Aller au contenu

Gestion des traces - Zipkin, Jaeger et Grafana Tempo

Introduction

Le traçage distribué est une technique permettant de suivre le parcours de requêtes à travers plusieurs services d'une architecture distribuée

Elle est essentielle pour surveiller et déboguer les systèmes complexes, où les requêtes peuvent traverser plusieurs microservices ou services dans le cloud

Des outils comme Grafana Tempo, Jaeger, et Zipkin offrent des solutions robustes pour gérer et analyser ces traces, en les stockant de manière optimisée (stockage objet pour Tempo, Cassandra, Elasticsearch ou OpenSearch pour Jaeger et Zipkin)


Qu'est-ce qu'une trace distribuée ?

Une trace est une série d'événements chronologiques capturant les étapes d'une requête au sein d'un système distribué

Chaque étape, ou span, représente une opération unique (comme une requête HTTP, une opération de base de données, etc)

Les spans sont regroupés pour former une trace, qui montre comment une requête se déplace à travers le système


Stockage des traces

Les backends de traces ne sont pas des TSDB au sens strict, mais ils partagent leur contrainte principale : gérer de grandes quantités de données chronologiques

En traçage, les traces sont indexées par leur horodatage et peuvent être interrogées pour analyser les performances et diagnostiquer les pannes

Le backend permet de stocker efficacement les traces et leurs métadonnées pour des analyses en temps réel


Collecte et ingestion des traces - OpenTelemetry : la norme de collecte

OpenTelemetry est une norme ouverte pour la collecte de traces, de métriques et de logs dans les applications

Il permet de capturer les spans et de les exporter vers une solution de stockage compatible comme Tempo, Jaeger, ou Zipkin

Exemple de configuration de l'OpenTelemetry Collector pour envoyer des traces à un backend :

receivers:
  otlp:
    protocols:
      grpc:
        endpoint: 0.0.0.0:4317

exporters:
  otlp_grpc:                # ex-exporter "otlp", renommé en 2026
    endpoint: "tempo-distributor:4317"
    tls:
      insecure: true

service:
  pipelines:
    traces:
      receivers: [otlp]
      exporters: [otlp_grpc]

Collecte et ingestion des traces - Ingestion des données

Les traces sont envoyées au backend sous forme de spans, souvent via des collecteurs tels que l'OpenTelemetry Collector (sur lequel repose Jaeger v2, l'ancien Jaeger Agent ayant disparu) ou Grafana Alloy

Ces collecteurs permettent de recevoir des données de différents services et de les rediriger vers une base de données de traces


Structure d'une trace et modèle de données - Spans et attributs

Chaque trace est composée de plusieurs spans. Un span contient :
- Un identifiant unique - Un timestamp de début et une durée - Des attributs qui détaillent le contexte, comme le nom du service, l'URL appelée, les statuts d’erreurs, etc - Des relations parent-enfant entre les spans, montrant le chemin de la requête


Structure d'une trace et modèle de données - Indexation par trace ID et tags

Pour faciliter les recherches, chaque trace est associée à un Trace ID unique, qui permet de retrouver une trace spécifique

Des tags ou attributs supplémentaires, comme status="error" ou http.method="GET", permettent de filtrer et de rechercher les traces efficacement


Requêtage et analyse des traces - Requêtes de base

Les traces peuvent être interrogées par Trace ID ou filtrées en fonction de critères spécifiques

Par exemple, on peut vouloir voir toutes les traces d'un service spécifique ou identifier les erreurs rencontrées dans un chemin de requêtes

Exemples de requêtes :

  • Rechercher une trace par ID (API Grafana Tempo) :

    GET /api/traces/<traceID>
    

  • Rechercher les traces d'un service spécifique ayant des erreurs (TraceQL, Grafana Tempo) :

    { resource.service.name = "checkout" && status = error }
    


Requêtage et analyse des traces - Analyse des latences et erreurs

Le traçage permet d’analyser les latences et erreurs en visualisant le parcours complet d'une requête à travers différents services

Vous pouvez détecter les goulots d’étranglement en identifiant les spans les plus longs dans une trace et remonter aux services sources des erreurs


Optimisation du stockage des traces - Politique de rétention

Les traces peuvent nécessiter un stockage à long terme pour les audits ou à court terme pour une analyse immédiate

Une politique de rétention est donc essentielle pour gérer l’espace de stockage

Par exemple, les traces de requêtes réussies peuvent être conservées moins longtemps que les traces d’erreurs

Exemple de configuration pour une rétention des traces de 7 jours dans Tempo :

backend_worker:            # Tempo 3.x (compactor.compaction en Tempo 2.x)
  compaction:
    block_retention: 168h  # 7 jours


Optimisation du stockage des traces - Compression et indexation

Pour optimiser l’espace disque, les backends de traces utilisent des techniques de compression et d’indexation

Les index permettent de retrouver rapidement les traces par leurs tags et attributs, et la compression réduit la taille des données stockées


Scalabilité et haute disponibilité - Scalabilité horizontale

Les solutions comme Grafana Tempo, Jaeger, et Zipkin permettent la scalabilité horizontale pour gérer des volumes massifs de données

Cela signifie que l’on peut ajouter des nœuds pour distribuer la charge et améliorer la performance des requêtes de traces


Scalabilité et haute disponibilité - Tolérance aux pannes

Ces solutions assurent la disponibilité des données en cas de panne d’un nœud. Les traces peuvent être répliquées sur plusieurs nœuds, de sorte que les données restent accessibles même si une partie de l'infrastructure tombe en panne


Bonnes pratiques pour le traçage distribué - Minimiser l'overhead

Bien que le traçage distribué soit utile, il peut ajouter un certain overhead aux applications

Utilisez l'échantillonnage (head sampling dans le SDK, tail sampling dans l'OpenTelemetry Collector) pour limiter l'impact sur la performance et le volume stocké, plutôt que de désactiver le traçage service par service, ce qui casse les traces de bout en bout


Bonnes pratiques pour le traçage distribué - Utilisation efficace des tags

Les tags sont essentiels pour organiser et filtrer les traces

Choisissez des tags pertinents pour vos analyses (par exemple, service, env, http.method), et évitez d’en ajouter trop pour ne pas alourdir les requêtes et augmenter la consommation d’espace


Récap

L’utilisation d’un backend dédié pour le traitement des traces permet d’obtenir une vue complète et chronologique des requêtes dans une architecture distribuée

Avec des outils comme Grafana Tempo, Jaeger, et Zipkin, vous pouvez facilement capturer, stocker, et analyser les traces de vos systèmes pour en assurer la performance et la fiabilité

En configurant correctement l’ingestion, le stockage et la requête des traces, vous disposez d’une solution puissante pour surveiller et optimiser vos applications distribuées