊说明之外,所有发布的artifacts支持Java 8及以上. 查看CONTRIBUTING.md 获取关于开发过程中构建本项目的指导。

Note about extensions

API和SDK extensions构成了多样的额外组件,这些组件被排除在core artifacts之外,以防止后者增长过大. 但我们仍然致力于提供和核心组件相同的质量保证,所以如果你发现他们有用,请放心使用他们。

Project setup and contribute

请参考contribution guide来了解如何setup和contribute!

Quick Start

请参考quick start guide 来了解如何使用OpenTelemetry API.

Published Releases

已发布的Releases版本可在maven中央仓库(maven central)获取.

Maven

  <dependencies>
    <dependency>
      <groupId>io.opentelemetry</groupId>
      <artifactId>opentelemetry-api</artifactId>
      <version>0.13.1</version>
    </dependency>
  </dependencies>

Gradle

dependencies {
	implementation('io.opentelemetry:opentelemetry-api:0.13.1')
}

Snapshots

基于master 分支的Snapshots版本也可以在下面地址中获取,此版本提供了opentelemetry-api, opentelemetry-sdk 和剩下的artifacts:

Maven

  <repositories>
    <repository>
      <id>oss.sonatype.org-snapshot</id>
      <url>https://oss.jfrog.org/artifactory/oss-snapshot-local</url>
    </repository>
  </repositories>

  <dependencies>
    <dependency>
      <groupId>io.opentelemetry</groupId>
      <artifactId>opentelemetry-api</artifactId>
      <version>0.14.0-SNAPSHOT</version>
    </dependency>
  </dependencies>

Gradle

repositories {
	maven { url 'https://oss.jfrog.org/artifactory/oss-snapshot-local' }
}

dependencies {
	implementation('io.opentelemetry:opentelemetry-api:0.14.0-SNAPSHOT')
}

Libraries一般只需要opentelemetry-api, 但是应用(applications)可能需要使用opentelemetry-sdk.

Releases

OpenTelemetry Java仍然在开发中. 发布的版本(Releases)并不保证基于特定的规范(specfications)实现. 未来的releases版本将不会保持对之前版本的向后兼容性。

核对信息(check information)请参考 latest release.

这是 当前 feature 状态列表:

ComponentVersion
Tracing APIv0.13.1
Tracing SDKv0.13.1
Metrics APIv0.13.1
Metrics SDKv0.13.1
OTLP Exporterv0.13.1
Jaeger Trace Exporterv0.13.1
Zipkin Trace Exporterv0.13.1
Prometheus Metrics Exporterv0.13.1
Context Propagationv0.13.1
OpenTracing Bridgev0.13.1
OpenCensus BridgeN/A

可参考项目 milestones 获取即将到来的(upcoming)版本细节. 在issues和milestones中描述的dates和features是基于目前情况的估计,可能会有所变化。

Summary

我们计划将项目合二为一,为未来建立一个统一社区铺平道路(pave the path),这个社区服务 tracing vendors,users和library authors,帮助他们更好的管理应用. 我们欢迎所有人提供反馈和建议!

Contributing

参见 CONTRIBUTING.md

Approvers (@open-telemetry/java-approvers):

更多有关approver角色的信息可见 community repository.

Maintainers (@open-telemetry/java-maintainers):

更多有关maintainer角色的信息可见 community repository.

感谢所有参与贡献(have contributed)的人

 

Java与.NET技术栈深度对比:从JVM到.NET Runtime的工程实践差异 Java和.NET作为企业级开发两大主流技术栈,其本质差异远不止于语法或语言特性,而根植于底层运行时设计哲学——JVM强调内存模型共识与系统级调优能力,.NET Runtime则依托跨平台重构与工具链深度集成。这种差异直接塑造了各自的依赖管理机制(Maven中央治理 vs NuGet联邦自治)、架构演进路径(Spring Boot约定优于配置 vs ASP.NET Core显式即正义)以及生产就绪能力(Actuator全息监控 vs Health Checks分层诊断)。在云原生、信创适配与AI编码辅助等新 阅读详情

相关推荐

Harness Engineering:面向可验证性的系统基建新范式

Harness Engineering 是一种以‘可测试性’和‘可验证性’为设计原点的现代软件工程方法,其核心在于前置构建可控、可观察、可重放的运行基座(harness),而非事后补救式测试。它融合依赖注入、契约测试等关键技术,将系统验证能力深度嵌入架构与开发流程,显著提升CI/CD稳定性、故障复现效率与跨团队协作确定性。在微服务与云原生场景下,Harness Engineering 已成为保障交付质量、降低技术债、实现可观测性落地的关键基础设施实践。

weixin_34043301的博客 339

OpenTelemetry In Java 快速开始

在不到 5 分钟的时间内为您的应用程序获取遥测数据!此页面将向您展示如何开始使用 Java 中的 OpenTelemetry。您将学习如何自动检测一个简单的 Java 应用程序,通过把和发送到控制台的方式。

MCC_MCC_MCC的博客 1397

企业级AI编程工具选型:聚焦Git Hook、AST校验与知识沉淀

AI编程工具已从个人效率助手演进为团队协作基建的核心组件。其本质是将代码规范从文档约束升维为可执行的技术契约,依赖Git Hooks实现提交前拦截、基于AST(抽象语法树)进行语义级校验,并通过知识沉淀闭环将每次AI交互转化为可复用的团队资产。这类能力直接决定代码库熵值能否持续下降,影响CR通过率、新人上手速度与安全合规水位。在金融、SaaS及中台等真实生产环境中,仅支持IDE内补全的工具难以承载统一规范诉求,而具备pre-commit集成、AST解析和私有规则注入能力的方案,才能真正支撑‘十人代码如一人所

ctk87443的博客 449

初探 OpenTelemetry

OpenTelemetry 由 OpenTracing 和 OpenCensus 项目合并而成,是一组规范、工具、API 和 SDK 的集合。使用它来检测、生成、收集和导出遥测数据(Metrics、Logs 和 Traces),以帮助运维开发人员分析软件的性能和行为。为众多开发人员带来MetricsTracesLogs的统一标准,三者都有相同的元数据结构,可以轻松实现互相关联。OpenTelemetry 是一个CNCF孵化项目。OpenTelemetry 与厂商、平台无关,不提供与可观测性相关的后端服务。

weixin_38846160的博客 4780

AI Agent与RAG工程落地实战指南:从概念到生产级部署

AI Agent和RAG是当前大语言模型(LLM)应用开发的核心范式,前者本质是任务编排与状态管理的智能工作流引擎,后者则是动态弥合语义鸿沟的上下文增强机制。二者协同构成Agentic RAG架构,在客服工单分派、政策合规查询、芯片参数对比等真实业务中实现‘理解-检索-计算-决策’闭环。其技术价值在于将非结构化知识转化为可验证、可审计、可监控的生产服务,显著降低模型幻觉风险并提升端到端P95延迟可控性。典型应用场景涵盖金融风控问答、制造供应链分析、政务热线响应等强领域约束环境。本文聚焦LLM应用开发与RAG

abxlep7702的博客 423

技术学习的本质:底层思维比工具迭代更重要

编程不是掌握某门语言或框架,而是一种可迁移的底层思维训练——它源于对计算本质、系统约束与抽象建模的持续理解。当AI能自动生成CRUD代码、低代码平台快速搭建应用时,真正区分工程师能力边界的,是能否将HTTP状态码差异映射到网络协议栈行为,能否从内存溢出日志反推cgroup与OOM Killer协作机制。这种能力不依赖技术风口,却决定你能否在Rust、WebAssembly、Serverless等新范式中快速锚定问题域。重读经典的价值,正在于剥离表层工具,回归‘数据结构教会时空权衡’‘操作系统揭示确定性幻觉’

as2886089的博客 419

OpenTelemetry Java SDK 高级用法

通过引入 OpenTelemetry SDK,可以观测业务核心逻辑,比如给核心的业务设置一个 span 以统计、跟踪、分析其实际行为、设置业务属性指标等。此方法具有一定的侵入性。

BASK2312的博客 797

opentelemetry-java:OpenTelemetry Java SDK

开放遥测 我们定期开会。 请参阅详细信息。 我们将用于支持或一般性问题。 随时给我们留言。 总览 OpenTelemetry是将OpenCensus和OpenTracing合并为一个项目。 该项目包含以下顶级组件: : 包括Tracer , Span , SpanContext和Baggage 为OpenTelemetry语义约定生成的代码。 OpenTelmetry上下文实现。 alpha代码。 定义了其他API扩展,这些扩展不属于核心API。 定义了OpenTelemetry API的实现。 定义了其他SDK扩展,它们不是核心SDK的一部分。 定义了从OpenTracing到OpenTelemetry API的桥接层。 有关如何使用API​​,SDK和标准导出程序的。 我们希望收到广大社区的来信:请主动提供反馈。 要求 除非另有说明,否则所有已发布的工

GitHub开源项目破圈方法论2026版:从第一次提交到全球开发者热捧的完整实战路径

文章的最后,我想回到阿明的故事。2025 年春天,KubeBoard 的 Star 数突破了 20000。在项目 3 周年的线上庆祝会上,阿明打开了一个旧文件夹——那是 2022 年,项目刚创建时的截图。12。1人。README:写了又删,删了又写的草稿。他对着视频里的 50 多位核心贡献者说:“三年前,我最大的愿望是能有 100 个 Star。这篇文章的方法论,是我过去 5 年参与开源项目的总结。但它不是一个公式——每个项目都有自己的节奏、自己的故事。

热爱技术与前沿创新,深耕科技领域,在科创中精进自我;探索技术乐趣,分享技术干货与成长心得,以技术为伴,热爱生活,在科创与生活中双向成长。 226

海思SD3403/SS928开发(二)环境搭建:从零到一构建高效开发环境的实战指南

本文详细介绍了海思SD3403/SS928开发板环境搭建的全流程,包括Ubuntu系统选择、基础配置、开发环境依赖安装、SDK工具链配置等关键步骤。通过实战经验分享,帮助开发者避免常见问题,快速构建高效开发环境,提升开发效率。

weixin_28717683的博客 284

LabVIEW数据采集-数字I/O/计数器

labview 数据采集 数字I/O 计数器

weixin_43781045的博客 5617

数据科学学位路径:能力模块拆解与真实项目映射

数据科学并非单一学科,而是数学统计、工程实现与业务翻译三大能力的动态组合。理解其底层原理,关键在于识别不同学术背景(如统计学、计算机科学、信息科学)在真实场景中的能力覆盖差异与结构性缺口。例如,统计学训练建模直觉但常缺工程落地能力,CS强于系统构建却易忽视业务语义。这种能力拼图关系,直接决定从业者能否独立完成用户流失预测、AB测试归因或实时推荐迭代等核心任务。因此,选学位本质是选能力组合路径,而非追求排名或头衔。本文基于37个转行案例与12个企业内训经验,系统揭示四类主流学位在端到端项目中的实际表现与补足策

weixin_30535843的博客 387

血管分割中的直径平衡难题:从clDice到cbDice的演进与实践

本文探讨了血管分割中的直径平衡难题,详细分析了从clDice到cbDice的技术演进与实践。通过引入半径感知权重和边界对齐惩罚,cbDice在保持拓扑完整性的同时提升了几何敏感度,显著改善了细小血管的分割效果。文章还分享了在nnU-Net中实现cbDice的工程细节,包括GPU加速骨架提取和多任务损失组合策略,为医学影像分析提供了重要参考。

weixin_29170327的博客 240

机器学习模型生产化落地:可观测性、弹性伸缩与服务契约设计

机器学习模型从开发到生产并非简单部署,核心挑战在于构建可运维、可验证、可演进的服务化能力。这涉及模型服务的可观测性体系设计(如延迟分位数、特征缺失率监控)、基于KEDA的GPU资源弹性伸缩机制、以及以业务语义驱动的分层指标体系(基础设施层、服务层、业务层)。关键在于将模型行为转化为可编程的服务契约——例如健康检查必须校验模型加载状态与依赖连通性,版本管理需实现代码、数据、权重、环境四维锁定。这些实践直击线上故障主因(82%源于接口层缺陷),支撑推荐、风控等高可用AI场景稳定运行。

weixin_30613727的博客 438

基于决策树的英雄联盟比赛胜负预测(含完整代码)

在代码中设置随机种子(例如 RANDOM_SEED = 2024)的主要目的是为了确保每次运行代码时,随机过程的结果是一致的。通过绘制不同参数组合下的准确率图,直观地展示了参数对模型性能的影响,帮助读者更好地理解和选择合适的参数。通过设置相同的随机种子(伪随机数),可以确保每次运行代码时,随机数生成器生成的随机数序列是相同的。如果在开发过程中遇到问题,设置固定的随机种子可以帮助你更容易地定位问题,因为每次运行代码时的数据和结果都是一样的。在科学研究和实验中,结果的可重复性是非常重要的。

oisflo的博客 1919

SAP_MM&FI模块-质保金标准解决方案详解

主要讲述了SAP系统质保金的标准实现方案,包含业务背景、后台配置、前台业务操作记录,以及关键点的AI解释;

风沙的博客 685

技术博客如何成为工程师的认知校准器

技术博客本质上是工程认知的结晶过程,它将模糊直觉转化为可验证、可复用、可传播的知识资产。其核心价值不在信息分发,而在驱动作者完成三层认知解构:剥离情绪表象、抽象底层规律、建立跨场景连接。这种写作实践天然强化系统思维与问题归因能力,尤其在.NET等强类型生态中,对CLR内存模型、分布式事务边界、类型系统契约等关键概念的持续深挖,能显著提升架构决策质量。当博客内容被直接引用为生产事故根因分析依据,或嵌入IDE作为实时纠错提示时,它就从‘学习资料’升维为‘工程基础设施’——这正是老赵点滴式博客的技术价值本质。

dejz8829的专栏 359

信号与电源完整性5:轨道塌陷噪声/电源轨道噪声分析及降低解决方案

经过上一节关于串扰的分析,我们已经清楚,噪声问题不仅仅来源于信号网络;电源和地网络所产生的噪声,被反馈到其所在的元器件和信号网络时,其破坏力也是巨大的;本节所讨论的轨道塌陷噪声就是一个典型的实例。在经过电源的地网络的电流发生改变时,在电源和地之间的阻抗上将产生一个压降;由于该压降的产生,用电元件的电压将直接被拉低,甚至可能对电路产生功能性的错误。接下来硬小二将详细的分析电源轨道噪声和降低其的解决方法。...

fydar的博客 2241

使用Pinpoint作分布式链路跟踪系统

Pinpoint是一套面向大规模分布式系统的应用性能管理(APM)工具[1],由 NAVER 开源并遵循 Apache 2.0 许可。项目受 GoogleDapper论文启发,在跨服务 RPC 调用中自动注入 TraceId、SpanId 与 ParentSpanId,把原本「黑盒」的分布式事务还原为可排序的 Span 树。官方支持Java与PHP(C-Agent)探针,Java 侧通过字节码 instrumentation 介入常见框架与 HTTP 客户端,无需修改业务代码。

乘云数字DATABUFF官方博客 440

宇瞳杯安防镜头设计

宇瞳杯安防镜头设计

weixin_72050316的博客 1516

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

AI治理工程化:面向数据领导者的嵌入式治理操作系统

AI治理正从抽象原则转向可落地的工程实践。其本质是将合规要求转化为数据开发全链路中的自动化控制点,依托数据血缘、公平性检测、可解释性服务与零信任审计等核心技术,实现治理能力与MLOps流程的深度耦合。对数据领导者而言,关键不在于构建独立治理体系,而在于基于业务风险动态编排L1-L4层治理能力(IDE插件、CI/CD校验、运行时监控、BI决策看板),使治理成为创新加速器而非瓶颈。本文聚焦‘AI Governance’与‘Data Leaders’双核心,提供从数据契约定义、情境化公平实施到治理ROI量化的一站

alince20008的博客 375

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

AI正在系统性替代的5类软件开发工作

在当前大模型与自动化工程深度融合的背景下,软件开发中高度结构化、规则明确、验证可穷举的任务正被AI系统性替代。其底层原理在于任务的形式化程度高,使得低代码后端生成、API契约驱动开发等模式具备强确定性输出能力。这类技术不仅提升交付效率,更重构了研发效能评估体系——从代码行数转向AI协同质量与治理深度。典型应用场景覆盖内部管理系统构建、第三方服务集成、设计稿转前端、日志根因定位及CI/CD策略编排。开发者的核心价值正从手工编码迁移至提示词架构、可观测性设计与AI治理,尤其需掌握RAG知识库构建与OpenTel

weixin_34242819的博客 399

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

GLM-5开源如何重塑高级程序员的核心能力边界

大语言模型正从代码补全工具演进为深度代码理解与系统级推理引擎。其核心在于融合AST语义解析、工业级知识图谱与跨文件上下文建模,实现对Spring事务传播、JVM内存泄漏、分布式幂等缺陷等复杂问题的根因定位。这种能力不再停留于语法纠错,而是支撑调试闭环、遗留系统现代化与架构风险预判等高阶工程实践。尤其在微服务治理、K8s故障诊断与金融级合规编码等场景中,模型已能协同工程师完成从日志分析到修复生成的端到端推演。GLM-5的真正价值,是将程序员的核心竞争力从‘写对代码’转向‘定义正确的问题’——这正是当前技术团队

weixin_34050005的博客 416

开源回馈不是情怀,是可量化的工程实践

开源回馈本质上是一种面向长期演进的技术决策机制,其核心在于降低依赖熵增、控制技术债、提升系统可持续性。从原理看,不参与上游维护会导致接口漂移、文档失真与生态断连等指数级技术熵增;其技术价值体现在缩短故障修复周期、增强团队架构敏感度、反哺内部工程能力;典型应用场景包括Kubernetes升级适配、分布式中间件定制、可观测性链路对接等真实产研环节。本文基于Go生态高频依赖库的破坏性变更统计、PR合入ROI实测数据及CI/CD流程嵌入实践,系统拆解文档修正、测试补充、代码贡献三类回馈形态的落地路径,尤其聚焦‘gi

weixin_34306593的博客 310
上一篇: opentelemetry-java-instrumentation翻译
下一篇: Spring validation框架简介
ProLayman
博客等级 码龄10年 105粉丝 192原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值