教學：使用 OpenTelemetry 分散式追蹤監控 Azure 函數

本文展示了 Azure Function 中的 OpenTelemetry 支援，透過整合的 Application Insights 與 OpenTelemetry 支援，實現跨多個函式呼叫的分散式追蹤。為了幫助你開始，Azure Developer CLI （azd）範本會用來建立你的程式碼專案以及執行應用程式的 Azure 部署。

在這個教學中，你會使用這個 azd 工具來：

從範本初始化一個支援 OpenTelemetry 的專案。
檢視啟用 OpenTelemetry 整合的程式碼。
在本機執行並驗證您已啟用 OpenTelemetry 的應用程式。
在 Azure 中建立函式應用程式及相關資源。
將你的程式碼專案部署到 Azure 的函式應用程式。
在 Application Insights 中驗證分散式追蹤。

此範本所建立的 Azure 必要資源遵循目前安全且可擴展的功能應用部署最佳實務。同一個 azd 指令也會將你的程式碼專案部署到你在 Azure 裡的新函式應用程式。

預設情況下，Flex Consumption 方案採用按 使用量付費 的計費模式，這表示完成此快速啟動會在你的 Azure 帳戶中產生幾美元或更少的費用。

這很重要

本文目前僅支援 C#、Python 與 TypeScript。若要完成快速入門，請在文章頂端選取其中一種支援的語言。

先決條件

具有有效訂閱的 Azure 帳戶。免費建立帳戶。
Azure 開發人員命令列介面

Python 3.11 或更新版本

Node.js 18.x 或更新版本

.NET 8.0 SDK

初始化專案

使用 azd init 指令從包含 OpenTelemetry 分散式追蹤的範本建立本地 Azure Functions 程式碼專案。

在您的本機終端機或命令提示字元中，於空白資料夾中執行此 azd init 命令：
```
azd init --template functions-quickstart-python-azd-otel -e flexquickstart-otel
```
此命令會從範本存放庫提取專案檔，並初始化目前資料夾中的專案。 -e 旗標會設定目前環境的名稱。在 azd 中，該環境會為您的應用程式維護一個唯一的部署內容，而您可以定義多個部署內容。環境名稱也會出現在你在 Azure 中建立的資源群組名稱中。

在您的本機終端機或命令提示字元中，於空白資料夾中執行此 azd init 命令：
```
azd init --template functions-quickstart-typescript-azd-otel -e flexquickstart-otel
```
此命令會從範本存放庫提取專案檔，並初始化目前資料夾中的專案。 -e 旗標會設定目前環境的名稱。在 azd 中，該環境會為您的應用程式維護一個唯一的部署內容，而您可以定義多個部署內容。環境名稱也會出現在你在 Azure 中建立的資源群組名稱中。

在您的本機終端機或命令提示字元中，於空白資料夾中執行此 azd init 命令：
```
azd init --template functions-quickstart-dotnet-azd-otel -e flexquickstart-otel
```
此命令會從範本存放庫提取專案檔，並初始化目前資料夾中的專案。 -e 旗標會設定目前環境的名稱。在 azd 中，該環境會為您的應用程式維護一個唯一的部署內容，而您可以定義多個部署內容。環境名稱也會出現在你在 Azure 中建立的資源群組名稱中。

檢閱程式碼

該範本建立一個完整的分散式追蹤場景，包含三個協同運作的功能。讓我們來回顧一下 OpenTelemetry 的關鍵面向：

OpenTelemetry 配置

src/otel-sample/host.json 檔案會為 Functions 主機啟用 OpenTelemetry:

{
  "version": "2.0",
  "telemetryMode": "OpenTelemetry",
  "extensions": {
    "serviceBus": {
        "maxConcurrentCalls": 10
    }
  },
  "extensionBundle": {
    "id": "Microsoft.Azure.Functions.ExtensionBundle",
    "version": "[4.*, 5.0.0)"
  }
}

鍵值設定 "telemetryMode": "OpenTelemetry" 允許函式呼叫間分散式追蹤。

src/OTelSample/host.json 檔案會為 Functions 主機啟用 OpenTelemetry:

{
  "version": "2.0",
  "telemetryMode": "OpenTelemetry",
  "logging": {
    "OpenTelemetry": {
      "logLevel": {
        "Host.General": "Warning"
      }
    }
  }
}

鍵值設定 "telemetryMode": "OpenTelemetry" 允許函式呼叫間分散式追蹤。

OpenTelemetry 的相依關係

該 src/otel-sample/requirements.txt 檔案包含 OpenTelemetry 整合所需的套件：

azure-functions
azure-monitor-opentelemetry
requests

該 azure-monitor-opentelemetry 套件提供 OpenTelemetry 與 Application Insights 的整合。

該 src/otel-sample/package.json 檔案包含 OpenTelemetry 整合所需的套件：

{
  "dependencies": {
    "@azure/functions": "^4.0.0",
    "@azure/functions-opentelemetry-instrumentation": "^0.1.0",
    "@azure/monitor-opentelemetry-exporter": "^1.0.0",
    "axios": "^1.6.0"
  }
}

@azure/functions-opentelemetry-instrumentation 和 @azure/monitor-opentelemetry-exporter 套件提供 OpenTelemetry 與 Application Insights 的整合。

該 .csproj 檔案包含 OpenTelemetry 整合所需的套件：

<PackageReference Include="Azure.Monitor.OpenTelemetry.Exporter" Version="1.4.0" />
<PackageReference Include="Microsoft.Azure.Functions.Worker.OpenTelemetry" Version="1.4.0" />
<PackageReference Include="OpenTelemetry.Instrumentation.Http" Version="1.10.0" />

這些套件提供 OpenTelemetry 與 Application Insights 及 HTTP 儀器整合，用於分散式追蹤。

函數實作

函數 src/otel-sample/function_app.py 中展示了分散式追蹤流程：

第一個 HTTP 函式

@app.function_name("first_http_function")
@app.route(route="first_http_function", auth_level=func.AuthLevel.ANONYMOUS)
def first_http_function(req: func.HttpRequest) -> func.HttpResponse:
    logging.info('Python HTTP trigger function (first) processed a request.')

    # Call the second function
    base_url = f"{req.url.split('/api/')[0]}/api"
    second_function_url = f"{base_url}/second_http_function"

    response = requests.get(second_function_url)
    second_function_result = response.text

    result = {
        "message": "Hello from the first function!",
        "second_function_response": second_function_result
    }

    return func.HttpResponse(
        json.dumps(result),
        status_code=200,
        mimetype="application/json"
    )

第二個 HTTP 函數

@app.function_name("second_http_function")
@app.route(route="second_http_function", auth_level=func.AuthLevel.ANONYMOUS)
@app.service_bus_queue_output(arg_name="outputsbmsg", queue_name="%ServiceBusQueueName%",
                              connection="ServiceBusConnection")
def second_http_function(req: func.HttpRequest, outputsbmsg: func.Out[str]) -> func.HttpResponse:
    logging.info('Python HTTP trigger function (second) processed a request.')

    message = "This is the second function responding."

    # Send a message to the Service Bus queue
    queue_message = "Message from second HTTP function to trigger ServiceBus queue processing"
    outputsbmsg.set(queue_message)
    logging.info('Sent message to ServiceBus queue: %s', queue_message)

    return func.HttpResponse(
        message,
        status_code=200
    )

服務匯流排佇列觸發器

@app.service_bus_queue_trigger(arg_name="azservicebus", queue_name="%ServiceBusQueueName%",
                               connection="ServiceBusConnection") 
def servicebus_queue_trigger(azservicebus: func.ServiceBusMessage):
    logging.info('Python ServiceBus Queue trigger start processing a message: %s',
                azservicebus.get_body().decode('utf-8'))
    time.sleep(5)  # Simulate processing work
    logging.info('Python ServiceBus Queue trigger end processing a message')

OpenTelemetry 的設定格式為 src/otel-sample/index.ts：

import { AzureFunctionsInstrumentation } from '@azure/functions-opentelemetry-instrumentation';
import { AzureMonitorTraceExporter, AzureMonitorLogExporter } from '@azure/monitor-opentelemetry-exporter';
import { getNodeAutoInstrumentations, getResourceDetectors } from '@opentelemetry/auto-instrumentations-node';
import { registerInstrumentations } from '@opentelemetry/instrumentation';
import { detectResources } from '@opentelemetry/resources';
import { LoggerProvider, SimpleLogRecordProcessor } from '@opentelemetry/sdk-logs';
import { NodeTracerProvider, SimpleSpanProcessor } from '@opentelemetry/sdk-trace-node';

const resource = detectResources({ detectors: getResourceDetectors() });

const tracerProvider = new NodeTracerProvider({ 
  resource, 
  spanProcessors: [new SimpleSpanProcessor(new AzureMonitorTraceExporter())] 
});
tracerProvider.register();

const loggerProvider = new LoggerProvider({
  resource,
  processors: [new SimpleLogRecordProcessor(new AzureMonitorLogExporter())],
});

registerInstrumentations({
    tracerProvider,
    loggerProvider,
    instrumentations: [getNodeAutoInstrumentations(), new AzureFunctionsInstrumentation()],
});

函式定義於以下 src/otel-sample/src/functions 資料夾中：

第一個 HTTP 函式

export async function firstHttpFunction(
  request: HttpRequest,
  context: InvocationContext
): Promise<HttpResponseInit> {
  context.log("TypeScript HTTP trigger function (first) processed a request.");

  try {
    // Call the second function
    const baseUrl = request.url.split("/api/")[0];
    const secondFunctionUrl = `${baseUrl}/api/second_http_function`;

    const response = await axios.get(secondFunctionUrl);
    const secondFunctionResult = response.data;

    const result = {
      message: "Hello from the first function!",
      second_function_response: secondFunctionResult,
    };

    return {
      status: 200,
      body: JSON.stringify(result),
      headers: { "Content-Type": "application/json" },
    };
  } catch (error) {
    return {
      status: 500,
      body: JSON.stringify({ error: "Failed to process request" }),
    };
  }
}

第二個 HTTP 函數

export async function secondHttpFunction(
  request: HttpRequest,
  context: InvocationContext
): Promise<HttpResponseInit> {
  context.log("TypeScript HTTP trigger function (second) processed a request.");

  const message = "This is the second function responding.";

  // Send a message to the Service Bus queue
  const queueMessage =
    "Message from second HTTP function to trigger ServiceBus queue processing";

  context.extraOutputs.set(serviceBusOutput, queueMessage);
  context.log("Sent message to ServiceBus queue:", queueMessage);

  return {
    status: 200,
    body: message,
  };
}

服務匯流排佇列觸發器

export async function serviceBusQueueTrigger(
  message: unknown,
  context: InvocationContext
): Promise<void> {
  context.log("TypeScript ServiceBus Queue trigger start processing a message:", message);

  // Simulate processing time
  await new Promise((resolve) => setTimeout(resolve, 5000));

  context.log("TypeScript ServiceBus Queue trigger end processing a message");
}

OpenTelemetry 的設定格式為 src/OTelSample/Program.cs：

using Azure.Monitor.OpenTelemetry.Exporter;
using Microsoft.Azure.Functions.Worker;
using Microsoft.Azure.Functions.Worker.OpenTelemetry;
using OpenTelemetry.Trace;

var builder = FunctionsApplication.CreateBuilder(args);

builder.ConfigureFunctionsWebApplication();

builder.Logging.AddOpenTelemetry(logging =>
{
    logging.IncludeFormattedMessage = true;
    logging.IncludeScopes = true;
});

builder.Services.AddOpenTelemetry()    
    .WithTracing(tracing =>
    {
        tracing.AddHttpClientInstrumentation();
    });

builder.Services.AddOpenTelemetry().UseAzureMonitorExporter();
builder.Services.AddOpenTelemetry().UseFunctionsWorkerDefaults();

builder.Services.AddHttpClient();

builder.Build().Run();

函式定義在獨立的類別檔案中：

第一個 HTTP 函式

public class FirstHttpTrigger
{
    private readonly ILogger<FirstHttpTrigger> _logger;
    private readonly IHttpClientFactory _httpClientFactory;

    public FirstHttpTrigger(ILogger<FirstHttpTrigger> logger, IHttpClientFactory httpClientFactory)
    {
        _logger = logger;
        _httpClientFactory = httpClientFactory;
    }

    [Function("first_http_function")]
    public async Task<IActionResult> Run(
         [HttpTrigger(AuthorizationLevel.Anonymous, "get", "post")] HttpRequestData req)
    {
        _logger.LogInformation("first_http_function function processed a request.");

        var baseUrl = $"{req.Url.AbsoluteUri.Split("/api/")[0]}/api";
        var targetUri = $"{baseUrl}/second_http_function";

        var client = _httpClientFactory.CreateClient();
        var response = await client.GetAsync(targetUri);
        var content = await response.Content.ReadAsStringAsync();

        return new OkObjectResult($"Called second_http_function, status: {response.StatusCode}, content: {content}");
    }
}

第二個 HTTP 函數

public class SecondHttpTrigger
{
    private readonly ILogger<SecondHttpTrigger> _logger;

    public SecondHttpTrigger(ILogger<SecondHttpTrigger> logger)
    {
        _logger = logger;
    }

    [Function("second_http_function")]
    public MultiResponse Run([HttpTrigger(AuthorizationLevel.Anonymous, "get", "post")] HttpRequestData req)
    {
        _logger.LogInformation("second_http_function function processed a request.");

        return new MultiResponse
        {
            Messages = new string[] { "Hello" },
            HttpResponse = req.CreateResponse(System.Net.HttpStatusCode.OK)
        };
    }
}

public class MultiResponse
{
    [ServiceBusOutput("%ServiceBusQueueName%", Connection = "ServiceBusConnection")]
    public string[]? Messages { get; set; }

    [HttpResult]
    public HttpResponseData? HttpResponse { get; set; }
}

服務匯流排佇列觸發器

public class ServiceBusQueueTrigger
{
    private readonly ILogger<ServiceBusQueueTrigger> _logger;

    public ServiceBusQueueTrigger(ILogger<ServiceBusQueueTrigger> logger)
    {
        _logger = logger;
    }

    [Function("servicebus_queue_trigger")]
    public async Task Run(
        [ServiceBusTrigger("%ServiceBusQueueName%", Connection = "ServiceBusConnection")]
        ServiceBusReceivedMessage message,
        ServiceBusMessageActions messageActions)
    {
        _logger.LogInformation("Message ID: {id}", message.MessageId);
        _logger.LogInformation("Message Body: {body}", message.Body);

        // Complete the message
        await messageActions.CompleteMessageAsync(message);
    }
}

分散式追蹤流程

此架構建立完整的分散式追蹤場景，行為如下：

第一個 HTTP 函式 接收 HTTP 請求並呼叫第二個 HTTP 函式
第二個 HTTP 函式 回應並向服務匯流排發送訊息
服務匯流排觸發器會以延遲的方式處理訊息以模擬處理工作。

OpenTelemetry 實作的關鍵面向：

OpenTelemetry 整合: host.json 檔案可使用 "telemetryMode": "OpenTelemetry" 啟用 OpenTelemetry
函式鏈結：第一個函式使用 HTTP 請求呼叫第二個函式，產生相關的追蹤
服務匯流排整合：第二個函式輸出給服務匯流排，服務匯流排觸發第三個函數
匿名認證：HTTP 函式使用 auth_level=func.AuthLevel.ANONYMOUS，因此不需要函式金鑰

您可以在這裡檢閱完整的範本專案。

OpenTelemetry 整合: index.ts 檔案會使用 Azure 監視器匯出器來設定 OpenTelemetry 以進行追蹤與記錄
函式鏈：第一個函數使用公理呼叫第二個函數，並自動傳播軌跡
服務匯流排整合：第二個函式透過輸出綁定輸出至服務匯流排，觸發第三個函式
受管理身份：所有服務匯流排連線皆使用管理身份而非連線字串
處理模擬：服務匯流排觸發器的 5 秒延遲模擬訊息處理工作

您可以在這裡檢閱完整的範本專案。

OpenTelemetry 整合：Program.cs 文件使用 Azure Monitor 匯出器來配置 OpenTelemetry
函式鏈結：第一個函式使用 HttpClient 搭配 OpenTelemetry 儀器呼叫第二個函式
服務匯流排整合：第二個函式透過輸出綁定輸出至服務匯流排，觸發第三個函式
受管理身份：所有服務匯流排連線皆使用管理身份而非連線字串
.NET 8 獨立工作者：使用最新的 Azure Functions .NET 孤立工作者模型，提升效能與彈性

您可以在這裡檢閱完整的範本專案。

在本機驗證函式之後，是時候將它們發佈至 Azure 了。

部署至 Azure

此專案配置為使用azd up命令，將此專案部署到支援 OpenTelemetry 的 Azure Flex Consumption 計劃中的新函數應用程式。

小提示

此專案包含一組 Bicep 檔案，讓 azd 用來建立符合最佳做法之彈性使用量方案的安全部署，包括受控識別連線。

執行此命令，讓 azd 在 Azure 中建立必要的 Azure 資源，並將程式碼專案部署至新的函數應用程式：
```
azd up
```
根資料夾包含 azd 所需的 azure.yaml 定義檔。

如果你還沒登入，系統會要求你用 Azure 帳號進行認證。

出現提示時，請提供這些必要的部署參數：

參數	Description
Azure 訂用帳戶	建立您資源所在位置的訂用帳戶。
Azure 位置	要在其中建立包含新 Azure 資源之資源群組所在的 Azure 區域。只會顯示目前支援彈性使用量方案的區域。

azd up 命令會透過 Bicep 組態檔使用您對這些提示的回應，以完成這些部署工作：

建立和設定這些必要的 Azure 資源 (相當於 azd provision)：
- Azure Functions 彈性使用量方案及已啟用 OpenTelemetry 的函數應用程式
- Azure 儲存體 (必要) 和 Application Insights (建議)
- 分散式追蹤示範的 Azure 服務匯流排命名空間及佇列
- 存取帳戶的原則和角色
- 使用受控識別的服務對服務連線 (而不是預存的連接字串)
將程式碼封裝並部署至部署容器 (相當於 azd deploy)。然後，應用程式會啟動並在已部署的套件中執行。

命令成功完成之後，您會看到所建立資源的連結。

分散式追蹤技術測試

現在你可以透過呼叫已部署的函式並在 Application Insights 中觀察遙測，來測試 OpenTelemetry 的分散式追蹤功能。

在 Azure 上叫用函式

你可以透過對函式端點的 URL 發送 HTTP 請求，來呼叫 Azure 中的函式端點。由於此範本中的 HTTP 函式是匿名存取，因此不需要函式金鑰。

在你的本地終端機或命令提示字元中，執行這個指令以取得函式應用程式名稱並建立 URL：
```
APP_NAME=$(azd env get-value AZURE_FUNCTION_NAME)
echo "Function URL: https://$APP_NAME.azurewebsites.net/api/first_http_function"
```
azd env get-value 命令會從本機環境取得函數應用程式名稱。
在瀏覽器中透過以下網址測試此功能：
```
https://your-function-app.azurewebsites.net/api/first_http_function
```
請將 your-function-app 替換為您在上一個步驟中使用的實際函數應用程式名稱。這個單一要求會建立一個分散式追蹤，並傳遞於這三個函式之間。

在應用洞察中查看分散式追蹤

呼叫該函式後，您可以在 Application Insights 中觀察完整的分散式追蹤：

備註

觸發你的功能後，遙測資料可能需要幾分鐘才會顯示在 Application Insights 中。要是沒有立刻看到資料，請等幾分鐘再刷新視圖。

請前往 Azure 入口網站的 Application Insights 資源（你可以在與函式應用程式相同的資源群組中找到它）。
打開 應用程式映射，查看橫跨三個功能的分佈跟踪。您應該可以看到從 HTTP 要求經過函式再到 Azure 服務匯流排的整個流程。
請查看 交易搜尋 以找到您的請求並查看完整的追蹤時間軸。在您的功能應用程式中搜尋交易。
選取特定交易以查看端到端的追蹤，顯示以下項目:
- 向 first_http_function 的 HTTP 請求
- 內部 HTTP 呼叫 second_http_function
- 正在傳送 Azure 服務匯流排訊息
- servicebus_queue_trigger 正在處理來自 Azure 服務匯流排的訊息
在追蹤細節中，你可以看到：
- 時間資訊：每步所需時間
- 相依關係：函式之間的連結
- 日誌：與追蹤相關的應用程式日誌
- 效能指標：回應時間與吞吐量

此範例展示了跨多個 Azure 函式的端對端分散式追蹤，並結合 OpenTelemetry，提供對應用程式行為與效能的完整可視化。

重新部署程式碼

執行 azd up 這個指令可以讓你根據需要多次配置 Azure 資源，並將程式碼更新部署到你的函式應用程式。

備註

最新的部署套件總是會覆寫已部署的程式碼檔案。

您對 azd 提示的初始回應，以及 azd 所產生的任何環境變數都會儲存在本機的具名環境中。使用這個 azd env get-values 指令來檢視該指令在建立 Azure 資源時所使用的環境中所有變數。

清理資源

完成函式應用程式及相關資源後，請使用此指令將函式應用程式及其相關資源從 Azure 刪除，避免產生額外費用：

azd down --no-prompt

備註

--no-prompt 選項會指示 azd 刪除您的資源群組，而不需要您確認。

此命令不會影響您的本機程式碼專案。

意見反應

此頁面對您有幫助嗎？

Last updated on 2025-11-20

共用方式為

教學：使用 OpenTelemetry 分散式追蹤監控 Azure 函數

先決條件

初始化專案

檢閱程式碼

OpenTelemetry 配置

OpenTelemetry 的相依關係

函數實作

第一個 HTTP 函式

第二個 HTTP 函數

服務匯流排佇列觸發器

第一個 HTTP 函式

第二個 HTTP 函數

服務匯流排佇列觸發器

第一個 HTTP 函式

第二個 HTTP 函數

服務匯流排佇列觸發器

分散式追蹤流程

部署至 Azure

分散式追蹤技術測試

在 Azure 上叫用函式

在應用洞察中查看分散式追蹤

重新部署程式碼

清理資源

相關內容

意見反應

其他資源