【GO】LGTM_Grafana_Tempo(2)_官方用例改后实操-Toy模板网

这篇具有很好参考价值的文章主要介绍了【GO】LGTM_Grafana_Tempo(2)_官方用例改后实操。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

最近在尝试用 LGTM 来实现 Go 微服务的可观测性，就顺便整理一下文档。

Tempo 会分为 4 篇文章：

Tempo 的架构
官网测试实操跑通
gin 框架发送 trace 数据到 tempo
go-zero 微服务框架使用发送数据到 tempo

根据官方文档实操跑起来 tempo，中间根据自己需要改了一些，按照纯官网会有些跑不起来。

本文档用 docker-compose 启动，单独启动组件的，会在其他的文档描述。本文档主要目的在于用起来，怎么用得好，我现在也没研究太深。

所有本文档用到的配置文件，均在：zxmfke/lgtm: LGTM可观测性实战 (github.com)

git clone https://github.com/zxmfke/lgtm.git

让架构告诉我们需要什么组件来完成

【GO】LGTM_Grafana_Tempo(1)—架构

第一篇讲了 tempo 的架构，分为 Distributor，Ingester，Quier，Quier Fontend，Stroage，Compator，Matrics Generator/Backend。Distributor 意味着输入，所以得有个东西来发送 traces 数据。我们通过 github，可以找到 grafana 用来测试的 k6-tracing(初次看到，感觉就很吊)。

可能这个地方，有些人会想，好麻烦呀还要造数据，又要写代码。但是这个步骤却又是很重要的一步，相当于自测。开发前，也应该要想要的我要怎么自测，怎么测试我提供给别人的服务。

Ingester，Storage，Comptor 组成(泛) 我们的 tmepo，所以 tempo 肯定是必不可少的了。既然我们把数据发到tempo了，那我们就得做存储，为了测试所以就用 fs 来作为存储。数据存完，tempo 提供 quier，就表示我们可以查。Grafana 必然就是首选，毕竟是其旗下，因此 Grafana 也是需要的。最后一个，Matrics 要记在哪里呢？嗯，还是得要 prometheus 用来监控。不过，不开 matrics 的话，也可以不用 prometheus。

这样，本文档需要用到的所有组件就是，grafana，tempo，prometheus，k6-tracing。

文档使用镜像

grafana：grafana/grafana:10.1.0
tempo：grafana/tempo:2.2.1

去 docker hub 上看 tempo 的 tag 都是仓库名+commitid，其实直接拉取 github 上面最新 release 版本就行
prometheus：prom/prometheus:v2.46.0
k6-tracing：ghcr.io/grafana/xk6-client-tracing:v0.0.2

文档使用配置文件地址

都是在一个仓库，可以直接 clone 下来，等下直接 docker-compose 起就好

git clone https://github.com/zxmfke/lgtm.git

组件配置文件说明及重点修改说明

针对我跑的过程中碰到的几个点，简单说明下

grafana

grafana 的是 datasource 文件，这个文件可以减少使用者手动配置 tempo，prometheus 的步骤，这个值得自己在开发的时候借鉴。主要就是配置 tempo 和 prometheus，页面的配置也会在之后文档补上。

用 datasource 文件，创建的 source，在 grafana UI 上是不能编辑的，只能通过文件改了。

tempo

server:
  http_listen_port: 3200 # tempo 监听端口

distributor:  # 配置的是允许接入哪些类型的 trace 数据
  xxxxx

ingester:
  xxxxx

compactor:
  xxxxx
  
metrics_generator: # 配置的是 metrics 的数据往哪里发，主要就是写 promethus 的 URL
  registry:
    external_labels:
      source: tempo
      cluster: docker-compose
  storage:
    path: /tmp/tempo/generator/wal
    remote_write:
      - url: http://promethus:9090/api/v1/write
        send_exemplars: true

storage:
  trace:
    backend: local                     # backend configuration to use
    wal:
      path: /tmp/tempo/wal             # where to store the the wal locally
    local:
      path: /tmp/tempo/blocks

overrides:
  metrics_generator_processors: [service-graphs, span-metrics]

有看过第一篇架构的朋友，应该对配置文件里面的几个标题都很熟悉了。

解释(看的时候，查的资料)

wal

“wal” 是指 Write-Ahead Log（预写日志）。Write-Ahead Log 是一种持久化数据的技术，在系统发生崩溃或故障时，可以确保数据的可靠性和一致性。对于 Tempo 来说，“wal” 是一个配置项，用于指定预写日志文件的位置和设置。

通过使用 Write-Ahead Log，Tempo 可以将跟踪数据持久化到磁盘，以便在系统故障后能够恢复数据并保持数据的完整性。该日志文件记录了写入 Tempo 的跟踪数据的操作，以及相关的元数据。这种方式可以确保即使在系统崩溃时，跟踪数据也不会丢失，并且可以在系统恢复后重新加载。

overrides

“overrides” 是用于覆盖默认配置的配置项。它允许您对 Tempo 的行为进行细粒度的定制，以满足特定的需求和场景。

通过使用 “overrides” 配置项，您可以在 Tempo 中针对某些特定的组件、服务或操作进行个性化配置。这些覆盖配置可以覆盖全局配置中的默认设置，以便对特定组件或场景进行定制化设置。

Docker Compose YAML

# 如果有 git clone 的话，直接 cd tempo/docker-compose/local 即可
wget https://github.com/zxmfke/lgtm/blob/main/tempo/docker-compose/local/docker-compose.yaml -O docker-compose.yaml

version: "3"

networks:
  grafana-net:
    driver: bridge

services:
  tempo:
    image: grafana/tempo:2.2.1
    networks:
      - grafana-net
    command: [ "-config.file=/etc/tempo.yaml" ]
    volumes:
      - ./tempo.yaml:/etc/tempo.yaml
    ports:
      - "14268:14268"  # jaeger ingest
      - "3200:3200"    # tempo
      - "9095:9095"    # tempo grpc
      - "4317:4317"    # otlp grpc
      - "4318:4318"    # otlp http
      - "9411:9411"    # zipkin

  k6-tracing:
    image: ghcr.io/grafana/xk6-client-tracing:v0.0.2
    networks:
      - grafana-net
    environment:
      - ENDPOINT=tempo:4317
    restart: always
    depends_on:
      - tempo

  prometheus:
    image: prom/prometheus:v2.46.0
    networks:
      - grafana-net
    command:
      - --config.file=/etc/prometheus.yaml
      - --web.enable-remote-write-receiver
      - --enable-feature=exemplar-storage
    volumes:
      - ./prometheus.yaml:/etc/prometheus.yaml
    ports:
      - "9090:9090"

  grafana:
    image: grafana/grafana:10.1.0
    networks:
      - grafana-net
    volumes:
      - ./grafana-datasources.yaml:/etc/grafana/provisioning/datasources/datasources.yaml
    environment:
      - GF_FEATURE_TOGGLES_ENABLE=traceqlEditor
    ports:
      - "3000:3000"

注意事项

tempo 的 ports 是根据配置文件中 distributor 来的，开放哪些 receiver 就开哪些端口。

单点部署 tempo 的有一个很容易出错的地方，docker run 的时候只知道开放 3200 端口，以为 tempo 就起好了，但是往里面发 traces 数据的时候又写不进去。
k6-tracing 是往 tempo 发数据，所以必须得等 tempo 启动好

配置文件改动位置

grafana-dataresources.yaml

# 如果有 git clone 的话，直接 cd tempo/docker-compose/local 即可
wget https://github.com/zxmfke/lgtm/blob/main/tempo/docker-compose/local/grafana-dataresources.yaml -O grafana-dataresources.yaml

L9：prometheus.ip，改成部署的服务器IP

L20：tempo.ip，改成部署的服务器IP

prometheus.yaml

# 如果有 git clone 的话，直接 cd tempo/docker-compose/local 即可
wget https://github.com/zxmfke/lgtm/blob/main/tempo/docker-compose/local/prometheus.yaml -O prometheus.yaml

L11：tempo.ip，改成部署的服务器IP

tempo.yaml

# 如果有 git clone 的话，直接 cd tempo/docker-compose/local 即可
wget https://github.com/zxmfke/lgtm/blob/main/tempo/docker-compose/local/tempo.yaml -O tempo.yaml

L34：promethus.ip，改成部署的服务器IP