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