distributed-tracing
使用 Jaeger 和 Tempo 實作分散式追蹤
若無法了解跨服務的請求流程，偵錯微服務將非常困難。此技能可幫助您使用 Jaeger 和 Tempo 實作分散式追蹤，以追蹤請求、識別瓶頸並了解服務間的相依性。
Télécharger le ZIP du skill
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
Activez et commencez à utiliser
Tester
Utilisation de "distributed-tracing". Help me deploy Jaeger on Kubernetes
Résultat attendu:
我將使用 Jaeger Operator 幫助您在 Kubernetes 上部署 Jaeger。首先，我將建立可觀測性命名空間並部署 Operator。然後，我將設定具有 Elasticsearch 儲存的生產環境 Jaeger 執行個體，並為 UI 啟用 ingress。
Utilisation de "distributed-tracing". Add tracing to my Flask application
Résultat attendu:
我將使用 OpenTelemetry 為您的 Flask 應用程式進行檢測。我將安裝必要的套件、使用 Jaeger 匯出器初始化追蹤提供者，並新增自動 Flask 檢測。我還將展示如何為資料庫查詢建立自訂跨度。
Utilisation de "distributed-tracing". Configure sampling to trace only errors
Résultat attendu:
我將設定自訂取樣器，對所有錯誤請求進行追蹤，同時僅對 1% 的成功請求進行取樣。此方法可擷取所有失敗情形以進行偵錯，同時將正常作業的開銷降至最低。
Audit de sécurité
SûrStatic analyzer detected 65 potential security patterns including C2 keywords, weak crypto, and external commands. Manual review confirms all findings are false positives - patterns appear in legitimate documentation and code examples for distributed tracing infrastructure deployment. No security risks identified.
Facteurs de risque
⚡ Contient des scripts (3)
🌐 Accès réseau (10)
⚙️ Commandes externes (40)
Score de qualité
Ce que vous pouvez construire
偵錯微服務延遲問題
部署 Jaeger 追蹤並為您的 Python Flask 服務進行檢測，以識別哪些下游呼叫導致 API 回應緩慢。
對應服務相依性
跨您的 Node.js 微服務設定分散式追蹤，以視覺化服務相依性圖表並了解請求流程模式。
實作生產環境可觀測性
使用 Grafana 設定 Tempo 並實作取樣策略，以在生產環境中追蹤請求而不影響效能。
Essayez ces prompts
幫助我在 Kubernetes 叢集上部署 Jaeger，並使用 Elasticsearch 儲存
為我的 Flask API 新增 OpenTelemetry 檢測以將追蹤傳送到 Jaeger
當我的 Node.js 服務呼叫下游 API 時，顯示如何傳播追蹤內容
幫助我為生產環境的 Go 服務設定自適應取樣，以減少追蹤開銷同時擷取錯誤
Bonnes pratiques
- 在生產環境中使用 1% 到 10% 的取樣率，以將效能開銷降至最低
- 為跨度新增有意義的標籤，例如使用者 ID 和請求 ID，以便更輕鬆地進行篩選和分析
- 在所有服務界限（包括訊息佇列和非同步工作）傳播追蹤內容
Éviter
- 在生產環境中追蹤 100% 的流量而不進行取樣會導致高昂的儲存成本和效能影響
- 為細粒度作業建立太多跨度會增加開銷，但無法獲得有用的洞察
- 在跨度標籤中儲存敏感資料（如密碼或 API 金鑰）會違反安全性最佳實踐