本頁面由 Cloud Translation API 翻譯而成。

在 Container-Optimized OS 上部署 OpenTelemetry 收集器
透過集合功能整理內容你可以依據偏好儲存及分類內容。

本文件說明如何在 Container-Optimized OS 上執行 Google 建構的 OpenTelemetry Collector，從檢測應用程式收集 OTLP 記錄、指標和追蹤記錄，然後將這些資料匯出至 Google Cloud。

事前準備

執行 OpenTelemetry 收集器需要下列資源：

Google Cloud 已啟用 Cloud Monitoring API、Cloud Trace API 和 Cloud Logging API 的專案。
- 如果您沒有 Google Cloud 專案，請執行下列操作：
  1. 在 Google Cloud 控制台中，前往「New Project」(新增專案)：
    
    建立新專案
  2. 在「Project Name」欄位中輸入專案名稱，然後按一下「Create」。
  3. 前往「帳單」：
    
    前往「帳單」頁面
  4. 如果頁面頂端沒有顯示已選取的專案，請選取您剛建立的專案。
  5. 系統會提示您選擇現有的付款資料，或是建立新的付款資料。
  根據預設，新專案會啟用 Monitoring API、Trace API 和 Logging API。
- 如果您已擁有 Google Cloud 專案，請確認已啟用 Monitoring API、Trace API 和 Logging API：
  
  Enable the APIs
Container-Optimized OS 虛擬機器 (VM)。如果您沒有 Container-Optimized OS VM，請按照「建立及設定執行個體」一文的操作說明進行。
gcloud 的安裝作業。如要瞭解如何安裝 gcloud，請參閱「安裝 Google Cloud CLI」一文。

設定收集器的權限

根據預設，Container-Optimized OS VM 會使用 Compute Engine 預設服務帳戶 PROJECT_NUMBER-compute@developer.gserviceaccount.com。這個服務帳戶通常會具備身分與存取權管理 (IAM) 角色，才能寫入本文所述的指標和記錄：

如果您要為執行個體設定自訂服務帳戶，請參閱「管理服務帳戶存取權」。

部署收集器

如要執行 Google 建構的 OpenTelemetry 收集器，您必須為 Container-Optimized OS VM 提供設定檔。您可以使用 cloud-init 工具編寫設定檔。以下是使用 Google 建構的收集器時建議使用的 cloud-init 檔案：

write_files:
- path: /etc/config/config.yaml
  permissions: 0644
  owner: root
  content: |
    receivers:
      # Open two OTLP servers:
      # - On port 4317, open an OTLP GRPC server
      # - On port 4318, open an OTLP HTTP server
      #
      # Docs:
      # https://github.com/open-telemetry/opentelemetry-collector/tree/main/receiver/otlpreceiver
      otlp:
        protocols:
          grpc:
            endpoint: localhost:4317
          http:
            cors:
              # This effectively allows any origin
              # to make requests to the HTTP server.
              allowed_origins:
              - http://*
              - https://*
            endpoint: localhost:4318

      # Using the prometheus scraper, scrape the Collector's self metrics.
      #
      # Docs:
      # https://github.com/open-telemetry/opentelemetry-collector-contrib/tree/main/receiver/prometheusreceiver
      # https://opentelemetry.io/docs/collector/internal-telemetry/
      prometheus/self-metrics:
        config:
          scrape_configs:
          - job_name: otel-self-metrics
            scrape_interval: 1m
            static_configs:
            - targets:
              - localhost:8888

    processors:
      # The batch processor is in place to regulate both the number of requests
      # being made and the size of those requests.
      #
      # Docs:
      # https://github.com/open-telemetry/opentelemetry-collector/tree/main/processor/batchprocessor
      batch:
        send_batch_max_size: 200
        send_batch_size: 200
        timeout: 5s

      # The memorylimiter will check the memory usage of the collector process.
      #
      # Docs:
      # https://github.com/open-telemetry/opentelemetry-collector/tree/main/processor/memorylimiterprocessor
      memory_limiter:
        check_interval: 1s
        limit_percentage: 65
        spike_limit_percentage: 20

      # The resourcedetection processor is configured to detect GCP resources.
      # Resource attributes that represent the GCP resource the collector is
      # running on will be attached to all telemetry that goes through this
      # processor.
      #
      # Docs:
      # https://github.com/open-telemetry/opentelemetry-collector-contrib/tree/main/processor/resourcedetectionprocessor
      # https://github.com/open-telemetry/opentelemetry-collector-contrib/tree/main/processor/resourcedetectionprocessor#gcp-metadata
      resourcedetection:
        detectors: [gcp]
        timeout: 10s

      transform/collision:
        metric_statements:
        - context: datapoint
          statements:
          - set(attributes["exported_location"], attributes["location"])
          - delete_key(attributes, "location")
          - set(attributes["exported_cluster"], attributes["cluster"])
          - delete_key(attributes, "cluster")
          - set(attributes["exported_namespace"], attributes["namespace"])
          - delete_key(attributes, "namespace")
          - set(attributes["exported_job"], attributes["job"])
          - delete_key(attributes, "job")
          - set(attributes["exported_instance"], attributes["instance"])
          - delete_key(attributes, "instance")
          - set(attributes["exported_project_id"], attributes["project_id"])
          - delete_key(attributes, "project_id")

    exporters:
      # The googlecloud exporter will export telemetry to different
      # Google Cloud services:
      # Logs -> Cloud Logging
      # Metrics -> Cloud Monitoring
      # Traces -> Cloud Trace
      #
      # Docs:
      # https://github.com/open-telemetry/opentelemetry-collector-contrib/tree/main/exporter/googlecloudexporter
      googlecloud:
        log:
          default_log_name: opentelemetry-collector

      # The googlemanagedprometheus exporter will send metrics to
      # Google Managed Service for Prometheus.
      #
      # Docs:
      # https://github.com/open-telemetry/opentelemetry-collector-contrib/tree/main/exporter/googlemanagedprometheusexporter
      googlemanagedprometheus:

    service:
      pipelines:
        logs:
          receivers:
          - otlp
          processors:
          - resourcedetection
          - memory_limiter
          - batch
          exporters:
          - googlecloud
        metrics/otlp:
          receivers:
          - otlp
          processors:
          - resourcedetection
          - transform/collision
          - memory_limiter
          - batch
          exporters:
          - googlemanagedprometheus
        metrics/self-metrics:
          receivers:
          - prometheus/self-metrics
          processors:
          - resourcedetection
          - transform/collision
          - memory_limiter
          - batch
          exporters:
          - googlemanagedprometheus
        traces:
          receivers:
          - otlp
          processors:
          - resourcedetection
          - memory_limiter
          - batch
          exporters:
          - googlecloud
      telemetry:
        metrics:
          address: localhost:8888

建議您建立 Docker bridge 網路，以便在系統上傳送遙測資料時，協助收集器容器與任何其他容器之間的通訊。如要建立網路，請執行下列指令：

docker network create -d bridge otel otel

使用下列指令執行收集器容器：

docker run -d \
    --network otel \
    --name opentelemetry-collector \
    -v /etc/config:/etc/config \
    us-docker.pkg.dev/cloud-ops-agents-artifacts/google-cloud-opentelemetry-collector/otelcol-google:0.128.0 \
    --config=/etc/config/config.yaml

上述指令會執行以下動作：

在背景執行收集器容器。
將收集器容器連結至先前建立的 otel 橋接網路。其他容器可連線至橋接器，以便傳送遙測資料。
將設定檔掛載至容器，以便存取檔案來設定收集器。

設定收集器

我們提供 OpenTelemetry Collector 設定，供您搭配 Google 建構的 Collector 使用。這項設定旨在提供大量 OTLP 指標、記錄和追蹤記錄。這項設定也旨在避免常見的擷取問題。您可以新增設定，但我們強烈建議您不要移除元素。

本節將說明提供的設定、主要元件 (例如匯出程式、處理器、接收器和其他可用元件)。

提供的收集器設定

您可以在 opentelemetry-operations-collector 存放區的 google-built-opentelemetry-collector 目錄中找到收集器設定：

receivers:
  # Open two OTLP servers:
  # - On port 4317, open an OTLP GRPC server
  # - On port 4318, open an OTLP HTTP server
  #
  # Docs:
  # https://github.com/open-telemetry/opentelemetry-collector/tree/main/receiver/otlpreceiver
  otlp:
    protocols:
      grpc:
        endpoint: localhost:4317
      http:
        cors:
          # This effectively allows any origin
          # to make requests to the HTTP server.
          allowed_origins:
          - http://*
          - https://*
        endpoint: localhost:4318

  # Using the prometheus scraper, scrape the Collector's self metrics.
  #
  # Docs:
  # https://github.com/open-telemetry/opentelemetry-collector-contrib/tree/main/receiver/prometheusreceiver
  # https://opentelemetry.io/docs/collector/internal-telemetry/
  prometheus/self-metrics:
    config:
      scrape_configs:
      - job_name: otel-self-metrics
        scrape_interval: 1m
        static_configs:
        - targets:
          - localhost:8888

processors:
  # The batch processor is in place to regulate both the number of requests
  # being made and the size of those requests.
  #
  # Docs:
  # https://github.com/open-telemetry/opentelemetry-collector/tree/main/processor/batchprocessor
  batch:
    send_batch_max_size: 200
    send_batch_size: 200
    timeout: 5s

  # The memorylimiter will check the memory usage of the collector process.
  #
  # Docs:
  # https://github.com/open-telemetry/opentelemetry-collector/tree/main/processor/memorylimiterprocessor
  memory_limiter:
    check_interval: 1s
    limit_percentage: 65
    spike_limit_percentage: 20

  # The resourcedetection processor is configured to detect GCP resources.
  # Resource attributes that represent the GCP resource the collector is
  # running on will be attached to all telemetry that goes through this
  # processor.
  #
  # Docs:
  # https://github.com/open-telemetry/opentelemetry-collector-contrib/tree/main/processor/resourcedetectionprocessor
  # https://github.com/open-telemetry/opentelemetry-collector-contrib/tree/main/processor/resourcedetectionprocessor#gcp-metadata
  resourcedetection:
    detectors: [gcp]
    timeout: 10s

  # The transform/collision processor ensures that any attributes that may
  # collide with the googlemanagedprometheus exporter's monitored resource
  # construction are moved to a similar name that is not reserved.
  transform/collision:
    metric_statements:
    - context: datapoint
      statements:
      - set(attributes["exported_location"], attributes["location"])
      - delete_key(attributes, "location")
      - set(attributes["exported_cluster"], attributes["cluster"])
      - delete_key(attributes, "cluster")
      - set(attributes["exported_namespace"], attributes["namespace"])
      - delete_key(attributes, "namespace")
      - set(attributes["exported_job"], attributes["job"])
      - delete_key(attributes, "job")
      - set(attributes["exported_instance"], attributes["instance"])
      - delete_key(attributes, "instance")
      - set(attributes["exported_project_id"], attributes["project_id"])
      - delete_key(attributes, "project_id")

exporters:
  # The googlecloud exporter will export telemetry to different
  # Google Cloud services:
  # Logs -> Cloud Logging
  # Metrics -> Cloud Monitoring
  # Traces -> Cloud Trace
  #
  # Docs:
  # https://github.com/open-telemetry/opentelemetry-collector-contrib/tree/main/exporter/googlecloudexporter
  googlecloud:
    log:
      default_log_name: opentelemetry-collector

  # The googlemanagedprometheus exporter will send metrics to
  # Google Managed Service for Prometheus.
  #
  # Docs:
  # https://github.com/open-telemetry/opentelemetry-collector-contrib/tree/main/exporter/googlemanagedprometheusexporter
  googlemanagedprometheus:

extensions:
  # Opens an endpoint on 13133 that can be used to check the
  # status of the collector. Since this does not configure the
  # `path` config value, the endpoint will default to `/`.
  #
  # When running on Cloud Run, this extension is required and not optional.
  # In other environments it is recommended but may not be required for operation
  # (i.e. in Container-Optimized OS or other GCE environments).
  #
  # Docs:
  # https://github.com/open-telemetry/opentelemetry-collector-contrib/tree/main/extension/healthcheckextension
  health_check:
    endpoint: 0.0.0.0:13133

service:
  extensions:
  - health_check
  pipelines:
    logs:
      receivers:
      - otlp
      processors:
      - resourcedetection
      - memory_limiter
      - batch
      exporters:
      - googlecloud
    metrics/otlp:
      receivers:
      - otlp
      processors:
      - transform/collision
      - resourcedetection
      - memory_limiter
      - batch
      exporters:
      - googlemanagedprometheus
    metrics/self-metrics:
      receivers:
      - prometheus/self-metrics
      processors:
      - resourcedetection
      - memory_limiter
      - batch
      exporters:
      - googlemanagedprometheus
    traces:
      receivers:
      - otlp
      processors:
      - resourcedetection
      - memory_limiter
      - batch
      exporters:
      - googlecloud
  telemetry:
    metrics:
      address: localhost:8888

出口商

收集器設定包含下列匯出工具：

googlecloud 匯出器，用於記錄和追蹤記錄。這個匯出工具會使用預設的記錄檔名稱進行設定。
googlemanagedprometheus 匯出工具，用於指標。這個匯出工具不需要任何設定，但有設定選項。如要瞭解 googlemanagedprometheus 匯出工具的設定選項，請參閱 Google Cloud Managed Service for Prometheus 說明文件中的「開始使用 OpenTelemetry Collector」。

處理器

收集器設定包含下列處理器：

batch：設定為以 Google Cloud 每項要求的最大項目數量，或 Google Cloud 每 5 秒的最低間隔 (以先發生者為準) 來批次處理遙測資料要求。
memory_limiter：在超過上限時捨棄資料點，以便限制收集器的記憶體用量，防止記憶體不足而導致應用程式當機。
resourcedetection：自動偵測 Google Cloud 資源標籤，例如 project_id。

接收器

收集器設定僅包含 otlp 接收器。如要瞭解如何檢測應用程式，以便將 OTLP 追蹤記錄和指標傳送至收集器的 OTLP 端點，請參閱「選擇檢測方法」一文。

可用的元件

Google 建構的 OpenTelemetry 收集器包含大多數使用者在 Google Cloud 觀測功能中啟用豐富體驗所需的元件。如需可用元件的完整清單，請參閱 opentelemetry-operations-collector 存放區中的「元件」。

如要要求變更或新增可用的元件，請在 opentelemetry-operations-collector 存放區中提出功能要求。

產生遙測

您可以使用開源 telemetrygen 工具測試設定。OpenTelemetry 專案會在 GitHub Container 容器登錄項中提供容器。

如果您在部署收集器中變更了 Docker 指令使用的預設值，請在執行下列指令前，先替換下列預留位置：

otel：建立 Docker bridge 網路時指定的名稱。
opentelemetry-collector：您在執行容器時指定的名稱。

產生記錄檔

如要使用 telemetrygen 工具產生記錄，請執行下列指令：

docker run \
  --net=otel \
  ghcr.io/open-telemetry/opentelemetry-collector-contrib/telemetrygen:v0.105.0 \
  logs --otlp-insecure --rate=3 --duration=5m \
  --otlp-endpoint=opentelemetry-collector:4317

產生指標

如要使用 telemetrygen 工具產生指標，請執行下列指令：

docker run \
  --net=otel \
  ghcr.io/open-telemetry/opentelemetry-collector-contrib/telemetrygen:v0.105.0 \
  metrics --otlp-insecure --rate=0.1 --duration=5m \
  --otlp-endpoint=opentelemetry-collector:4317

產生指標

如要使用 telemetrygen 工具產生追蹤記錄，請執行下列指令：

docker run \
  --net=otel \
  ghcr.io/open-telemetry/opentelemetry-collector-contrib/telemetrygen:v0.105.0 \
  traces --otlp-insecure --rate=3 --duration=5m \
  --otlp-endpoint=opentelemetry-collector:4317

幾分鐘後，應用程式產生的遙測資料就會開始透過收集器傳送至各信號的 Google Cloud 主控台。

查看遙測

Google 建構的 OpenTelemetry Collector 會將檢測應用程式中的指標、記錄和追蹤記錄傳送至 Google Cloud Observability。收集器也會傳送自觀察指標。下列各節將說明如何查看這項遙測資料。

查看指標

Google 建構的 OpenTelemetry 收集器會收集 Prometheus 指標，您可以使用 Metrics Explorer 查看這些指標。收集的指標取決於應用程式的檢測功能，不過 Google 建構的收集器也會寫入一些自有指標。

如要查看 Google 建構的 OpenTelemetry 收集器收集的指標，請按照下列步驟操作：

前往 Google Cloud 控制台的「Metrics Explorer」頁面：
前往 Metrics Explorer

如果您是使用搜尋列尋找這個頁面，請選取子標題為「Monitoring」的結果。
在 Google Cloud 控制台的工具列中，選取 Google Cloud 專案。如要設定 App Hub，請選取 App Hub 主機專案或已啟用應用程式的資料夾管理專案。
在「指標」元素中，展開「選取指標」選單，在篩選列中輸入 Prometheus Target，然後使用子選單選取特定資源類型和指標：
1. 在「Active resources」選單中，選取「Prometheus Target」。
2. 如要選取指標，請使用「Active metric categories」和「Active metrics」選單。由 Google 建構的 OpenTelemetry Collector 收集的指標會加上前置字串 prometheus.googleapis.com。
3. 按一下 [套用]。
設定資料的檢視方式。
當指標的測量值為累積值時，「Metrics Explorer」會自動根據對齊期間將測量資料標準化，因此圖表會顯示速率。詳情請參閱「類型、類型和轉換」。

當系統測量整數或雙精度值時 (例如使用 counter 指標)，Metrics Explorer 會自動加總所有時間序列。如要變更這項行為，請將「Aggregation」項目的第一個選單設為「None」。

如要進一步瞭解如何設定圖表，請參閱「在使用 Metrics Explorer 時選取指標」。

查看追蹤記錄

如要查看追蹤記錄資料，請按照下列步驟操作：

前往 Google Cloud 控制台的「Trace Explorer」頁面：
前往「Trace Explorer」頁面

您也可以透過搜尋列找到這個頁面。
在 Google Cloud 控制台的工具列中，選取您的 Google Cloud 專案。如要設定 App Hub，請選取 App Hub 主機專案或啟用應用程式的資料夾管理專案。
在頁面中的表格部分選取一列。
在「Trace details」面板的甘特圖中，選取所需時距。

畫面上會開啟一個面板，顯示追蹤要求的相關資訊。這些詳細資料包括方法、狀態碼、位元組數量，以及呼叫端的使用者代理程式。
如要查看與此追蹤記錄相關聯的記錄，請選取「Logs & Events」分頁標籤。

這個分頁會顯示個別記錄。如要查看記錄項目的詳細資料，請展開記錄項目。您也可以按一下「查看記錄檔」，然後使用記錄檔探索工具查看記錄檔。

如要進一步瞭解如何使用 Cloud Trace 探索工具，請參閱「尋找及探索追蹤記錄」一文。

查看記錄檔

您可以透過「記錄檔探索器」檢查記錄，也可以查看相關的追蹤記錄 (如有)。

前往 Google Cloud 控制台的「Logs Explorer」頁面：
前往「Logs Explorer」(記錄檔探索工具)

如果您是使用搜尋列尋找這個頁面，請選取子標題為「Logging」的結果。
找出已檢測應用程式的記錄項目。如要查看詳細資料，請展開記錄項目。
在含有追蹤記錄訊息的記錄項目上，按一下「Traces」，然後選取「View trace details」。

「Trace details」面板會隨即開啟，並顯示所選的追蹤記錄。

如要進一步瞭解如何使用記錄檔探索工具，請參閱「使用記錄檔探索工具查看記錄檔」。

觀察及偵錯收集器

Google 建構的 OpenTelemetry 收集器會自動提供自觀察度指標，協助您監控效能，並確保 OTLP 攝入管道的持續運作時間。

如要監控收集器，請為收集器安裝範例資訊主頁。這個資訊主頁可讓您一目瞭然地掌握收集器的多項指標，包括正常運作時間、記憶體用量，以及對 Google Cloud Observability 的 API 呼叫。

如要安裝資訊主頁，請按照下列步驟操作：

在 Google Cloud 控制台中，前往「Dashboards」(資訊主頁) 頁面：
前往「Dashboards」(資訊主頁)

如果您是使用搜尋列尋找這個頁面，請選取子標題為「Monitoring」的結果。
按一下「資訊主頁範本」。
搜尋「OpenTelemetry Collector」資訊主頁。
選用：如要預覽資訊主頁，請選取該資訊主頁。
按一下「將資訊主頁新增至清單」，然後完成對話方塊。

您可以透過對話方塊選取資訊主頁名稱，並在資訊主頁中新增標籤。

如要進一步瞭解如何安裝資訊主頁，請參閱「安裝資訊主頁範本」。

在 Container-Optimized OS 上部署 OpenTelemetry 收集器 透過集合功能整理內容 你可以依據偏好儲存及分類內容。

事前準備

設定收集器的權限

部署收集器

設定收集器

提供的收集器設定

出口商

處理器

接收器

可用的元件

產生遙測

產生記錄檔

產生指標

產生指標

查看遙測

查看指標

查看追蹤記錄

查看記錄檔

觀察及偵錯收集器

在 Container-Optimized OS 上部署 OpenTelemetry 收集器
透過集合功能整理內容你可以依據偏好儲存及分類內容。