跳至主要內容
Telemetry
Telemetry 文件

傳送第一個事件,建立第一個儀表板。

從第一次事件到生產環境插樁、SDK、API、結構化事件設計、DataFusion SQL、儀表板、警示和故障排除,瞭解 Telemetry。

審閱者 Telemetry產品團隊 . 我們檢查了主題、導覽、來源和在正式環境中使用 Telemetry 的指引. 誰負責審查此頁面

98

篇文件

5

個學習模組

供人閱讀的 HTML,供代理使用的 Markdown

在網站上閱讀文章,或將原始 Markdown 版本交給你的程式代理。

按目標選擇

從需要做出的決策或實現的功能開始

監控 AI 和代理工作流程

連線模型使用情況、成本、延遲、工具、檢索品質和審查的產品結果,預設情況下不儲存原始提示。

排查遺失的事件或結果

調整遙測埋點前,先區分攝取、結構、查詢、警示與下游傳遞失敗。

開始使用

建立金鑰,傳送並驗證第一個事件,寫入 SQL,並完成初始生產檢查表。

快速入門

傳送結構化事件,檢查其資料表,使用 SQL 查詢,並將結果轉換為儀表板或警示。

閱讀頁面

傳送您的第一個結構化事件

建立寫入範圍的 API 金鑰,傳送一個合成結構化事件,並選擇在生產中仍然有用的事件名稱和欄位。

閱讀頁面

驗證事件攝取和架構

在擴充套件檢測之前,請確認測試事件已達到具有預期型別、時間戳、識別符號和隱私邊界的預期資料表。

閱讀頁面

編寫第一個 Telemetry SQL 查詢

查詢經過驗證的結構化事件資料表,計算數量和錯誤率,檢查原始行,並根據已知的合成裝置驗證結果。

閱讀頁面

建立您的第一個儀表板和警示

將經過驗證的查詢提升到重點儀表板小工具和具有明確所有者、時間視窗和回應操作的閾值警示中。

閱讀頁面

生產環境插樁檢查清單

在生產部署之前檢查事件所有權、架構穩定性、敏感資料邊界、憑據、故障行為、保留、查詢、儀表板和警示。

閱讀頁面

API 金鑰與身分驗證

建立、確定範圍、儲存、輪換和撤銷 Telemetry API 金鑰,而不會向不受信任的客戶端公開攝取或查詢存取權限。

閱讀頁面

團隊、工作區、成員和角色

將分析組織到團隊工作區、邀請成員、瞭解管理員和成員角色,並在共享資料之前檢查存取權限。

閱讀頁面

用量、賬單與套餐限制

檢視儲存和查詢持續時間的使用情況,瞭解免費計劃的實施,比較當前的定價,並安全地計劃升級。

閱讀頁面

概念與 SQL 模式

設計穩定的事件契約、控制模式和基數,並使用可重用的 DataFusion SQL 模式。

Telemetry 架構

瞭解 Telemetry 如何驗證和緩衝事件、在 S3 中儲存 Parquet 以及組合 SQL 查詢的最新資料和歷史資料。

閱讀頁面

建立儀表板

從 Explore 和 SQL 查詢結果建置重點突出的 Telemetry 儀表板,然後安排小工具以快速做出運營決策。

閱讀頁面

模式演化

瞭解 Telemetry 如何適應新增事件欄位或更改型別,以及如何在不破壞分析的情況下發展模式。

閱讀頁面

選擇分割區列

使用分割區列使選擇性 Telemetry 查詢掃描更少的資料。

閱讀頁面

查詢巢狀JSON

使用穩定的點列名稱查詢 Telemetry 中的頂級和巢狀 JSON 欄位。

閱讀頁面

使用時間戳

一致地儲存時間戳並使用 SQL 來提取、儲存、比較和測量時間間隔。

閱讀頁面

CamelCase 與 snake_case

瞭解為什麼 Snake_case 為 Telemetry 事件資料生成更簡單、更可移植的 SQL 列名稱。

閱讀頁面

結構化事件與文字日誌

比較結構化事件和文字日誌,包括何時使用它們、它們在 SQL 中有何不同,以及如何避免重複遙測。

閱讀頁面

日誌、指標、追蹤和結構化事件

為除錯、趨勢、請求路徑和業務工作流程選擇正確的可觀測性訊號,而無需收集冗餘資料。

閱讀頁面

設計事件架構

為可靠的 SQL、儀表板、警示和模式演變建立穩定的事件名稱和型別欄位。

閱讀頁面

高基數字段

在 SQL、儀表板和分割區中有意使用使用者 ID、請求 ID、URL 和其他高基數事件欄位。

閱讀頁面

結構化事件的關聯 ID

使用安全關聯識別符號連線請求、作業、Webhook 和追蹤,同時避免敏感資料和不穩定的連線。

閱讀頁面

對事件中的敏感資料進行脫敏

透過許可名單和邊界級別控制,防止機密、個人資料和原始客戶內容進入結構化事件。

閱讀頁面

Telemetry 的 DataFusion SQL 參考

使用時間過濾器、條件聚合、百分位數、視窗、聯接和安全比率為 Telemetry 事件資料表編寫實用的 DataFusion SQL。

閱讀頁面

事件傳遞、冪等性和重複處理

設計結構化事件生成器以實現重試、重複交付、穩定的事件標識和可測量的攝取失敗。

閱讀頁面

批次處理、背壓與優雅關閉

選擇安全的批次大小、繫結遙測佇列、處理過載以及在應用程式關閉期間重新整理或保留待處理事件。

閱讀頁面

結構化 Telemetry 的事件取樣策略

減少遙測量,而不會使費率、百分位數、事件調查或客戶影響分析失效。

閱讀頁面

用於事件分析的多租戶身分建模

對帳戶、使用者、會話、匿名存取者和租戶邊界進行建模,而無需混合身分語義或暴露個人資料。

閱讀頁面

警示

從探索和查詢結果中的單系列時間圖表建立易於理解的閾值警示。

閱讀頁面

事件資料型別與可空性

選擇穩定的字串、數字、布林值、時間戳和巢狀事件欄位,以便架構在不破壞 SQL 的情況下不斷發展。

閱讀頁面

資料保留和刪除

計劃資料表保留、選擇性刪除、全資料表刪除以及結構化事件資料的驗證。

閱讀頁面

規範化寬事件

設計規範的廣泛事件,捕獲一個已完成的工作單元以及 SQL、除錯、儀表板和代理分析所需的上下文。

閱讀頁面

SQL 條件聚合

將 CASE 表示式與 COUNT、SUM 和 AVG 結合使用,根據結構化事件資料計算費率、細分和運營結果。

閱讀頁面

使用 SQL 對事件資料進行時間分桶

使用 date_trunc 或 date_bin 將結構化事件分組為完整的 UTC 時間間隔,然後比較費率和交易量,避免出現部分錯誤。

閱讀頁面

使用 SQL 計算延遲和分佈百分位數

計算 DataFusion SQL 中的近似 p50、p95 和 p99 值,並在不隱藏體積或分佈形狀的情況下解釋尾部延遲。

閱讀頁面

用於事件分析的 SQL 視窗函式

使用 LAG、ROW_NUMBER 和框架聚合來比較期間、刪除重複事件並計算滾動基線,而不會丟失行詳細資訊。

閱讀頁面

使用 SQL 對結構化事件去重

定義事件標識並使用 ROW_NUMBER 刪除重複的交付,而不會意外破壞有效的重試或重複的使用者操作。

閱讀頁面

SQL 漏斗分析

使用有條件的里程碑、明確的排序、群組視窗和可審查的轉化分母來建置帳戶級產品渠道。

閱讀頁面

使用 SQL 分析同期群留存

衡量使用者或帳戶是否在起始里程碑後返回,同時明確群組日期、活動視窗、身分和不完整時段。

閱讀頁面

生產環境指南

實施完整的產品、可靠性、人工智慧、計費、資料庫、安全性和報告工作流程。

結構化記錄指南

設計結構化應用程式事件,這些事件可以安全收集,易於使用 SQL 查詢,並且對儀表板、除錯和產品決策有用。

閱讀頁面

應用遙測實用指南

設計應用程式遙測,將結構化事件、日誌、指標和追蹤連線到可靠的 SQL、儀表板和警示。

閱讀頁面

按模型和功能追蹤 OpenAI API 成本

按型號、功能、團隊和結果追蹤 OpenAI API 成本。複製生產就緒的事件形狀和 SQL 查詢,然後將估算值與您的發票進行核對。

閱讀頁面

使用結構化事件和 SQL 評估 AI 代理

設計 AI 代理評估活動,將品質與成本和可靠性結合起來,並將版本與可審查的 SQL 和顯式分母進行比較。

閱讀頁面

透過結構化事件進行 AI 代理安全監控

使用有界事件和可審查的 SQL 監控代理工具授權、策略拒絕、人工批准和終端結果。

閱讀頁面

將 OpenTelemetry GenAI 追蹤連線到結果事件

將 OpenTelemetry 生成式 AI 追蹤與緊湊的 Telemetry 結果事件相關聯,無需複製提示、工具負載或完整範圍。

閱讀頁面

收入 A/B 測試

比較不同實驗變體中每個曝光訪客的收入,並量化提升,而不會被不平等的流量誤導。

閱讀頁面

監控網站正常執行時間

記錄計劃的心跳檢查以測量正常執行時間、調查事件並對重複故障發出警示。

閱讀頁面

佇列工作處理程序可觀測性

一起監控佇列深度和尾部延遲,以檢測積壓、卡住的工作人員和使用者可見的處理延遲。

閱讀頁面

視覺化分佈

使用百分位來揭示單個平均值可以隱藏的典型價值、長尾和高價值客戶群。

閱讀頁面

使用 SQL 測量轉化率

分析漏斗里程碑並計算使用者級轉化率,以便您可以定位流失情況,而無需重複計算重複事件。

閱讀頁面

分析網路伺服器錯誤

捕獲狀態、路由、發布和請求上下文,以便錯誤峰值導致特定的迴歸而不是通用計數。

閱讀頁面

程式碼執行效能分析

記錄步驟持續時間和執行上下文,以查詢瓶頸、比較執行並確定效能工作的優先順序。

閱讀頁面

匯出查詢結果

選擇同步 JSON 或非同步 JSON 和 Parquet 匯出、安全輪詢並保留下游報告的查詢上下文。

閱讀頁面

警示傳送和故障排除

驗證 Telemetry 警示查詢、時間段、閾值、收件人、評估歷史記錄和電子郵件傳送,而不會建立嘈雜的頁面。

閱讀頁面

事件攝取故障排除

透過檢查 HTTP 回應、API 金鑰範圍、有效負載形狀、資料表規範化、時間戳、模式、重試和新鮮度來診斷丟失或拒絕的 Telemetry 事件。

閱讀頁面

SQL 查詢故障排除

透過檢查 API 回應、資料表架構、DataFusion 語法、欄位型別、時間視窗、聯接、速率和非同步匯出狀態來系統地除錯 Telemetry SQL。

閱讀頁面

使用 SQL 回應故障

使用可重複的 SQL 工作流程來確定事件範圍、識別受影響的路線和發布、建置時間表並驗證結構化事件的恢復情況。

閱讀頁面

使用 SQL 進行資料庫可靠性監控

檢測安全的應用程式級資料庫事件並使用 SQL 調查慢速查詢指紋、池爭用、回滾、鎖定、複製滯後和遷移。

閱讀頁面

從臨時日誌遷移到結構化事件和 SQL

將生產工作流程從自由格式的日誌搜尋轉移到有界結構化事件、測試 SQL、儀表板和警示,而無需進行有風險的一次性切換。

閱讀頁面

使用 SQL 進行前端可靠性監控

檢測型別化瀏覽器效能事件,並使用 SQL 按路由和發布比較 Core Web Vitals,而無需收集原始頁面內容。

閱讀頁面

瀏覽器遙測代理與 Core Web Vitals

透過速率受限的伺服器代理收集註重隱私的瀏覽器事件和核心 Web Vitals,而不會暴露 Telemetry API 金鑰。

閱讀頁面

事件追蹤計劃和治理

建立具有明確粒度、所有權、欄位、隱私、驗證、保留和下游 SQL 依賴項的事件追蹤計劃。

閱讀頁面

在 CI 中測試 Telemetry 插樁

在 CI 中測試結構化事件合約、隱私邊界、交付失敗和 SQL 結果,而無需傳送生產資料或依賴於即時 API。

閱讀頁面

將 Telemetry 與 OpenTelemetry 配合使用

在 OpenTelemetry 追蹤、指標和日誌旁邊使用 Telemetry 結果事件,並具有安全相關 ID 和明確的訊號邊界。

閱讀頁面

Kubernetes 使用 SQL 進行可靠性監控

使用結構化 Kubernetes 工作負載事件和 SQL 來調查容器重新啟動、就緒性損失、部署更改和應用程式影響。

閱讀頁面

使用 SQL 進行安全稽核分析

設計有界特權操作事件並使用 SQL 來審查拒絕、失敗和人工審查佇列,而不會暴露秘密。

閱讀頁面

使用 SQL 進行產品旅程分析

對訂購產品里程碑進行建模,並使用 SQL 來衡量會話旅程的完成情況以及透過明確的計數規則逐步減少的情況。

閱讀頁面

遙測成本與資料量管理

在更改遙測收集合約之前測量事件計數、有效負載位元組、拒絕率、保留率和基數。

閱讀頁面

使用 SQL 進行客戶影響分析

將事件與隱私安全帳戶影響事件連線起來,並使用 SQL 按計劃計算受影響的帳戶、受影響的份額和影響持續時間。

閱讀頁面

使用 SQL 進行 RAG 評估

版本 RAG 評估事件並使用 SQL 比較跨管道版本的檢索相關性、接地答案、延遲和成本。

閱讀頁面

使用 SQL 進行功能推出分析

使用穩定的功能分配、發布上下文、請求量、錯誤和延遲,將控制和部署佇列與 SQL 進行比較。

閱讀頁面

使用 SQL 實現可觀測性與事件分析

瞭解結構化事件如何成為 SQL 就緒的可觀測性資料、哪些事件合約有效、如何查詢它們,以及 SQL 應在何處補充日誌、指標和追蹤。

閱讀頁面

將計劃的 SQL 報告傳送到 Slack

按計劃執行 Telemetry SQL 查詢,將結果格式化為簡潔的 Slack 訊息,保護 Webhook 憑據,並使交付失敗可觀察。

閱讀頁面

將 LogQL、KQL 和 SPL 查詢遷移到 SQL

將常見的 LogQL、Kusto 查詢語言和 Splunk SPL 分析模式轉換為可審查的 SQL,而無需假設語言或資料模型相同。

閱讀頁面

端到端 SaaS 可觀測性示範

執行一個發出結構化事件的小型 Node.js SaaS 工作流程,使用 SQL 查詢結果資料表,並將一個事件契約轉換為可靠性、產品和成本檢視。

閱讀頁面

Telemetry 資料攝取與查詢效能基準測試

執行可重複的、有界的 Telemetry API 基準測試,將客戶端計時與服務行為分開,發布測試條件,並避免不受支援的效能宣告。

閱讀頁面

使用 SQL 進行 SLI、SLO 和錯誤預算監控

使用 SQL 定義基於請求的服務指標,計算 SLO 合規性和錯誤預算消耗,並建置可審查的可靠性警示。

閱讀頁面

無需從 SQL 開始即可探索結構化事件

檢查事件樣本、應用型別過濾器、聚合欄位、建置圖表以及將經過審查的“探索”結果提升到儀表板或警示中。

閱讀頁面

AI 輔助 SQL:生成、審查和驗證查詢

將重點事件問題轉換為可編輯的 DataFusion SQL,然後審查模式假設、計數邏輯、隱私邊界和結果有效性。

閱讀頁面

儲存的查詢、歷史記錄、收藏夾和協作

在團隊工作區中組織審查的 SQL、保留查詢歷史記錄、使用個人收藏夾,並將穩定的結果提升到共享儀表板和警示中。

閱讀頁面

安全的移動應用遙測代理

透過經過身分驗證的伺服器代理路由 React Native、Swift、Kotlin 和 Flutter 事件,使攝取金鑰遠離應用程式二進位制檔案。

閱讀頁面

Telemetry 如何評估 SQL 警示

瞭解 Telemetry 如何評估已儲存的 SQL、選擇點、聚合值、記錄狀態轉換以及嘗試電子郵件傳送。

閱讀頁面