مصدر Microsoft OpenTelemetry ل Azure Monitor

يسمح لك المصدر ل Azure Monitor بتصدير البيانات باستخدام OpenTelemetry SDK وإرسال بيانات تتبع الاستخدام إلى Azure Monitor للتطبيقات المكتوبة بلغة Python.

التعليمات البرمجية | المصدرالحزمة (PyPi) | الوثائق | المرجعية لواجهة برمجة التطبيقاتوثائق | المنتجعينات | التغيير

الشروع في العمل

تثبيت الحِزَمة

قم بتثبيت مصدر Microsoft OpenTelemetry ل Azure Monitor باستخدام pip:

pip install azure-monitor-opentelemetry-exporter --pre

المتطلبات الأساسية

لاستخدام هذه الحزمة، يجب أن يكون لديك:

• اشتراك Azure - إنشاء حساب مجاني
• Azure Monitor - كيفية استخدام رؤى التطبيق
• OpenTelemetry SDK - OpenTelemetry SDK ل Python
• Python 3.7 أو أحدث - تثبيت Python

أنشئ مثيلاً للعميل

يبدأ التفاعل مع مصدر مراقبة Azure بمثيل من AzureMonitorTraceExporter الفئة للتتبع الموزع والتسجيل AzureMonitorLogExporter والمقاييس AzureMonitorMetricExporter . ستحتاج إلى connection_string لإنشاء مثيل للكائن. يرجى العثور على العينات المرتبطة أدناه للتوضيح حول كيفية إنشاء المصدر باستخدام سلسلة الاتصال.

التسجيل (تجريبي)

ملاحظة: إشارة التسجيل ل AzureMonitorLogExporter حاليا في حالة تجريبية. قد تترتب على ذلك تغييرات معطلة محتملة في المستقبل.

from azure.monitor.opentelemetry.exporter import AzureMonitorLogExporter
exporter = AzureMonitorLogExporter(
    connection_string=os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)

المقاييس

from azure.monitor.opentelemetry.exporter import AzureMonitorMetricExporter
exporter = AzureMonitorMetricExporter(
    connection_string=os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)

تتبع

from azure.monitor.opentelemetry.exporter import AzureMonitorTraceExporter
exporter = AzureMonitorTraceExporter(
    connection_string=os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)

يمكنك أيضا إنشاء مثيل للمصدر مباشرة عبر الدالة الإنشائية. في هذه الحالة، سيتم ملء سلسلة الاتصال تلقائيا من APPLICATIONINSIGHTS_CONNECTION_STRING متغير البيئة.

from azure.monitor.opentelemetry.exporter import AzureMonitorLogExporter
exporter = AzureMonitorLogExporter()

from azure.monitor.opentelemetry.exporter import AzureMonitorMetricExporter
exporter = AzureMonitorMetricExporter()

from azure.monitor.opentelemetry.exporter import AzureMonitorTraceExporter
exporter = AzureMonitorTraceExporter()

المفاهيم الرئيسية

تتضمن بعض المفاهيم الرئيسية لمصدر مراقبة Azure ما يلي:

• OpenTelemetry: OpenTelemetry عبارة عن مجموعة من المكتبات المستخدمة لجمع بيانات تتبع الاستخدام وتصديرها (المقاييس والسجلات والتتبعات) للتحليل من أجل فهم أداء البرنامج وسلوكه.

• تقرير عن حالة النظام: يتم تسهيل القدرة على استدعاء واجهة برمجة تطبيقات OpenTelemetry مباشرة بواسطة أي تطبيق بواسطة الأجهزة. تسمى المكتبة التي تمكن إمكانية مراقبة OpenTelemetry لمكتبة أخرى مكتبة الأجهزة.

• السجل: يشير السجل إلى التقاط التسجيل والاستثناء والأحداث.

• LogRecord: يمثل سجلا منبعثا من مكتبة تسجيل مدعومة.

• المسجل: يحول إلى LogRecord قابل LogDataللقراءة، وسيتم دفعه من خلال SDK ليتم تصديره.

• موفر المسجل: يوفر Logger لمكتبة الأجهزة المحددة.

• LogRecordProcessor: واجهة لربط إجراء إصدار سجل السجل.

• LoggingHandler: فئة معالج تكتب سجلات التسجيل بتنسيق OpenTelemetry من مكتبة Python logging القياسية.

• AzureMonitorLogExporter: هذه هي الفئة التي تمت تهيئتها لإرسال بيانات تتبع الاستخدام المتعلقة بالتسجيل إلى Azure Monitor.

• المقياس: Metric يشير إلى تسجيل القياسات الأولية مع التجميع المحدد مسبقا ومجموعات السمات لفترة زمنية.

• القياس: يمثل نقطة بيانات مسجلة في نقطة زمنية.

• الأداة: تستخدم الأدوات للإبلاغ عن Measurements.

• المقياس: Meter المسؤول عن إنشاء Instruments.

• موفر العداد: يوفر Meter لمكتبة الأجهزة المحددة.

• قارئ المقاييس: عنصر تنفيذ SDK يوفر الجوانب القابلة للتكوين الشائعة ل OpenTelemetry Metrics SDK مثل التجميع والمسح وإيقاف التشغيل.

• AzureMonitorMetricExporter: هذه هي الفئة التي تمت تهيئتها لإرسال القياس عن بعد ذي الصلة بالمقياس إلى Azure Monitor.

• التتبع: يشير التتبع إلى التتبع الموزع. التتبع الموزع هو مجموعة من الأحداث، يتم تشغيلها نتيجة لعملية منطقية واحدة، مدمجة عبر مكونات مختلفة من التطبيق. على وجه الخصوص، يمكن اعتبار التتبع كرسم بياني ودوري موجه (DAG) للامتدادات، حيث يتم تعريف الحواف بين الامتدادات على أنها علاقة أصل/تابع.

• Span: يمثل عملية واحدة داخل Trace. يمكن تداخلها لتشكيل شجرة تتبع. يحتوي كل تتبع على نطاق جذر، والذي يصف العملية بأكملها، واختياريا، خام واحد أكثر من الامتدادات الفرعية لعملياتها الفرعية.

• التتبع: مسؤول عن إنشاء Spans.

• موفر التتبع: يوفر Tracer للاستخدام من قبل مكتبة الأجهزة المحددة.

• معالج Span: يسمح معالج النطاق بخطافات استدعاءات أسلوب البدء والنهاية الخاصة ب SDK Span . اتبع الارتباط لمزيد من المعلومات.

• AzureMonitorTraceExporter: هذه هي الفئة التي تمت تهيئتها لإرسال تتبع تتبع الاستخدام ذي الصلة إلى Azure Monitor.

• أخذ العينات: أخذ العينات هو آلية للتحكم في الضوضاء والنفقات العامة التي يقدمها OpenTelemetry عن طريق تقليل عدد عينات التتبع التي تم جمعها وإرسالها إلى الخلفية.

• ApplicationInsightsSampler: عينة محددة من Application Insights تستخدم لأخذ عينات متسقة عبر Application Insights SDKs وSDKs المستندة إلى OpenTelemetry التي ترسل البيانات إلى Application Insights. يجب استخدام أداة أخذ العينات هذه كلما AzureMonitorTraceExporter تم استخدامها.

لمزيد من المعلومات حول هذه الموارد، راجع ما هو Azure Monitor؟.

التكوين

يمكن تمرير جميع خيارات التكوين من خلال منشئات المصدرين من خلال kwargs. فيما يلي قائمة بالخيارات القابلة للتكوين.

• connection_string: سلسلة الاتصال المستخدمة لمورد Application Insights الخاص بك.
• disable_offline_storage: قيمة منطقية لتحديد ما إذا كان يجب تعطيل تخزين سجلات بيانات تتبع الاستخدام الفاشلة لإعادة المحاولة. الإعدادات الافتراضية لـ False.
• storage_directory: دليل التخزين الذي يتم تخزين ملفات إعادة المحاولة فيه. الإعدادات الافتراضية لـ <tempfile.gettempdir()>/Microsoft/AzureMonitor/opentelemetry-python-<your-instrumentation-key>.
• credential: بيانات اعتماد الرمز المميز، مثل ManagedIdentityCredential أو ClientSecretCredential، المستخدمة لمصادقة Azure Active Directory (AAD). الإعدادات الافتراضية إلى بلا. راجع العينات للحصول على أمثلة.

أمثلة

التسجيل (تجريبي)

ملاحظة: إشارة التسجيل ل AzureMonitorLogExporter حاليا في حالة تجريبية. قد تترتب على ذلك تغييرات معطلة محتملة في المستقبل.

توفر الأقسام التالية العديد من القصاصات البرمجية التي تغطي بعض المهام الأكثر شيوعا، بما في ذلك:

• تصدير سجل
• تصدير سجل السجل المرتبط
• تصدير سجل السجل بخصائص مخصصة
• تصدير سجل استثناءات

راجع OpenTelemetry Logging SDK لمعرفة كيفية استخدام مكونات OpenTelemetry لجمع السجلات.

تصدير سجل مرحبًا بالعالم

"""
An example to show an application using Opentelemetry logging sdk. Logging calls to the standard Python
logging library are tracked and telemetry is exported to application insights with the AzureMonitorLogExporter.
"""
import os
import logging

from opentelemetry.sdk._logs import (
    LoggerProvider,
    LoggingHandler,
    set_logger_provider,
)
from opentelemetry.sdk._logs.export import BatchLogRecordProcessor

from azure.monitor.opentelemetry.exporter import AzureMonitorLogExporter

logger_provider = LoggerProvider()
set_logger_provider(logger_provider)

exporter = AzureMonitorLogExporter(
    connection_string=os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)

logger_provider.add_log_record_processor(BatchLogRecordProcessor(exporter))
handler = LoggingHandler()

# Attach LoggingHandler to root logger
logging.getLogger().addHandler(handler)
logging.getLogger().setLevel(logging.NOTSET)

logger = logging.getLogger(__name__)

logger.warning("Hello World!")

# Telemetry records are flushed automatically upon application exit
# If you would like to flush records manually yourself, you can call force_flush()
logger_provider.force_flush()

تصدير السجل المرتبط

"""
An example showing how to include context correlation information in logging telemetry.
"""
import os
import logging

from opentelemetry import trace
from opentelemetry.sdk._logs import (
    LoggerProvider,
    LoggingHandler,
    set_logger_provider,
)
from opentelemetry.sdk._logs.export import BatchLogRecordProcessor
from opentelemetry.sdk.trace import TracerProvider

from azure.monitor.opentelemetry.exporter import AzureMonitorLogExporter

trace.set_tracer_provider(TracerProvider())
tracer = trace.get_tracer(__name__)
logger_provider = LoggerProvider()
set_logger_provider(logger_provider)

exporter = AzureMonitorLogExporter(
    connection_string=os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)

logger_provider.add_log_record_processor(BatchLogRecordProcessor(exporter))
handler = LoggingHandler()

# Attach LoggingHandler to root logger
logging.getLogger().addHandler(handler)
logging.getLogger().setLevel(logging.NOTSET)

logger = logging.getLogger(__name__)

logger.info("INFO: Outside of span")
with tracer.start_as_current_span("foo"):
    logger.warning("WARNING: Inside of span")
logger.error("ERROR: After span")

تصدير سجل الخصائص المخصصة

"""
An example showing how to add custom properties to logging telemetry.
"""
import os
import logging

from opentelemetry.sdk._logs import (
    LoggerProvider,
    LoggingHandler,
    set_logger_provider,
)
from opentelemetry.sdk._logs.export import BatchLogRecordProcessor

from azure.monitor.opentelemetry.exporter import AzureMonitorLogExporter

logger_provider = LoggerProvider()
set_logger_provider(logger_provider)

exporter = AzureMonitorLogExporter(
    connection_string=os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)

logger_provider.add_log_record_processor(BatchLogRecordProcessor(exporter))
handler = LoggingHandler()

# Attach LoggingHandler to root logger
logging.getLogger().addHandler(handler)
logging.getLogger().setLevel(logging.NOTSET)

logger = logging.getLogger(__name__)

# Custom properties
logger.debug("DEBUG: Debug with properties", extra={"debug": "true"})

تصدير سجل الاستثناءات

"""
An example showing how to export exception telemetry using the AzureMonitorLogExporter.
"""
import os
import logging

from opentelemetry._logs import (
    get_logger_provider,
    set_logger_provider,
)
from opentelemetry.sdk._logs import (
    LoggerProvider,
    LoggingHandler,
)
from opentelemetry.sdk._logs.export import BatchLogRecordProcessor

from azure.monitor.opentelemetry.exporter import AzureMonitorLogExporter

set_logger_provider(LoggerProvider())
exporter = AzureMonitorLogExporter(
    connection_string=os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)
get_logger_provider().add_log_record_processor(BatchLogRecordProcessor(exporter))

# Attach LoggingHandler to namespaced logger
handler = LoggingHandler()
logger = logging.getLogger(__name__)
logger.addHandler(handler)
logger.setLevel(logging.NOTSET)

# The following code will generate two pieces of exception telemetry
# that are identical in nature
try:
    val = 1 / 0
    print(val)
except ZeroDivisionError:
    logger.exception("Error: Division by zero")

try:
    val = 1 / 0
    print(val)
except ZeroDivisionError:
    logger.error("Error: Division by zero", stack_info=True, exc_info=True)

المقاييس

توفر الأقسام التالية العديد من القصاصات البرمجية التي تغطي بعض المهام الأكثر شيوعا، بما في ذلك:

• استخدام أدوات قياس مختلفة
• تخصيص المقاييس الناتجة مع طرق العرض
• تسجيل الأدوات باستخدام السمات

راجع OpenTelemetry Metrics SDK لمعرفة كيفية استخدام مكونات OpenTelemetry لجمع المقاييس.

استخدام أدوات القياس

"""
An example to show an application using all instruments in the OpenTelemetry SDK. Metrics created
and recorded using the sdk are tracked and telemetry is exported to application insights with the
AzureMonitorMetricsExporter.
"""
import os
from typing import Iterable

from opentelemetry import metrics
from opentelemetry.metrics import CallbackOptions, Observation
from opentelemetry.sdk.metrics import MeterProvider
from opentelemetry.sdk.metrics.export import PeriodicExportingMetricReader

from azure.monitor.opentelemetry.exporter import AzureMonitorMetricExporter

exporter = AzureMonitorMetricExporter(
    connection_string=os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)
reader = PeriodicExportingMetricReader(exporter, export_interval_millis=5000)
metrics.set_meter_provider(MeterProvider(metric_readers=[reader]))

# Create a namespaced meter
meter = metrics.get_meter_provider().get_meter("sample")

# Callback functions for observable instruments
def observable_counter_func(options: CallbackOptions) -> Iterable[Observation]:
    yield Observation(1, {})


def observable_up_down_counter_func(
    options: CallbackOptions,
) -> Iterable[Observation]:
    yield Observation(-10, {})


def observable_gauge_func(options: CallbackOptions) -> Iterable[Observation]:
    yield Observation(9, {})

# Counter
counter = meter.create_counter("counter")
counter.add(1)

# Async Counter
observable_counter = meter.create_observable_counter(
    "observable_counter", [observable_counter_func]
)

# UpDownCounter
up_down_counter = meter.create_up_down_counter("up_down_counter")
up_down_counter.add(1)
up_down_counter.add(-5)

# Async UpDownCounter
observable_up_down_counter = meter.create_observable_up_down_counter(
    "observable_up_down_counter", [observable_up_down_counter_func]
)

# Histogram
histogram = meter.create_histogram("histogram")
histogram.record(99.9)

# Async Gauge
gauge = meter.create_observable_gauge("gauge", [observable_gauge_func])

# Upon application exit, one last collection is made and telemetry records are
# flushed automatically. # If you would like to flush records manually yourself,
# you can call force_flush()
meter_provider.force_flush()

طرق عرض مخصصة قياسية

"""
This example shows how to customize the metrics that are output by the SDK using Views. Metrics created
and recorded using the sdk are tracked and telemetry is exported to application insights with the
AzureMonitorMetricsExporter.
"""
import os

from opentelemetry import metrics
from opentelemetry.sdk.metrics import Counter, MeterProvider
from opentelemetry.sdk.metrics.export import PeriodicExportingMetricReader
from opentelemetry.sdk.metrics.view import View

from azure.monitor.opentelemetry.exporter import AzureMonitorMetricExporter

exporter = AzureMonitorMetricExporter.from_connection_string(
    os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)
# Create a view matching the counter instrument `my.counter`
# and configure the new name `my.counter.total` for the result metrics stream
change_metric_name_view = View(
    instrument_type=Counter,
    instrument_name="my.counter",
    name="my.counter.total",
)

reader = PeriodicExportingMetricReader(exporter, export_interval_millis=5000)
provider = MeterProvider(
    metric_readers=[
        reader,
    ],
    views=[
        change_metric_name_view,
    ],
)
metrics.set_meter_provider(provider)

meter = metrics.get_meter_provider().get_meter("view-name-change")
my_counter = meter.create_counter("my.counter")
my_counter.add(100)

يمكن العثور على المزيد من الأمثلة مع مقاييس Views SDK هنا.

سمات السجل القياسي

"""
An example to show an application using different attributes with instruments in the OpenTelemetry SDK.
Metrics created and recorded using the sdk are tracked and telemetry is exported to application insights
with the AzureMonitorMetricsExporter.
"""
import os

from opentelemetry import metrics
from opentelemetry.sdk.metrics import MeterProvider
from opentelemetry.sdk.metrics.export import PeriodicExportingMetricReader

from azure.monitor.opentelemetry.exporter import AzureMonitorMetricExporter

exporter = AzureMonitorMetricExporter.from_connection_string(
    os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)
reader = PeriodicExportingMetricReader(exporter, export_interval_millis=5000)
metrics.set_meter_provider(MeterProvider(metric_readers=[reader]))

attribute_set1 = {
    "key1": "val1"
}
attribute_set2 = {
    "key2": "val2"
}
large_attribute_set = {}
for i in range(20):
    key = "key{}".format(i)
    val = "val{}".format(i)
    large_attribute_set[key] = val

meter = metrics.get_meter_provider().get_meter("sample")

# Counter
counter = meter.create_counter("attr1_counter")
counter.add(1, attribute_set1)

# Counter2
counter2 = meter.create_counter("attr2_counter")
counter2.add(10, attribute_set1)
counter2.add(30, attribute_set2)

# Counter3
counter3 = meter.create_counter("large_attr_counter")
counter3.add(100, attribute_set1)
counter3.add(200, large_attribute_set)

تتبع

توفر الأقسام التالية العديد من القصاصات البرمجية التي تغطي بعض المهام الأكثر شيوعا، بما في ذلك:

• تصدير نطاق مخصص
• استخدام تقرير عن حالة النظام لتعقب مكتبة
• تمكين أخذ العينات للحد من كمية بيانات تتبع الاستخدام المرسلة

راجع OpenTelemetry Tracing SDK لمعرفة كيفية استخدام مكونات OpenTelemetry لجمع السجلات.

تصدير تتبع مرحبًا بالعالم

"""
An example to show an application using Opentelemetry tracing api and sdk. Custom dependencies are
tracked via spans and telemetry is exported to application insights with the AzureMonitorTraceExporter.
"""
import os
from opentelemetry import trace
from opentelemetry.sdk.trace import TracerProvider
from opentelemetry.sdk.trace.export import BatchSpanProcessor
from azure.monitor.opentelemetry.exporter import AzureMonitorTraceExporter

tracer_provider = TracerProvider()
trace.set_tracer_provider(tracer_provider)
tracer = trace.get_tracer(__name__)
# This is the exporter that sends data to Application Insights
exporter = AzureMonitorTraceExporter(
    connection_string=os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)
span_processor = BatchSpanProcessor(exporter)
trace.get_tracer_provider().add_span_processor(span_processor)

with tracer.start_as_current_span("hello"):
    print("Hello, World!")

# Telemetry records are flushed automatically upon application exit
# If you would like to flush records manually yourself, you can call force_flush()
tracer_provider.force_flush()

تقرير عن حالة النظام مع مكتبة الطلبات

يدعم OpenTelemetry أيضا العديد من الأجهزة التي تسمح بالأدوات مع مكتبات الجهات الخارجية.

للحصول على قائمة بالأدوات المتوفرة في OpenTelemetry، تفضل بزيارة وثائق contrib.

يوضح هذا المثال كيفية استخدام مكتبة الطلبات .

• قم بتثبيت حزمة أدوات الطلبات باستخدام pip install opentelemetry-instrumentation-requests.

"""
An example to show an application instrumented with the OpenTelemetry requests instrumentation.
Calls made with the requests library will be automatically tracked and telemetry is exported to 
application insights with the AzureMonitorTraceExporter.
See more info on the requests instrumentation here:
https://github.com/open-telemetry/opentelemetry-python-contrib/tree/main/instrumentation/opentelemetry-instrumentation-requests
"""
import os
import requests
from opentelemetry import trace
from opentelemetry.instrumentation.requests import RequestsInstrumentor
from opentelemetry.sdk.trace import TracerProvider
from opentelemetry.sdk.trace.export import BatchSpanProcessor
from azure.monitor.opentelemetry.exporter import AzureMonitorTraceExporter

# This line causes your calls made with the requests library to be tracked.
RequestsInstrumentor().instrument()

trace.set_tracer_provider(TracerProvider())
tracer = trace.get_tracer(__name__)
exporter = AzureMonitorTraceExporter(
    connection_string=os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)
span_processor = BatchSpanProcessor(exporter)
trace.get_tracer_provider().add_span_processor(span_processor)

# This request will be traced
response = requests.get(url="https://azure.microsoft.com/")

تمكين أخذ العينات

يمكنك تمكين أخذ العينات للحد من كمية سجلات بيانات تتبع الاستخدام التي تتلقاها. لتمكين أخذ العينات الصحيح في Application Insights، استخدم ApplicationInsightsSampler كما هو موضح أدناه.

"""
An example to show an application using the ApplicationInsightsSampler to enable sampling for your telemetry.
Specify a sampling rate for the sampler to limit the amount of telemetry records you receive. Custom dependencies
 are tracked via spans and telemetry is exported to application insights with the AzureMonitorTraceExporter.
"""
import os
from opentelemetry import trace
from opentelemetry.sdk.trace import TracerProvider
from opentelemetry.sdk.trace.export import BatchSpanProcessor
from azure.monitor.opentelemetry.exporter import (
    ApplicationInsightsSampler,
    AzureMonitorTraceExporter,
)

# Sampler expects a sample rate of between 0 and 1 inclusive
# A rate of 0.75 means approximately 75% of your telemetry will be sent
sampler = ApplicationInsightsSampler(0.75)
trace.set_tracer_provider(TracerProvider(sampler=sampler))
tracer = trace.get_tracer(__name__)
exporter = AzureMonitorTraceExporter(
    connection_string=os.environ["APPLICATIONINSIGHTS_CONNECTION_STRING"]
)
span_processor = BatchSpanProcessor(exporter)
trace.get_tracer_provider().add_span_processor(span_processor)

for i in range(100):
    # Approximately 25% of these spans should be sampled out
    with tracer.start_as_current_span("hello"):
        print("Hello, World!")

سلوك المسح/إيقاف التشغيل

بالنسبة لجميع التطبيقات التي تم إعدادها باستخدام OpenTelemetry SDK ومصدري Azure Monitor، يتم مسح بيانات تتبع الاستخدام تلقائيا عند الخروج من التطبيق. لاحظ أن هذا لا يتضمن عندما ينتهي التطبيق فجأة أو يتعطل بسبب استثناء غير محدد.

استكشاف الأخطاء وإصلاحها

يقوم المصدر برفع الاستثناءات المحددة في Azure Core.

الخطوات التالية

المزيد من نماذج التعليمات البرمجية

يرجى العثور على مزيد من الأمثلة في دليل العينات التي توضح السيناريوهات الشائعة.

وثائق إضافية

للحصول على وثائق أكثر شمولا حول خدمة Azure Monitor، راجع وثائق Azure Monitor على docs.microsoft.com.

للحصول على نظرة عامة مفصلة على OpenTelemetry، تفضل بزيارة صفحة النظرة العامة الخاصة بهم.

للحصول على وثائق OpenTelemetry Python الرسمية وكيفية تمكين سيناريوهات بيانات تتبع الاستخدام الأخرى، تفضل بزيارة موقع OpenTelemetry الرسمي على الويب.

لمزيد من المعلومات حول Azure Monitor OpenTelemetry Distro، وهو عبارة عن مجموعة من المكونات المفيدة والمجمعة مسبقا (أحدها هذه الحزمة الحالية) التي تمكن سيناريوهات بيانات تتبع الاستخدام باستخدام Azure Monitor، تفضل بزيارة README.

المساهمة

هذا المشروع يرحب بالمساهمات والاقتراحات. معظم المساهمات تتطلب منك الموافقة على اتفاقية ترخيص المساهم (CLA) التي تعلن أن لديك الحق في منحنا حق استخدام مساهمتك. لمزيد من التفاصيل، قم بزيارة https://cla.microsoft.com.

عند إرسال طلب سحب، سيحدد روبوت CLA-bot تلقائيًا ما إذا كنت بحاجة إلى تقديم CLA وتزيين العلاقات العامة بشكل مناسب (على سبيل المثال، التسمية أو التعليق). ما عليك سوى اتباع التعليمات التي يقدمها الروبوت. ستحتاج فقط إلى القيام بذلك مرة واحدة عبر جميع عمليات إعادة الشراء باستخدام CLA الخاص بنا.

اعتمد هذا المشروع مدونة السلوك من المصادر المفتوحة من Microsoft. لمزيد من المعلومات، راجع الأسئلة المتداولة حول قواعد السلوك أو الاتصال opencode@microsoft.com بأي أسئلة أو تعليقات إضافية.