correlate-observability-signals

pjt222

更新日 2 days ago

9 閲覧

メタapidesign

について

このスキルは、メトリクス、ログ、トレースを統合し、一貫性のあるデバッグと迅速な根本原因分析を実現します。エグザンプラーによるログとトレースの連携を可能にし、RED/USEメソッドを用いた統合ダッシュボードの構築を支援します。複雑なマルチシステム障害の調査時や、サイロ化されたツールから統合オブザーバビリティプラットフォームへの移行時にご利用ください。

クイックインストール

Claude Code

推奨

メイン

npx skills add pjt222/agent-almanac -a claude-code

プラグインコマンド代替

/plugin add https://github.com/pjt222/agent-almanac

Git クローン代替

git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/correlate-observability-signals

このコマンドをClaude Codeにコピー＆ペーストしてスキルをインストールします

ドキュメント

聯可觀之訊

聯度、誌、跡三柱為一，以統合而除三界之弊。

用時

究跨系統之繁亂
減 MTTR（平均解決之時）
建統合之可觀儀盤
施散式之跡
由孤工具轉統合可觀

入

必要：Prometheus（度）
必要：誌聚之系（Loki、Elasticsearch、CloudWatch）
必要：散跡之後端（Tempo、Jaeger、Zipkin）
可選：Grafana 以作統合之視
可選：OpenTelemetry 之儀化

法

全配置文件與樣板參 Extended Examples。

第一步：施跡脈之傳

以 OpenTelemetry 置跡 ID 於諸誌與度：

// Go example: Propagate trace context to logs
package main

import (
    "context"
    "log"

    "go.opentelemetry.io/otel"
    "go.opentelemetry.io/otel/trace"
)

func handleRequest(ctx context.Context, userID string) {
    // Extract trace context
    span := trace.SpanFromContext(ctx)
    traceID := span.SpanContext().TraceID().String()

    // Include trace ID in structured logs
    log.Printf("trace_id=%s user_id=%s action=process_request", traceID, userID)

    // Business logic here
    processData(ctx, userID)
}

func processData(ctx context.Context, userID string) {
    tracer := otel.Tracer("my-service")
    ctx, span := tracer.Start(ctx, "processData")
    defer span.End()

    traceID := span.SpanContext().TraceID().String()
    log.Printf("trace_id=%s user_id=%s action=process_data", traceID, userID)

    // More work
}

Python 例：

# Python: Flask with OpenTelemetry
from flask import Flask, request
from opentelemetry import trace
from opentelemetry.instrumentation.flask import FlaskInstrumentor
import logging

app = Flask(__name__)
FlaskInstrumentor().instrument_app(app)

logging.basicConfig(
    format='%(asctime)s trace_id=%(otelTraceID)s span_id=%(otelSpanID)s %(message)s',
    level=logging.INFO
)

@app.route('/api/users/<user_id>')
def get_user(user_id):
    span = trace.get_current_span()
    trace_id = format(span.get_span_context().trace_id, '032x')

    logging.info(f"Fetching user {user_id}", extra={
        'otelTraceID': trace_id,
        'otelSpanID': format(span.get_span_context().span_id, '016x')
    })

    # Business logic
    return {"user_id": user_id}

得：諸誌含 trace_id 之域，誌與跡可聯。

敗則： 若跡 ID 失，察 OpenTelemetry SDK 之初與脈之傳。

第二步：設 Prometheus 之範例

範例聯度於跡：

# prometheus.yml
global:
  scrape_interval: 15s
  # Enable exemplar storage
  exemplars:
    max_exemplars: 100000  # Per TSDB block

scrape_configs:
  - job_name: 'api-service'
    static_configs:
      - targets: ['api-service:8080']
    # Scrape exemplars
    metric_relabel_configs:
      - source_labels: [__name__]
        regex: 'http_request_duration_seconds.*'
        action: keep

儀化應用以發範例：

// Go: Emit exemplars with Prometheus histogram
package main

import (
    "github.com/prometheus/client_golang/prometheus"
    "github.com/prometheus/client_golang/prometheus/promauto"
    "go.opentelemetry.io/otel/trace"
)

var httpDuration = promauto.NewHistogramVec(
    prometheus.HistogramOpts{
        Name:    "http_request_duration_seconds",
        Help:    "HTTP request duration",
        Buckets: prometheus.DefBuckets,
    },
    []string{"method", "endpoint", "status"},
)

func recordRequest(ctx context.Context, method, endpoint, status string, duration float64) {
    // Get trace ID for exemplar
    span := trace.SpanFromContext(ctx)
    traceID := span.SpanContext().TraceID().String()

    // Record metric with exemplar
    observer := httpDuration.WithLabelValues(method, endpoint, status)
    observer.(prometheus.ExemplarObserver).ObserveWithExemplar(
        duration,
        prometheus.Labels{"trace_id": traceID},
    )
}

於 Prometheus 查範例：

# Histogram with exemplars
histogram_quantile(0.95, rate(http_request_duration_seconds_bucket[5m]))

於 Grafana，範例現為直方圖上之點，聯至跡。

得： Grafana 顯範例於度圖，點之則開相應之跡。

敗則： 驗 Prometheus 版本 ≥2.26（支援範例），查 Grafana 源設啟範例。

第三步：以 RED 法建統合儀盤

RED 法：率、訛、時（施於服）

{
  "dashboard": {
    "title": "API Service - RED Dashboard",
    "panels": [
      {
        "title": "Request Rate (req/s)",
        "type": "graph",
        "targets": [
          {
            "expr": "sum(rate(http_requests_total{job=\"api-service\"}[5m])) by (endpoint)",
            "legendFormat": "{{ endpoint }}"
          }
        ],
        "exemplars": true
      },
      {
        "title": "Error Rate (%)",
        "type": "graph",
        "targets": [
          {
            "expr": "sum(rate(http_requests_total{job=\"api-service\", status=~\"5..\"}[5m])) / sum(rate(http_requests_total{job=\"api-service\"}[5m])) * 100",
            "legendFormat": "Error %"
          }
        ],
        "exemplars": true
      },
      {
        "title": "Request Duration (p50, p95, p99)",
        "type": "graph",
        "targets": [
          {
            "expr": "histogram_quantile(0.50, rate(http_request_duration_seconds_bucket{job=\"api-service\"}[5m]))",
            "legendFormat": "p50"
          },
          {
            "expr": "histogram_quantile(0.95, rate(http_request_duration_seconds_bucket{job=\"api-service\"}[5m]))",
            "legendFormat": "p95"
          },
          {
            "expr": "histogram_quantile(0.99, rate(http_request_duration_seconds_bucket{job=\"api-service\"}[5m]))",
            "legendFormat": "p99"
          }
        ],
        "exemplars": true
      },
      {
        "title": "Correlated Logs",
        "type": "logs",
        "datasource": "Loki",
        "targets": [
          {
            "expr": "{job=\"api-service\"} |= \"error\""
          }
        ],
        "options": {
          "showTime": true,
          "enableLogDetails": true
        }
      }
    ]
  }
}

得：一儀盤顯率、訛、時，兼聯之誌。

敗則： 若盤顯「無數據」，驗度之名與儀化相合。

第四步：施 USE 法於諸資

USE 法：用、飽、訛（施於 CPU、記憶、盤等資）

{
  "dashboard": {
    "title": "Node Resources - USE Dashboard",
    "panels": [
      {
        "title": "CPU Utilization (%)",
        "type": "graph",
        "targets": [
          {
            "expr": "100 - (avg(rate(node_cpu_seconds_total{mode=\"idle\"}[5m])) * 100)",
            "legendFormat": "CPU Usage %"
          }
        ]
      },
      {
        "title": "CPU Saturation (Load Average)",
        "type": "graph",
        "targets": [
          {
            "expr": "node_load1",
            "legendFormat": "1min load"
          },
          {
            "expr": "node_load5",
            "legendFormat": "5min load"
          },
          {
            "expr": "count(node_cpu_seconds_total{mode=\"idle\"})",
            "legendFormat": "CPU cores (threshold)"
          }
        ]
      },
      {
        "title": "Memory Utilization (%)",
        "type": "graph",
        "targets": [
          {
            "expr": "(node_memory_MemTotal_bytes - node_memory_MemAvailable_bytes) / node_memory_MemTotal_bytes * 100",
            "legendFormat": "Memory Usage %"
          }
        ]
      },
      {
        "title": "Memory Saturation (Page Faults)",
        "type": "graph",
        "targets": [
          {
            "expr": "rate(node_vmstat_pgmajfault[5m])",
            "legendFormat": "Major page faults/s"
          }
        ]
      },
      {
        "title": "Disk Utilization (%)",
        "type": "graph",
        "targets": [
          {
            "expr": "(node_filesystem_size_bytes - node_filesystem_free_bytes) / node_filesystem_size_bytes * 100",
            "legendFormat": "{{ device }}"
          }
        ]
      },
      {
        "title": "Disk Saturation (IO Wait %)",
        "type": "graph",
        "targets": [
          {
            "expr": "rate(node_cpu_seconds_total{mode=\"iowait\"}[5m]) * 100",
            "legendFormat": "IO Wait %"
          }
        ]
      }
    ]
  }
}

得：儀盤顯資健於諸 USE 維度。

敗則： 確 node_exporter 運而採系之度。

第五步：於 Loki 聯誌至跡

設 Loki 以抽跡 ID：

# loki-config.yml
schema_config:
  configs:
    - from: 2024-01-01
      store: boltdb-shipper
      object_store: s3
      schema: v11
      index:
        prefix: index_
        period: 24h

# Derived fields for trace linking
query_config:
  derived_fields:
    - name: TraceID
      source: trace_id
      url: 'https://tempo.company.com/trace/${__value.raw}'
      urlDisplayLabel: 'View Trace'

於 Grafana 設 Loki 源：

{
  "name": "Loki",
  "type": "loki",
  "url": "http://loki:3100",
  "jsonData": {
    "derivedFields": [
      {
        "datasourceUid": "tempo-uid",
        "matcherRegex": "trace_id=(\\w+)",
        "name": "TraceID",
        "url": "$${__value.raw}"
      }
    ]
  }
}

得：點 Loki 誌中之跡 ID 則開 Tempo 之跡。

敗則： 驗正則合誌之式，察 Tempo 源之 UID。

第六步：建統合事件之視

建一盤聚諸訊：

{
  "dashboard": {
    "title": "Incident Investigation",
    "templating": {
      "list": [
        {
# ... (see EXAMPLES.md for complete configuration)

事件之流：

高訛率觸警
值班師開 Grafana 盤
識某時訛率之峰
點時直方圖上之範例 → 開跡
跡顯庫之慢查
點跨距上之「觀誌」 → 開該跡之誌
誌示具體 SQL 查致超時
根因識於二分鐘內

得：一玻觀諸訊，跳於度、誌、跡間除弊。

敗則： 若聯失效，察諸源設與跡 ID 之傳。

驗

諸應用誌皆含跡 ID
Prometheus 採範例
Grafana 盤於直方圖顯範例點
點範例則於 Tempo／Jaeger 開相應之跡
Loki 誌有可行之「觀跡」聯
要服已建 RED 盤
基建已建 USE 盤
統合事件盤於 GameDay 已試

陷

跡 ID 式不一：OpenTelemetry 用 32 字元十六進位，Jaeger 用 16 字元。宜擇其一。
脈傳失：若跡 ID 不跨服，散跡斷。用 OpenTelemetry 自動儀化。
範例過：範例過多（>100k）則 Prometheus 緩。高量度宜採樣。
鐘偏：跡跨諸服。確設 NTP；鐘偏致跡序誤。
留存不合：若跡先於度過期，聯斷。諸留存期宜合。

參

setup-prometheus-monitoring — 聯之度根基
configure-log-aggregation — 聯之誌根基
instrument-distributed-tracing — 聯之跡根基
build-grafana-dashboards — 統合視之層

GitHub リポジトリ

pjt222/agent-almanac

パス: i18n/wenyan/skills/correlate-observability-signals

agentsagentskillsai-assisted-developmentclaude-codeskillsteams