Zipkin 和 New Relic 集成

输入和输出集成概述

Zipkin 输入插件允许从微服务收集跟踪信息和定时数据。此功能对于诊断复杂面向服务环境中的延迟问题至关重要。

此插件允许使用 Metrics API 将指标发送到 New Relic Insights，从而实现对应用程序性能的有效监控和分析。

集成详情

Zipkin

此插件实现了 Zipkin HTTP 服务器，以收集跟踪和定时数据，这些数据对于解决微服务架构中的延迟问题是必需的。Zipkin 是一个分布式跟踪系统，可帮助收集跨各种微服务的定时数据，使团队可以可视化请求流并识别性能瓶颈。该插件根据指定的 Content-Type 支持 JSON 或 thrift 格式的输入跟踪。此外，它还利用 span 元数据来跟踪请求的定时，从而增强了符合 OpenTracing 标准的应用程序的可观察性。作为一项实验性功能，其配置和模式可能会随着时间的推移而发展，以更好地满足用户需求和分布式跟踪方法的进步。

New Relic

此插件使用 Metrics API 将指标写入 New Relic Insights，这为将时序数据发送到 New Relic 平台提供了强大的机制。用户必须首先获取 Insights API 密钥才能验证和授权其数据提交。该插件旨在促进与 New Relic 的监控和分析功能的轻松集成，支持各种指标类型并允许高效的数据处理。核心功能包括能够为指标添加前缀以更好地识别、API 请求的可自定义超时以及对代理设置的支持以增强连接性。用户必须根据其要求配置这些选项，以实现数据无缝流入 New Relic 以进行全面的实时分析和洞察。

配置

Zipkin

[[inputs.zipkin]]
  ## URL path for span data
  # path = "/api/v1/spans"

  ## Port on which Telegraf listens
  # port = 9411

  ## Maximum duration before timing out read of the request
  # read_timeout = "10s"
  ## Maximum duration before timing out write of the response
  # write_timeout = "10s"

New Relic

[[outputs.newrelic]]
  ## The 'insights_key' parameter requires a NR license key.
  ## New Relic recommends you create one
  ## with a convenient name such as TELEGRAF_INSERT_KEY.
  ## reference: https://docs.newrelic.com/docs/apis/intro-apis/new-relic-api-keys/#ingest-license-key
  # insights_key = "New Relic License Key Here"

  ## Prefix to add to add to metric name for easy identification.
  ## This is very useful if your metric names are ambiguous.
  # metric_prefix = ""

  ## Timeout for writes to the New Relic API.
  # timeout = "15s"

  ## HTTP Proxy override. If unset use values from the standard
  ## proxy environment variables to determine proxy, if any.
  # http_proxy = "http://corporate.proxy:3128"

  ## Metric URL override to enable geographic location endpoints.
  # If not set use values from the standard
  # metric_url = "https://metric-api.newrelic.com/metric/v1"

输入和输出集成示例

Zipkin

1. 微服务中的延迟监控：使用 Zipkin 输入插件捕获和分析来自微服务架构的跟踪数据。通过可视化请求流并查明延迟来源，开发团队可以优化服务交互，缩短响应时间，并确保跨服务的更流畅的用户体验。

2. 关键服务中的性能优化：在关键服务中集成插件，不仅可以监控响应时间，还可以跟踪可能突出显示性能问题的特定注释。收集 span 数据的能力可以帮助确定需要性能增强的区域的优先级，从而实现有针对性的改进。

3. 动态服务依赖关系映射：使用收集的跟踪数据，自动映射服务依赖关系并在仪表板中可视化它们。这有助于团队了解不同服务如何交互以及故障或速度减慢的影响，最终促成更好的架构决策和更快的问题解决。

4. 服务延迟中的异常检测：将 Zipkin 数据与机器学习模型相结合，以检测服务延迟和请求处理时间中的异常模式。通过自动识别异常，运营团队可以在新兴问题升级为严重故障之前主动响应。

New Relic

1. 应用程序性能监控：使用 New Relic Telegraf 插件将 Web 服务的应用程序性能指标发送到 New Relic Insights。通过集成此插件，开发人员可以收集响应时间、错误率和吞吐量等数据，使团队能够实时监控应用程序运行状况，并在问题影响用户之前快速解决问题。此设置促进了应用程序性能和用户体验的主动管理。

2. 基础设施指标聚合：利用此插件聚合和发送来自各种服务器的系统级指标（CPU 使用率、内存消耗等）到 New Relic。这有助于系统管理员维护基础设施性能的全面视图，从而促进容量规划和识别潜在瓶颈。通过将指标集中在 New Relic 中，团队可以可视化随时间变化的趋势，并就资源分配做出明智的决策。

3. 多租户应用程序的动态指标命名：使用 metric_prefix 选项实现动态前缀，以区分多租户应用程序中的不同租户。通过配置插件以在指标名称中包含每个租户的唯一标识符，团队可以分析每个租户的使用模式和性能指标。这为租户行为提供了宝贵的见解，支持定制优化并提高跨不同客户群的服务质量。

4. 实时异常检测：将 New Relic 插件与警报机制相结合，以根据异常指标模式触发通知。通过发送请求计数和响应时间等指标，团队可以在 New Relic 中设置阈值，当阈值被突破时，将自动向责任方发出警报。这种用户驱动的方法支持对潜在问题做出即时响应，防止它们升级为更大的事件。

反馈

感谢您成为我们社区的一份子！如果您有任何一般性反馈或在这些页面上发现任何错误，我们欢迎并鼓励您提出意见。请在 InfluxDB 社区 Slack 中提交您的反馈。