- [telemetry] trace_sample_ratio (ParentBased(TraceIdRatioBased), 1 keeps ParentBased(ALWAYS_ON)) and metric_buckets (default|coarse with SLO bounds), export interval <= 30 s; otel.sdk.span.started, span.live dropped; startup records name ratio, buckets and interval - bench: telemetry services on mtusi-bench, TELEMETRY=on switch for uploads and queue, make bench_telemetry[_quick] with off/full/full-aa/head/tail/ metrics/balanced, rare events, lookup from Tempo/Loki/Prometheus, cost sampler, verdicts H1-H8 and B1-B5; collector layers and lean Prometheus in bench/otel with preflight checks - REPORT: telemetry cost hypotheses and criteria before the label Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
60 lines
3.4 KiB
YAML
60 lines
3.4 KiB
YAML
# Слой Collector варианта `balanced` профиля цены телеметрии — предложенная
|
||
# сбалансированная конфигурация (design change track1-telemetry-cost,
|
||
# решение 5; спек observability, «Сбалансированная конфигурация телеметрии»).
|
||
# SDK отправляет все трассы, решение — после завершения трассы, по правилам
|
||
# этой системы; журнал и метрики не выбираются. Вместе с ним —
|
||
# bench/otel/prometheus-lean.yml. Рабочий стенд остаётся со всеми трассами.
|
||
#
|
||
# Запуск — вторым `--config` после infra/otel/collector.yaml; слой меняет
|
||
# только процессор выбора трасс и список процессоров pipeline трасс
|
||
# (проверка run.py до стенда, решение 6). Если метка не подтвердит B1–B3,
|
||
# правило правки — design, решение 12: один параметр на нарушение.
|
||
processors:
|
||
tail_sampling:
|
||
# цепочка загрузки ниже насыщения — до ~3 с (relay раз в 0,25 с,
|
||
# обработка 0,3–1 с, пакет SDK 1 с): запас втрое; память Collector
|
||
# пропорциональна сроку
|
||
decision_wait: 10s
|
||
# ~250 трасс/с × 10 с = 2500: восьмикратный запас без роста карт
|
||
num_traces: 20000
|
||
expected_new_traces_per_sec: 300
|
||
# поздние span сохранённой трассы (повтор, replay) остаются с ней;
|
||
# поздние span несохранённой — заново через правила: ошибка worker после
|
||
# решения по API сохраняется хотя бы частичной трассой
|
||
decision_cache:
|
||
sampled_cache_size: 100000
|
||
non_sampled_cache_size: 0
|
||
policies:
|
||
# 5xx API, исключения, отказ хранилища в span
|
||
- name: errors
|
||
type: status_code
|
||
status_code:
|
||
status_codes: [ERROR]
|
||
# неуспешный исход задания: у `failed` нет статуса ошибки span (исход, а
|
||
# не исключение, otel-telemetry OT-11)
|
||
- name: job-outcome
|
||
type: string_attribute
|
||
string_attribute:
|
||
key: messenger.job.outcome
|
||
values: [failed, retry, error, requeued, dropped]
|
||
# порог SLO на запрос, а не на трассу: длительность трассы загрузки
|
||
# больше 0,25 с у каждой загрузки; 5 с — больше пути обработки без
|
||
# повторов (0,3–1 с)
|
||
- name: slow-spans
|
||
type: ottl_condition
|
||
ottl_condition:
|
||
error_mode: ignore
|
||
span:
|
||
- kind == SPAN_KIND_SERVER and end_time_unix_nano - start_time_unix_nano >= 250000000
|
||
- kind == SPAN_KIND_CONSUMER and end_time_unix_nano - start_time_unix_nano >= 5000000000
|
||
# остальные трассы — как вариант `head`
|
||
- name: rest
|
||
type: probabilistic
|
||
probabilistic:
|
||
sampling_percentage: 10
|
||
|
||
service:
|
||
pipelines:
|
||
traces:
|
||
processors: [memory_limiter, tail_sampling, batch]
|