Mengumpulkan dan memeriksa jejak di Microsoft Foundry Toolkit

Gunakan Microsoft Foundry Toolkit untuk Visual Studio Code untuk mengumpulkan jejak lokal atau melihat telemetri untuk agen yang disebarkan ke Microsoft Foundry. Jejak mengelompokkan operasi yang direkam untuk sebuah permintaan. Setiap operasi adalah span dengan timing, status, dan atribut atau peristiwa apa pun yang disediakan oleh instrumentasi.

Artikel ini membahas koleksi lokal terlebih dahulu, lalu penelusuran cloud untuk agen yang disebarkan. Pilih sumber data yang cocok dengan investigasi Anda:

Approach	Gunakan untuk itu	Data dan tanggung jawab
Pemeriksa Agen	Kirim permintaan lokal, periksa respons langsung dan peristiwa alat, atau jeda kode pada titik henti.	Server menyediakan event protokol dan diagnostik pengembangan. Pendekatan ini tidak memerlukan collector OTLP maupun pembuatan riwayat trace cloud.
Pelacakan lokal	Bandingkan model, alat, dan rentang agen yang direkam selama pengembangan.	Aplikasi Anda mengekspor telemetri ke kolektor lokal Toolkit. Anda mengonfigurasi instrumentasi dan mengelola data lokal yang disimpan.
Pelacakan hosted agent	Selidiki permintaan yang ditangani oleh agen yang di-deploy ke Foundry.	Jejak berada di sumber daya Application Insights yang terhubung dari proyek. Akses, retensi, dan biaya mengikuti konfigurasi sumber daya Azure.

agen terhosting menjalankan kode kustom Anda di Foundry Agent Service. Foundry mengelola hosting, tetapi Anda tetap bertanggung jawab atas kode dan dependensi. Pelacakan tidak menggantikan pembuatan dan penyebaran agen.

Prerequisites

Visual Studio Code dengan ekstensi Foundry Toolkit versi publik saat ini. Lihat Install Foundry Toolkit.
Aplikasi yang dapat Anda jalankan secara lokal, dengan model dan koneksi ke alat yang dikonfigurasi.
Untuk contoh pertama, aplikasi Python Microsoft Agent Framework dan lingkungan Python yang dipilih. Untuk SDK lain, gunakan penyiapan Python atau JavaScript dan TypeScript.
Untuk pelacakan cloud, diperlukan agen yang disebarkan dan sumber daya Application Insights yang terhubung ke proyek Foundry-nya, atau izin untuk menyambungkan atau membuatnya.
Untuk kueri cloud, Log Analytics Reader role diperlukan pada sumber daya Application Insights yang terhubung. Untuk tabel yang dilindungi, tetapkan juga peran Privileged Monitoring Data Reader. Lihat prasyarat pelacakan Foundry.

Pengumpulan data lokal tidak memerlukan izin akses ke Application Insights atau telemetri cloud. Panggilan model dan eksekusi alat masih dapat menggunakan layanan jarak jauh dan dikenakan biaya.

Kumpulkan jejak lokal

Kolektor lokal menerima telemetri melalui OpenTelemetry Protocol (OTLP). Ini tidak menginstrumentasi aplikasi secara otomatis. Kerangka kerja atau pustaka instrumentasi Anda harus membuat span dan mengekspornya ke collector.

SDK dan penyiapan bahasa pemrograman

SDK dengan instrumentasi bawaan tetap memerlukan exporter. SDK lain menggunakan paket instrumentasi terpisah.

SDK atau kerangka kerja	Python	JavaScript dan TypeScript (Node.js)
Kerangka Kerja Agen Microsoft	Instrumentasi OpenTelemetry bawaan.	Tidak ada panduan penyiapan Toolkit khusus.
SDK Inferensi AI Azure (pratinjau)	Azure SDK instrumentor.	instrumentasi Azure SDK.
Foundry Projects SDK	Instrumentasi sisi klien (pratinjau).	Instrumentasikan klien SDK OpenAI atau Azure yang mendasarinya.
Foundry classic Agents SDK	Azure SDK instrumentor.	Tidak ada panduan penyiapan Toolkit khusus.
Anthropic	Instrumentor OpenLLMetry.	Instrumentasi Traceloop.
Google GenAI (Gemini)	Instrumentor OpenTelemetry Google GenAI.	Tidak ada panduan penyiapan Toolkit khusus.
LangChain	OpenLLMetry instrumentor.	Instrumentasi Traceloop.
OpenAI SDK, termasuk klien Azure OpenAI	Instrumentor OpenLLMetry.	Instrumentasi Traceloop.
OpenAI Agents SDK	Prosesor pelacakan OpenLLMetry.	Tidak ada panduan penyiapan Toolkit khusus.

"Tidak ada panduan penyiapan Toolkit khusus" berarti tidak ada jalur penyiapan khusus SDK di sini untuk bahasa tersebut, bukan berarti kolektor menolak telemetrinya. Pengumpul menerima data OTLP. Instrumentor menentukan operasi dan detail pesan mana yang diambil.

Contoh-contoh ini menggunakan opsi instrumentasi yang dipilih, bukan daftar lengkap pustaka yang kompatibel. Instrumentasi OpenLLMetry dan Traceloop adalah pustaka non-Microsoft.

Siapkan instrumentasi

Gunakan prosedur ini dengan aplikasi Python Agent Framework yang ada. Jaga agen dan kolektor di lingkungan lokal yang sama untuk panduan langkah demi langkah ini.

Pilih Foundry Toolkit di Bilah Aktivitas, lalu Alat Pengembang>Monitor>Pelacakan.
Pilih Mulai Kolektor sebelum menjalankan aplikasi Anda.
Di lingkungan Python aplikasi, instal pengekspor gRPC jika belum dideklarasikan dalam dependensi Anda:
```
python -m pip install opentelemetry-exporter-otlp-proto-grpc
```
Referensi: OpenTelemetry Python eksportir OTLP.
Konfigurasikan OpenTelemetry sekali pada startup aplikasi, sebelum membuat atau menjalankan agen:
```
import os

os.environ["OTEL_EXPORTER_OTLP_ENDPOINT"] = "http://localhost:4317"
os.environ["OTEL_EXPORTER_OTLP_PROTOCOL"] = "grpc"

from agent_framework.observability import configure_otel_providers

configure_otel_providers(enable_sensitive_data=False)
```
Referensi: Observabilitas Kerangka Kerja Agen.

Jika aplikasi atau pustaka hosting Anda sudah mengonfigurasi penyedia OpenTelemetry, konfigurasikan pengekspor yang ada alih-alih menambahkan penyiapan penyedia lain. Variabel khusus OTEL_EXPORTER_OTLP_*_ENDPOINT sinyal dapat menimpa titik akhir dasar. Periksa pengaturan jejak, log, atau metrik yang ada yang menunjuk ke tempat lain.
Jalankan aplikasi dengan titik masuk normalnya dan kirim permintaan yang memicu agen. Biarkan permintaan selesai dan berikan waktu kepada pengekspor untuk mengirim telemetri sebelum menghentikan proses.
Di Tracing, pilih Refresh, lalu pilih jejak baru untuk memeriksa span-nya.

Agent Framework menginstrumentasi klien model, agen, dan operasi alur kerja yang didukung. Kerangka kerja lain dapat memerlukan pustaka instrumentasi. Kompatibilitas OTLP memungkinkan pengumpul menerima data, sementara atribut yang dipancarkan dan konvensi semantik AI generatif menentukan apa yang ditampilkan penampil.

Untuk SDK atau bahasa lain, gunakan penyiapan di bawah ini alih-alih konfigurasi Agent Framework. Mulai kolektor terlebih dahulu, konfigurasikan instrumentasi sebelum membuat klien, lalu jalankan aplikasi Anda dan refresh daftar jejak.

endpoint kolektor

Cocokkan protokol exporter dengan endpoint kolektor. Toolkit mendengarkan localhost dengan default ini:

Pengekspor	Endpoint
OTLP gRPC	`http://localhost:4317`
Pengekspor jejak HTTP OTLP	`http://localhost:4318/v1/traces`
Pengekspor log HTTP OTLP	`http://localhost:4318/v1/logs`

Beberapa eksportir HTTP menerima http://localhost:4318 dan menambahkan jalur sinyal itu sendiri. Ikuti konfigurasi pengekspor Anda daripada menambahkan path dua kali. Beberapa pustaka instrumentasi mengirim konten pesan sebagai rekaman log, sehingga mengekspor span saja mungkin tidak memberikan detail input dan output.

Port-port ini tidak terkait dengan server HTTP agen dan port debugger. Dalam kontainer atau lingkungan pengembangan jarak jauh, localhost mengacu pada lingkungan tersebut. Buat koneksi yang sesuai ke kolektor daripada mengasumsikannya merujuk ke desktop Anda.

Menyiapkan SDK Python

Contoh berikut mengasumsikan aplikasi Anda sudah memiliki model SDK, kredensial, dan konfigurasi modelnya. Instal dependensi bersama dan paket tambahan untuk SDK Anda dari tabel berikut:

python -m pip install opentelemetry-sdk opentelemetry-exporter-otlp-proto-http

Referensi: OpenTelemetry Python SDK, eksportir OTLP.

Tambahkan setup bersama ini sekali saat aplikasi dimulai, diikuti oleh instrumentasi sesuai salah satu baris pada tabel. Jangan gabungkan ini dengan penyiapan penyedia pustaka lain.

import os

os.environ["TRACELOOP_TRACE_CONTENT"] = "false"
os.environ["OTEL_INSTRUMENTATION_GENAI_CAPTURE_MESSAGE_CONTENT"] = "false"
os.environ["AZURE_TRACING_GEN_AI_CONTENT_RECORDING_ENABLED"] = "false"

from opentelemetry import trace
from opentelemetry.sdk.resources import Resource
from opentelemetry.sdk.trace import TracerProvider
from opentelemetry.sdk.trace.export import BatchSpanProcessor
from opentelemetry.exporter.otlp.proto.http.trace_exporter import (
    OTLPSpanExporter,
)

provider = TracerProvider(
    resource=Resource.create({"service.name": "my-agent"})
)
provider.add_span_processor(BatchSpanProcessor(
    OTLPSpanExporter(endpoint="http://localhost:4318/v1/traces")
))
trace.set_tracer_provider(provider)

Referensi: TracerProvider dan prosesor span, OTLPSpanExporter.

Instal paket di slot yang Anda pilih dengan python -m pip install <package>. Contoh OpenAI, Anthropic, LangChain, dan OpenAI Agents terpisah menggunakan instrumentasi OpenLLMetry non-Microsoft. Versi SDK dan API model dapat menghasilkan detail yang berbeda.

SDK	Paket tambahan	Instrumentasi setelah setup bersama
OpenAI, termasuk klien OpenAI Azure	`opentelemetry-instrumentation-openai`	`from opentelemetry.instrumentation.openai import OpenAIInstrumentor` `OpenAIInstrumentor().instrument()`
Anthropic	`opentelemetry-instrumentation-anthropic`	`from opentelemetry.instrumentation.anthropic import AnthropicInstrumentor` `AnthropicInstrumentor().instrument()`
LangChain	`opentelemetry-instrumentation-langchain`	`from opentelemetry.instrumentation.langchain import LangchainInstrumentor` `LangchainInstrumentor().instrument()`
Google GenAI	`opentelemetry-instrumentation-google-genai`	`os.environ["OTEL_INSTRUMENTATION_GENAI_CAPTURE_MESSAGE_CONTENT"] = "NO_CONTENT"` `from opentelemetry.instrumentation.google_genai import GoogleGenAiSdkInstrumentor` `GoogleGenAiSdkInstrumentor().instrument()`
Foundry Projects client-side tracing (pratinjau)	`azure-core-tracing-opentelemetry`, bersama `azure-ai-projects`	`os.environ["AZURE_EXPERIMENTAL_ENABLE_GENAI_TRACING"] = "true"` `from azure.ai.projects.telemetry import AIProjectInstrumentor` `AIProjectInstrumentor().instrument(enable_content_recording=False)`
Foundry classic Agents SDK	`azure-core-tracing-opentelemetry`, bersama `azure-ai-agents`	`os.environ["AZURE_SDK_TRACING_IMPLEMENTATION"] = "opentelemetry"` `from azure.ai.agents.telemetry import AIAgentsInstrumentor` `AIAgentsInstrumentor().instrument()`
SDK Inferensi AI Azure (pratinjau)	`azure-core-tracing-opentelemetry`, bersama `azure-ai-inference`	`os.environ["AZURE_SDK_TRACING_IMPLEMENTATION"] = "opentelemetry"` `from azure.ai.inference.tracing import AIInferenceInstrumentor` `AIInferenceInstrumentor().instrument()`

Untuk Foundry Projects, ikuti panduan pelacakan sisi klien dan buat klien OpenAI-nya setelah instrumentasi. Panduan ini berbeda dari SDK Agen klasik. Jangan menginstrumentasi panggilan OpenAI yang sama dengan baik AIProjectInstrumentor maupun instrumentor OpenAI terpisah.

Untuk OpenAI Agents SDK, instal opentelemetry-instrumentation-openai-agents dan tambahkan kode ini setelah penyiapan bersama:

from agents import set_trace_processors
from opentelemetry.instrumentation.openai_agents import OpenAIAgentsInstrumentor

set_trace_processors([])
OpenAIAgentsInstrumentor().instrument()

Referensi: Instrumentasi Agen OpenAI, pelacakan Agen OpenAI.

Contoh ini menggantikan prosesor pelacakan yang ada sebelum menambahkan prosesor OpenTelemetry. Tanpa penggantian itu, SDK juga dapat mengekspor jejak ke backend defaultnya. Jika Anda memerlukan pemroses yang sudah ada, tinjau tujuan pelacakan sebelum mengubahnya. Biarkan pelacakan SDK diaktifkan sehingga prosesor OpenTelemetry menerima peristiwa.

Setelah aplikasi berumur pendek menyelesaikan permintaannya, panggil provider.force_flush() sebelum keluar untuk mengirim span yang dibuffer. Untuk bantuan mengadaptasi cuplikan ini, gunakan alat Tracing Code Gen milik Toolkit.

Mengekspor rekaman log pesan

Beberapa instrumentors memancarkan konten pesan sebagai rekaman log OpenTelemetry daripada atribut span. Jika Anda memilih untuk merekam konten tersebut dalam uji pengembangan terkontrol, tambahkan penyiapan ini sekali bersama penyedia pelacakan Python sebelumnya:

from opentelemetry import _logs
from opentelemetry.sdk._logs import LoggerProvider
from opentelemetry.sdk._logs.export import BatchLogRecordProcessor
from opentelemetry.exporter.otlp.proto.http._log_exporter import OTLPLogExporter

logger_provider = LoggerProvider(resource=provider.resource)
logger_provider.add_log_record_processor(BatchLogRecordProcessor(
    OTLPLogExporter(endpoint="http://localhost:4318/v1/logs")
))
_logs.set_logger_provider(logger_provider)

Referensi: OpenTelemetry Python logging SDK, OTLPLogExporter.

Panggil logger_provider.force_flush() sebelum keluar dari aplikasi berumur pendek. Pengekspor log tidak mengaktifkan pengambilan konten dengan sendirinya. Ikuti pengaturan konten instrumentor Anda dan panduan penanganan data.

Penyiapan JavaScript dan TypeScript SDK

Untuk aplikasi Node.js, bagikan satu penyedia pelacakan dan daftarkan instrumentasi untuk SDK Anda. Contoh ini menggunakan CommonJS dan konfigurasi penyedia OpenTelemetry JavaScript 2.x. Aplikasi TypeScript yang dikompilasi ke CommonJS dapat menggunakan urutan inisialisasi yang sama.

Aplikasi Anda harus sudah memiliki model SDK, kredensial, dan konfigurasi modelnya. Instal dependensi bersama dan instrumentor OpenAI:

npm install @opentelemetry/api @opentelemetry/sdk-trace-node \
  @opentelemetry/sdk-trace-base @opentelemetry/exporter-trace-otlp-proto \
  @opentelemetry/instrumentation @traceloop/instrumentation-openai

Referensi: OpenTelemetry JavaScript exporter, instrumentasi OpenAI.

Buat tracing.cjs:

const { NodeTracerProvider } = require('@opentelemetry/sdk-trace-node');
const { BatchSpanProcessor } = require('@opentelemetry/sdk-trace-base');
const {
  OTLPTraceExporter
} = require('@opentelemetry/exporter-trace-otlp-proto');
const { registerInstrumentations } = require('@opentelemetry/instrumentation');
const { OpenAIInstrumentation } = require('@traceloop/instrumentation-openai');

const provider = new NodeTracerProvider({
  spanProcessors: [
    new BatchSpanProcessor(new OTLPTraceExporter({
      url: 'http://localhost:4318/v1/traces'
    }))
  ]
});
provider.register();

registerInstrumentations({
  instrumentations: [new OpenAIInstrumentation({ traceContent: false })]
});

module.exports = provider;

Referensi: NodeTracerProvider, instrumentasi OpenAI.

Muat file ini sebelum mengimpor atau me-require SDK model Anda. Misalnya, jalankan node --require ./tracing.cjs app.cjs untuk aplikasi CommonJS. Untuk SDK lain, ganti paket OpenAI, impor, dan entri pendaftaran dengan baris yang cocok:

SDK	Paket instrumentasi	Entri impor dan pendaftaran
OpenAI, termasuk klien OpenAI Azure	`@traceloop/instrumentation-openai`	`const { OpenAIInstrumentation } = require('@traceloop/instrumentation-openai');` `new OpenAIInstrumentation({ traceContent: false })`
Anthropic	`@traceloop/instrumentation-anthropic`	`const { AnthropicInstrumentation } = require('@traceloop/instrumentation-anthropic');` `new AnthropicInstrumentation({ traceContent: false })`
LangChain	`@traceloop/instrumentation-langchain`	`const { LangChainInstrumentation } = require('@traceloop/instrumentation-langchain');` `new LangChainInstrumentation({ traceContent: false })`
operasi Azure SDK, termasuk Inferensi AI Azure	`@azure/opentelemetry-instrumentation-azure-sdk`	`const { createAzureSdkInstrumentation } = require('@azure/opentelemetry-instrumentation-azure-sdk');` `createAzureSdkInstrumentation()`

Paket Traceloop adalah instrumentasi non-Microsoft. Untuk aplikasi Foundry Projects, instrumentasikan klien yang membuat permintaan model. instrumentasi Azure SDK tidak menggantikan instrumentasi OpenAI untuk panggilan yang dilakukan melalui klien OpenAI.

Untuk modul ECMAScript asli, ikuti penyiapan ESM OpenTelemetry. Memuat instrumentasi setelah SDK target dapat membuat panggilan tidak terinstrumentasi. Saat dimatikan, await provider.shutdown() setelah permintaan selesai untuk mengekspor span yang di-buffer.

Important

Contoh-contoh ini menonaktifkan pengambilan konten pesan untuk instrumentor GenAI yang tercantum. Ini bukan jaminan penyamaran data umum. Tinjau eksportir lain, logging SDK, atribut span, dan instrumentasi kustom sebelum berbagi data. Periksa dokumentasi instrumentor tertaut untuk paket dan API yang didukung.

Memeriksa dan mengelola jejak lokal

Gunakan span tree untuk mengikuti permintaan dari orkestrasi agen ke operasi model dan alat.

Pilih span yang lambat atau gagal.
Periksa durasi dan statusnya.
Buka Input + Output untuk pesan yang direkam, saat disediakan oleh instrumentasi, atau Metadata untuk atribut span.

Contohnya tetap menonaktifkan penangkapan konten sensitif. Data waktu tanpa pesan dapat menjadi hasil yang diharapkan.

Untuk pengujian pengembangan Agent Framework terkontrol, atur enable_sensitive_data=True dalam konfigurasi yang ada untuk merekam prompt yang didukung, respons, dan konten alat. Pulihkan setelan ini ke False saat pengujian selesai. Instrumentor lain memiliki pengaturan kontennya sendiri.

Perhatian

Perekaman konten dapat merekam data pribadi, rahasia, argumen alat, dan hasil. Gunakan data pengujian yang tidak sensitif dan minimalkan atau sunting konten sebelum konten tersebut masuk ke telemetri. Jangan aktifkan perekaman konten produksi semata-mata untuk mengisi tampilan input dan output kosong.

Jejak yang dikumpulkan bertahan dalam database SQLite lokal bernama traces.db, di subdirektori tracing dari .aitk di bawah folder beranda pengguna Anda. Menutup penampil tidak menghapusnya.

Pilih Stop Collector untuk menghentikan koleksi lokal. Agen Anda dan panggilan modelnya terus berjalan. Untuk menghapus rekaman lokal, pilih rekam jejak dalam daftar dan pilih Hapus.

Penyimpanan lokal terpisah dari Application Insights. Menghapus jejak lokal tidak menghapus telemetri cloud, dan menghapus percakapan di Inspektur juga tidak menghapus kedua penyimpanan tersebut.

Lihat jejak hosted-agent

Setelah penyebaran, gunakan jejak cloud untuk menyelidiki agen yang berjalan di Foundry daripada proses lokal Anda. Toolkit mengkueri sumber daya Application Insights yang terhubung dari proyek. Basis data trace lokal Anda tidak diunggah.

Konfirmasikan prasyarat cloud sebelum memulai. Akses ke agen saja tidak memberikan izin untuk melakukan kueri terhadap telemetri.

Hubungkan Application Insights dan periksa permintaan

Gunakan tab Jejak agen untuk menyambungkan Application Insights dan menemukan permintaan deployed-agent.

Di bilah samping Foundry Toolkit, buka Sumber Daya Saya>. Pilih tab Agen yang Dihosting, lalu pilih nama agen.
Pilih Trace. Jika proyek tidak memiliki sumber daya yang terhubung, pilih Aktifkan App Insights.
Di Pengaturan App Insights, pilih Nama Sumber Daya Application Insights yang sudah ada. Atau, pilih untuk membuat resource dan menyelesaikan bidang resource dan ruang kerja yang diperlukan. Pilih Kirim dan tunggu konfirmasi.

Ini mengubah koneksi Application Insights bersama milik proyek, bukan preferensi ruang kerja lokal. Pembuatan sumber daya dan pengumpulan telemetri dapat dikenakan biaya Azure. Konfirmasikan proyek dan sumber daya yang dimaksudkan sebelum mengirimkan.
Kembali ke Playground dan kirim permintaan pengujian ke agen yang di-deploy.
Izinkan waktu untuk penyerapan, lalu buka Traces lagi. Gunakan rentang waktu, Cari menurut ID percakapan, Status, atau filter Durasi untuk menemukan permintaan.
Pilih trace, lalu span, untuk meninjau Metadata dan Input + Output, saat konten tersedia.

Untuk memeriksa operasi yang terkait dengan percakapan, pilih ID Percakapannya di daftar jejak. Tampilan percakapan memperlihatkan pohon operasi dan metadata.

Menghubungkan ke Application Insights memungkinkan pelacakan sisi server Foundry. Visibilitas ke dalam panggilan model, panggilan alat, dan kode kustom Anda juga bergantung pada pustaka hosting dan instrumentasi kerangka kerja. Lihat Menyiapkan pelacakan di Foundry untuk pengumpulan sisi layanan dan instrumentasi klien tambahan.

Kueri detail jejak Toolkit saat ini mencakup tujuh hari terakhir. Ini adalah jendela kueri, bukan pengaturan retensi. Untuk data yang lebih lama, gunakan portal Foundry atau Azure Monitor, tunduk pada konfigurasi retensi ruang kerja yang terhubung.

Data, akses, retensi, dan biaya

Tentukan ke mana telemetri harus pergi sebelum mengaktifkan pengambilan konten atau menghubungkan sumber daya cloud. Permintaan yang sama dapat menghasilkan span lokal, telemetri cloud, dan data yang dikirim ke penyedia model atau alat.

Sumber data	Responsibilities
Jejak lokal	Lindungi akses ke database lokal dan data yang disalin. Menghentikan pengumpul tidak menghentikan eksportir lain yang dikonfigurasi di aplikasi Anda.
Jejak awan	Application Insights dan Log Analytics mengontrol akses, retensi, dan biaya telemetri. Filter toolkit tidak mengubah kebijakan tersebut.
Panggilan model dan alat	Koleksi lokal tidak mencegah permintaan meninggalkan komputer Anda. Tinjau setiap penanganan data layanan yang terhubung, termasuk alat yang tidak Microsoft.

Gunakan panduan pelacakan Foundry untuk keamanan dan privasi serta retensi dan biaya data. Untuk identitas produksi, isolasi jaringan, dan akses hilir, ikuti penanganan data dan keamanan agen yang dihosting. Jangan perlakukan kredensial lokal sebagai izin agen yang disebarkan.

Troubleshooting

Issue	Apa yang harus diperiksa
Pelacakan tidak tersedia di bar samping.	Konfirmasikan ekstensi saat ini diinstal dan diaktifkan di lingkungan tempat Anda menjalankannya. Pelacakan lokal memerlukan komponen SQLite natifnya untuk dimuat.
Kolektor tidak dapat dimulai.	Periksa proses lain menggunakan port 4317 atau 4318 dan tinjau output Toolkit. Hindari kolektor yang bersaing pada port yang sama.
Permintaan lokal berhasil tetapi tidak ada jejak yang muncul.	Konfirmasi instrumentasi berjalan sebelum permintaan, pengumpul berjalan, dan pengekspor menggunakan protokol dan titik akhir yang benar. Periksa override endpoint, kesalahan pengekspor, dan telemetri yang di-buffer, lalu pilih Refresh.
Span muncul tanpa pesan.	Periksa pengaturan perekaman konten dan atribut yang didukung. Beberapa pustaka juga memerlukan pengekspor log. Konten yang hilang tidak selalu berarti pengumpulan gagal.
Jejak cloud kosong.	Pastikan proyek dan koneksi Application Insights, hasilkan lalu lintas baru, perluas rentang waktu, dan perhitungkan penundaan ingest.
kueri cloud gagal karena kesalahan otorisasi.	Periksa akses baca ke Application Insights dan Log Analytics, termasuk tabel yang dilindungi, menggunakan prasyarat layanan.
Trace lama tidak memiliki detail di Toolkit.	Kueri detail mencakup tujuh hari. Kuerikan catatan lama yang disimpan di Foundry atau Azure Monitor.

Saran dan Komentar

Apakah halaman ini membantu?

Terakhir diperbarui pada 2026-10-08