如何序列化OpenTelemetry Span以跨系统重启继续追踪？

核心思路是通过持久化Span上下文串联重启前后的操作链路——因为OpenTelemetry的Span是进程内临时对象，进程重启后会丢失，所以需要把关联Trace的关键信息存到外部存储，重启后恢复并衔接原链路。

1. 操作启动阶段：持久化Span上下文 #

• 创建初始Span后，提取核心上下文标识：trace_id、span_id、trace_flags、trace_state，这些是维系Trace链路的关键。
• 用业务唯一标识（比如配置任务ID）作为键，将序列化后的上下文（如JSON格式）存储到外部介质，比如本地文件、Redis或数据库。
• Python示例代码片段：

  from opentelemetry.trace import get_current_span
  import json
  
  # 创建初始化Span
  with tracer.start_as_current_span("machine_config_init") as span:
      task_id = "config_123"
      span.set_attribute("task_id", task_id)
      # 获取Span上下文
      span_context = span.get_context()
      # 序列化并存储（示例用本地文件，实际可替换为Redis等）
      context_data = {
          "trace_id": span_context.trace_id,
          "span_id": span_context.span_id,
          "trace_flags": span_context.trace_flags,
          "trace_state": span_context.trace_state.to_header()
      }
      with open(f"/tmp/config_task_{task_id}.json", "w") as f:
          json.dump(context_data, f)
  

2. 应用恢复阶段：重建并关联Trace #

• 应用启动时，检查是否存在未完成的配置任务（比如读取存储中的任务标识）。
• 根据任务ID取出上下文数据，重新构建SpanContext对象，基于此创建子Span，从而延续原Trace链路。
• Python示例代码片段：

  from opentelemetry.trace import SpanContext, TraceFlags, TraceState
  import json
  import os
  
  task_id = "config_123"
  # 读取保存的上下文
  with open(f"/tmp/config_task_{task_id}.json", "r") as f:
      context_data = json.load(f)
  
  # 重建SpanContext
  trace_state = TraceState.from_header(context_data["trace_state"])
  span_context = SpanContext(
      trace_id=context_data["trace_id"],
      span_id=context_data["span_id"],
      trace_flags=TraceFlags(context_data["trace_flags"]),
      trace_state=trace_state,
      is_remote=False
  )
  
  # 基于原上下文创建子Span，延续Trace链路
  with tracer.start_as_current_span("machine_config_continue", context=span_context) as span:
      span.set_attribute("task_id", task_id)
      span.set_attribute("stage", "post_restart")
      # 执行重启后的配置操作
      # ...
      # 操作完成后清理存储的上下文
      os.remove(f"/tmp/config_task_{task_id}.json")
  

3. 适配OpenTelemetry模型的建议 #

• 不要强行延续单个Span：OpenTelemetry的Span是有明确生命周期的进程内对象，进程退出后会被标记为结束，跨重启延续单个Span不符合设计规范。
• 用Trace串联多阶段操作：把重启前的初始化、重启后的收尾作为同一个Trace下的两个Span，链路追踪系统能完整展示整个操作流程，包括重启间隔。
• 补充阶段属性：在每个Span中添加stage（如pre_restart、post_restart）、task_status等属性，方便区分链路阶段。

4. 异常场景处理 #

• 若上下文存储丢失：创建新Trace并添加original_task_id属性，手动关联业务操作，避免链路断裂。
• 保证存储原子性：先完成Span创建，再执行上下文存储操作，避免出现"有任务但无Trace上下文"的情况。

内容的提问来源于stack exchange，提问作者RedBullet