AWS Lambda Functions の分散トレーシング

手動計装

3 min

ワークショップの第2部では、OpenTelemetry による手動計装がテレメトリ収集の強化にどのように役立つかを説明します。具体的には、producer-lambda 関数から consumer-lambda 関数へトレースコンテキストデータを伝播できるようにします。これにより、現在自動コンテキスト伝播をサポートしていない Kinesis Stream を介しても、2つの関数間の関係を確認できるようになります。

手動計装ワークショップのディレクトリと内容

まず、作業ディレクトリとそのファイルを確認します。今回は workshop/lambda/manual ディレクトリです。ここにワークショップの手動計装部分のすべてのコンテンツが格納されています。

manual ディレクトリ

bash 
cd ~/workshop/lambda/manual
bash 
ls
bash 
handler             outputs.tf          terraform.tf        variables.tf
main.tf             send_message.py     terraform.tfvars

ワークショップの質問

このディレクトリと最初に使用した auto ディレクトリの間に違いはありますか？

同じように見えるファイルが、実際に同じであることを確認しましょう。

bash 
diff ~/workshop/lambda/auto/main.tf ~/workshop/lambda/manual/main.tf
bash 
diff ~/workshop/lambda/auto/handler/producer.mjs ~/workshop/lambda/manual/handler/producer.mjs
bash 
cat ~/workshop/lambda/manual/handler/producer.mjs
js 
import { context, propagation, trace, } from "@opentelemetry/api";
bash 
diff ~/workshop/lambda/auto/handler/consumer.mjs ~/workshop/lambda/manual/handler/consumer.mjs
bash 
cat handler/consumer.mjs

以下のコードは、producer 関数内で次のステップを実行します:

  1. このトレースのトレーサーを取得する
  2. コンテキストキャリアオブジェクトを初期化する
  3. アクティブスパンのコンテキストをキャリアオブジェクトに注入する
  4. Kinesis ストリームに配置するレコードを変更し、アクティブスパンのコンテキストを consumer に運ぶキャリアを含める
js 
...
import { context, propagation, trace, } from "@opentelemetry/api";
...
const tracer = trace.getTracer('lambda-app');
...
  return tracer.startActiveSpan('put-record', async(span) => {
    let carrier = {};
    propagation.inject(context.active(), carrier);
    const eventBody = Buffer.from(event.body, 'base64').toString();
    const data = "{\"tracecontext\": " + JSON.stringify(carrier) + ", \"record\": " + eventBody + "}";
    console.log(
      `Record with Trace Context added:
      ${data}`
    );

    try {
      await kinesis.send(
        new PutRecordCommand({
          StreamName: streamName,
          PartitionKey: "1234",
          Data: data,
        }),
        message = `Message placed in the Event Stream: ${streamName}`
      )
...
    span.end();

Consumer 関数でのトレースコンテキストの抽出

以下のコードは、consumer 関数内で次のステップを実行します:

  1. producer-lambda から取得したコンテキストをキャリアオブジェクトに抽出する
  2. 現在のコンテキストからトレーサーを抽出する
  3. 抽出されたコンテキスト内でトレーサーを使用して新しいスパンを開始する
  4. ボーナス: メッセージの値を使用したカスタム属性を含む、追加の属性をスパンに追加する
  5. 完了したら、スパンを終了する
js 
import { propagation, trace, ROOT_CONTEXT } from "@opentelemetry/api";
...
      const carrier = JSON.parse( message ).tracecontext;
      const parentContext = propagation.extract(ROOT_CONTEXT, carrier);
      const tracer = trace.getTracer(process.env.OTEL_SERVICE_NAME);
      const span = tracer.startSpan("Kinesis.getRecord", undefined, parentContext);

      span.setAttribute("span.kind", "server");
      const body = JSON.parse( message ).record;
      if (body.name) {
        span.setAttribute("custom.tag.name", body.name);
      }
      if (body.superpower) {
        span.setAttribute("custom.tag.superpower", body.superpower);
      }
...
      span.end();

それでは、これがどのような違いを生むか見てみましょう！

Last Modified ·