Bagikan melalui


Pengekspor Microsoft OpenTelemetry untuk Azure Monitor

Pengekspor untuk Azure Monitor memungkinkan Anda mengekspor data menggunakan SDK OpenTelemetry dan mengirim data telemetri ke Azure Monitor untuk aplikasi yang ditulis dalam Python.

Kode sumber | Paket (PyPi) | Dokumentasi | referensi APIDokumentasi | produkSampel | Changelog

Memulai

Menginstal paket

Instal pengekspor Microsoft OpenTelemetry untuk Azure Monitor dengan pip:

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

Prasyarat

Untuk menggunakan paket ini, Anda harus memiliki:

Membuat instans klien

Interaksi dengan pengekspor monitor Azure dimulai dengan instans AzureMonitorTraceExporter kelas untuk pelacakan terdistribusi, AzureMonitorLogExporter untuk pengelogan dan AzureMonitorMetricExporter untuk metrik. Anda akan memerlukan connection_string untuk membuat instans objek. Temukan sampel yang ditautkan di bawah ini untuk demonstrasi tentang cara membuat pengekspor menggunakan string koneksi.

Pengelogan (eksperimental)

CATATAN: Sinyal pengelogan AzureMonitorLogExporter untuk saat ini dalam status EKSPERIMENTAL. Kemungkinan perubahan yang melanggar dapat terjadi di masa mendatang.

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

Metrik

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

Menelusuri

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

Anda juga dapat membuat instans pengekspor langsung melalui konstruktor. Dalam hal ini, string koneksi akan secara otomatis diisi dari APPLICATIONINSIGHTS_CONNECTION_STRING variabel lingkungan.

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()

Konsep utama

Beberapa konsep utama untuk pengekspor monitor Azure meliputi:

  • OpenTelemetry: OpenTelemetry adalah sekumpulan pustaka yang digunakan untuk mengumpulkan dan mengekspor data telemetri (metrik, log, dan jejak) untuk analisis guna memahami performa dan perilaku perangkat lunak Anda.

  • Instrumentasi: Kemampuan untuk memanggil API OpenTelemetry secara langsung oleh aplikasi apa pun difasilitasi oleh instrumentasi. Pustaka yang memungkinkan pengamatan OpenTelemetry untuk pustaka lain disebut Pustaka instrumentasi.

  • Log: Log mengacu pada penangkapan pengelogan, pengecualian, dan peristiwa.

  • LogRecord: Mewakili catatan log yang dipancarkan dari pustaka pengelogan yang didukung.

  • Pencatat: Mengonversi menjadi LogRecord yang dapat LogDatadibaca, dan akan didorong melalui SDK untuk diekspor.

  • Penyedia Pencatat: Menyediakan Logger untuk pustaka instrumentasi yang diberikan.

  • LogRecordProcessor: Antarmuka untuk menghubungkan tindakan memancarkan rekaman log.

  • LoggingHandler: Kelas handler yang menulis rekaman pengelogan dalam format OpenTelemetry dari pustaka Python logging standar.

  • AzureMonitorLogExporter: Ini adalah kelas yang diinisialisasi untuk mengirim telemetri terkait pengelogan ke Azure Monitor.

  • Metrik: Metric mengacu pada perekaman pengukuran mentah dengan agregasi dan set atribut yang telah ditentukan sebelumnya untuk jangka waktu tertentu.

  • Pengukuran: Mewakili titik data yang direkam pada titik waktu tertentu.

  • Instrumen: Instrumen digunakan untuk melaporkan Measurement.

  • Meter: Meter bertanggung jawab untuk membuat Instruments.

  • Penyedia Meter: Menyediakan untuk pustaka instrumentasi yang Meter diberikan.

  • Pembaca Metrik: Objek implementasi SDK yang menyediakan aspek umum yang dapat dikonfigurasi dari OpenTelemetry Metrics SDK seperti pengumpulan, pembersihan, dan pematian.

  • AzureMonitorMetricExporter: Ini adalah kelas yang diinisialisasi untuk mengirim telemetri terkait metrik ke Azure Monitor.

  • Jejak: Jejak mengacu pada pelacakan terdistribusi. Jejak terdistribusi adalah serangkaian peristiwa, yang dipicu sebagai akibat dari satu operasi logis, dikonsolidasikan di berbagai komponen aplikasi. Secara khusus, Jejak dapat dianggap sebagai grafik acyclic terarah (DAG) rentang, di mana tepi antara Rentang didefinisikan sebagai hubungan induk/anak.

  • Rentang: Mewakili satu operasi dalam Trace. Dapat ditumpuk untuk membentuk pohon pelacakan. Setiap jejak berisi rentang akar, yang biasanya menjelaskan seluruh operasi dan, secara opsional, satu atau lebih sub-rentang untuk sub-operasinya.

  • Pelacak: Bertanggung jawab untuk membuat Span.

  • Penyedia Pelacak: Menyediakan Tracer untuk digunakan oleh pustaka instrumentasi yang diberikan.

  • Prosesor Rentang: Prosesor rentang memungkinkan kait untuk pemanggilan metode awal dan akhir SDK Span . Ikuti tautan untuk informasi selengkapnya.

  • AzureMonitorTraceExporter: Ini adalah kelas yang diinisialisasi untuk mengirim telemetri terkait pelacakan ke Azure Monitor.

  • Pengambilan sampel: Pengambilan sampel adalah mekanisme untuk mengontrol kebisingan dan overhead yang diperkenalkan oleh OpenTelemetry dengan mengurangi jumlah sampel jejak yang dikumpulkan dan dikirim ke backend.

  • ApplicationInsightsSampler: Sampler khusus Application Insights yang digunakan untuk pengambilan sampel yang konsisten di seluruh SDK Application Insights dan SDK berbasis OpenTelemetry yang mengirim data ke Application Insights. Sampler ini HARUS digunakan setiap kali AzureMonitorTraceExporter digunakan.

Untuk informasi selengkapnya tentang sumber daya ini, lihat Apa itu Azure Monitor?.

Konfigurasi

Semua opsi konfigurasi dapat diteruskan melalui konstruktor eksportir melalui kwargs. Di bawah ini adalah daftar opsi yang dapat dikonfigurasi.

  • connection_string: string koneksi yang digunakan untuk sumber daya Application Insights Anda.
  • disable_offline_storage: Nilai Boolean untuk menentukan apakah akan menonaktifkan penyimpanan rekaman telemetri yang gagal untuk diulang. Default ke False.
  • storage_directory: Direktori penyimpanan untuk menyimpan file coba lagi. Default ke <tempfile.gettempdir()>/Microsoft/AzureMonitor/opentelemetry-python-<your-instrumentation-key>.
  • credential: Kredensial token, seperti ManagedIdentityCredential atau ClientSecretCredential, digunakan untuk autentikasi Azure Active Directory (AAD). Default ke Tidak Ada. Lihat sampel untuk contoh.

Contoh

Pengelogan (eksperimental)

CATATAN: Sinyal pengelogan AzureMonitorLogExporter untuk saat ini dalam status EKSPERIMENTAL. Kemungkinan perubahan yang melanggar dapat terjadi di masa mendatang.

Bagian berikut ini menyediakan beberapa cuplikan kode yang mencakup beberapa tugas yang paling umum, termasuk:

Tinjau SDK Pengelogan OpenTelemetry untuk mempelajari cara menggunakan komponen OpenTelemetry untuk mengumpulkan log.

Ekspor Log Halo Dunia

"""
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()

Ekspor Log Berkorelasi

"""
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")

Ekspor Log Properti Kustom

"""
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"})

Ekspor Log Pengecualian

"""
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)

Metrik

Bagian berikut ini menyediakan beberapa cuplikan kode yang mencakup beberapa tugas yang paling umum, termasuk:

Tinjau SDK Metrik OpenTelemetry untuk mempelajari cara menggunakan komponen OpenTelemetry untuk mengumpulkan metrik.

Penggunaan instrumen metrik

"""
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()

Tampilan kustom metrik

"""
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)

Contoh lainnya dengan SDK metrik Views dapat ditemukan di sini.

Atribut rekaman metrik

"""
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)

Menelusuri

Bagian berikut ini menyediakan beberapa cuplikan kode yang mencakup beberapa tugas yang paling umum, termasuk:

Tinjau OpenTelemetry Tracing SDK untuk mempelajari cara menggunakan komponen OpenTelemetry untuk mengumpulkan log.

Ekspor Jejak Halo Dunia

"""
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()

Instrumentasi dengan pustaka permintaan

OpenTelemetry juga mendukung beberapa instrumentasi yang memungkinkan instrumen dengan pustaka pihak ketiga.

Untuk daftar instrumentasi yang tersedia di OpenTelemetry, kunjungi dokumentasi contrib.

Contoh ini menunjukkan cara melengkapi dengan pustaka permintaan .

  • Instal paket instrumentasi permintaan menggunakan 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/")

Mengaktifkan pengambilan sampel

Anda dapat mengaktifkan pengambilan sampel untuk membatasi jumlah rekaman telemetri yang Anda terima. Untuk mengaktifkan pengambilan sampel yang benar di Application Insights, gunakan seperti yang ditunjukkan ApplicationInsightsSampler di bawah ini.

"""
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!")

Perilaku flush/shutdown

Untuk semua aplikasi yang disiapkan dengan OpenTelemetry SDK dan eksportir Azure Monitor, telemetri disiapkan secara otomatis saat aplikasi keluar. Perhatikan bahwa ini tidak termasuk ketika aplikasi berakhir tiba-tiba atau crash karena pengecualian yang tidak tertangkap.

Pemecahan Masalah

Pengekspor memunculkan pengecualian yang ditentukan dalam Azure Core.

Langkah berikutnya

Lebih banyak kode sampel

Silakan temukan contoh lebih lanjut dalam direktori sampel yang menunjukkan skenario umum.

Dokumentasi tambahan

Untuk dokumentasi yang lebih luas tentang layanan Azure Monitor, lihat dokumentasi Azure Monitor tentang docs.microsoft.com.

Untuk gambaran umum terperinci tentang OpenTelemetry, kunjungi halaman gambaran umum mereka.

Untuk dokumentasi Resmi OpenTelemetry Python dan cara mengaktifkan skenario telemetri lainnya, kunjungi situs web resmi OpenTelemetry.

Untuk informasi selengkapnya tentang Distro OpenTelemetry Azure Monitor, yang merupakan bundel komponen yang berguna dan telah dirakit sebelumnya (salah satunya adalah paket saat ini) yang memungkinkan skenario telemetri dengan Azure Monitor, kunjungi README.

Berkontribusi

Proyek ini menyambut baik kontribusi dan saran. Sebagian besar kontribusi mengharuskan Anda menyetujui Perjanjian Lisensi Kontributor (CLA) yang menyatakan bahwa Anda memiliki hak untuk, dan benar-benar melakukannya, memberi kami hak untuk menggunakan kontribusi Anda. Untuk detailnya, kunjungi https://cla.microsoft.com.

Ketika Anda mengirimkan permintaan tarik, CLA-bot akan secara otomatis menentukan apakah Anda perlu memberikan CLA dan menghias PR dengan tepat (misalnya, label, komentar). Cukup ikuti instruksi yang diberikan oleh bot. Anda hanya perlu melakukan ini sekali di semua repos menggunakan CLA kami.

Proyek ini telah mengadopsi Kode Etik Sumber Terbuka Microsoft. Untuk informasi selengkapnya, lihat Tanya Jawab Umum Tata Tertib atau hubungi opencode@microsoft.com untuk pertanyaan atau komentar lainnya.