返回资讯中心
外部精选
云计算
#Kubernetes#可观测性#Blog

OpenTelemetry 可观测性管道本身可能成为性能瓶颈

来源标题:Is your OpenTelemetry pipeline becoming a performance bottleneck?

在 Cloud Native Days Austria 2026 的演讲中,讲者指出 OpenTelemetry 的遥测采集本身会消耗资源,配置不当的管道会带来显著的 CPU、内存、网络和存储开销。随着应用规模扩大,负责观测的基础设施可能反过来成为性能问题。这些开销可以被理解、测量并降低,而不必牺牲可见性。

CNCF BlogDiana Todea (CNCF Ambassador, OpenTelemetry Documentation approver, Romanian Localization maintainer)2026/11/17 · 今天30 分钟阅读

以下正文由 AI 翻译自 CNCF Blog(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

在 Cloud Native Days Austria 2026 上,我做了一场题为《如何击败 OTel 的隐形杀手:性能开销》的演讲,探讨了在构建可观测性管道时一个容易被忽视的问题:采集遥测数据本身的成本。

OpenTelemetry 已成为云原生可观测性的基石,为生成、收集、处理和导出指标、日志和追踪提供了标准化的 API、SDK 和工具。然而,插桩和遥测处理并非没有代价。每一个创建的 span、附加的属性以及导出的批次都会消耗资源。

随着应用规模扩大,配置不当的遥测管道可能带来显著的 CPU 占用、内存压力、网络流量和存储成本。在某些情况下,用于观测系统的基础设施本身反而会成为性能问题。

好消息是,这些开销中的很大一部分是可以被理解、测量和降低的,而且无需牺牲工程师所依赖的可见性。

OpenTelemetry 开销从何而来?

在 Cloud Native Days Austria 2026 上,我做了一场题为《如何击败 OTel 的隐形杀手:性能开销》的演讲,探讨了在构建可观测性管道时一个容易被忽视的问题:采集遥测数据本身的成本。

OpenTelemetry 已成为云原生可观测性的基石,为生成、收集、处理和导出指标、日志和追踪提供了标准化的 API、SDK 和工具。然而,插桩和遥测处理并非没有代价。每一个创建的 span、附加的属性以及导出的批次都会消耗资源。

随着应用规模扩大,配置不当的遥测管道可能带来显著的 CPU 占用、内存压力、网络流量和存储成本。在某些情况下,用于观测系统的基础设施本身反而会成为性能问题。

好消息是,这些开销中的很大一部分是可以被理解、测量和降低的,而且无需牺牲工程师所依赖的可见性。

OpenTelemetry 开销从何而来?

在讨论 OpenTelemetry 性能时,我们往往关注应用侧的 SDK。然而,开销并不止于插桩。

整条遥测管道都会带来资源消耗,从生成 span、收集指标,到处理、导出和存储数据。

插桩开销还与工作负载相关。两个使用相同插桩库的应用,可能因为请求吞吐量、属性数量、运行时行为以及每个请求生成的 span 数量不同,而表现出截然不同的结果。

这就是为什么依赖单一的开销百分比可能会产生误导。相反,我们应该考察 CPU 消耗、内存使用、应用延迟、遥测数据量,以及 Collector 在负载下的行为。

在应用安全性与遥测完整性之间还存在一个重要的权衡。当管道过载时,背压和内存保护机制可以保护应用和 OpenTelemetry Collector,但它们也可能导致遥测数据被拒绝或丢弃。

目标并非简单地最小化资源消耗,而是在保持有用的可观测性的同时,让其运营成本可预测。

调查 Collector:五个常见配置问题

在演示中,我使用了 Telemetrygen——一个用于生成合成遥测数据的 OpenTelemetry 工具——来研究 Collector 配置如何影响资源消耗。

调查聚焦于五个常见的、不必要的开销来源。

1. 低效的批处理

频繁导出少量遥测数据会增加序列化工作、导出请求和网络开销。

OpenTelemetry Collector 会在 exporter 的发送队列中对遥测数据进行分组,然后再向下游传输,从而通过更大的负载来摊薄这部分工作。(注:历史上,这由独立的 batch processor 处理,如今已弃用,转而采用 exporter 内置的批处理功能)。

然而,批处理参数应反映实际工作负载。更大的批次并不一定更好:它们会增加缓冲需求并影响导出延迟。

exporters:
  otlp_grpc:
    endpoint: "otel-backend:4317"
    sending_queue:
      enabled: true
      sizer: items       
      queue_size: 100000 
      batch:
        enabled: true
        min_size: 8192
        flush_timeout: 200ms

在 exporter 的 sending_queue 中配置 batch,会在将 span、指标或日志转发到下游之前对其进行分组,从而提高压缩效率和数据持久性,同时降低导出开销。当达到配置的大小阈值或超时时间时,批次会被发送。

在此示例中,min_size: 8192 表示当批次达到 8,192 个条目时触发导出,而 flush_timeout: 200ms 表示无论批次大小如何,200 毫秒后都会触发导出。启用批处理后,这些值是 Collector 文档中记录的默认值,并非通用的性能建议。(注:由于在此架构中未批处理的请求会先进入队列,此示例将 sizer 从默认的 requests 改为 items,并将 queue_size 设为 100000,以防止较小的未批处理突发流量导致队列溢出)。

关键在于测量批处理对资源消耗和吞吐量的实际影响,而不是照搬示例配置。

2. 不必要的资源属性

资源属性提供了关于产生遥测数据的系统的宝贵上下文。但收集和转发无人使用的属性会增加负载大小和下游处理成本。

例如,一个应用可能需要 host.name、host.arch 和 os.type 用于故障排查,但不需要 host.cpu.model.name 或 host.cpu.cache.l2.size 这类详细的硬件信息。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →