如何修改云函数默认的OpenTelemetry导出器

问题描述 #

默认情况下，cloud functions会生成可在Cloud Trace中查看的span。如果调用函数时携带opentelemetry头，对应远程链路将按预期完成传播。
我在函数中新增额外的opentelemetry埋点后，若使用cloud trace导出器，所有功能运行正常；若更换导出器，我手动埋点的span会被发送至新的导出器，但默认生成的span仍会上传到Cloud Trace，导致我的链路出现缺口。
看起来cloud functions自带的导出器无法通过opentelemetry环境变量进行配置。
是否有人成功实现过默认span的路由重定向，或是通过某种方式绕过了默认导出逻辑？

核心原因 #

Cloud Functions运行时默认会内置初始化一套绑定了Cloud Trace导出器的OpenTelemetry instrumentation，这套初始化逻辑的优先级高于通用OpenTelemetry环境变量配置，因此仅自定义手动埋点的导出器时，只会影响手动生成的span，内置埋点生成的默认span还是会走原有导出路径上报到Cloud Trace。

可行解决方案 #

• 方案1：禁用内置链路追踪逻辑，全量使用自定义OTel配置
  在云函数的环境变量配置中添加DISABLE_GOOGLE_TRACING=true，该变量会直接关闭运行时自带的链路埋点和导出逻辑，之后只需在函数全局作用域正常初始化自定义OpenTelemetry SDK、绑定对应导出器即可，所有链路（包括原默认生成的请求/响应span）都会走自定义导出链路。
  注意需保留和原逻辑一致的传播器配置，比如同时支持tracecontext和x-cloud-trace-context格式，避免上游链路头解析失败导致链路断裂。
• 方案2：覆盖全局TracerProvider
  若不想完全禁用内置的埋点能力，可在函数冷启动阶段（全局作用域）优先初始化自定义的TracerProvider，绑定目标导出器之后调用setGlobalTracerProvider方法将其注册为全局实例，运行时内置的instrumentation生成span时会优先使用全局的TracerProvider，进而将所有span导出到指定的目标端。
  该方案的优势是不需要修改内置埋点逻辑，仅替换导出路径即可。
• 方案3：自定义SpanProcessor转发span
  若上述两种方案都不适用，可获取当前全局的TracerProvider，新增自定义SpanProcessor，将所有生成的span（包括内置埋点生成的默认span）统一转发到目标导出器，同时可以选择移除内置的Cloud Trace导出器对应的SpanProcessor，避免span重复上报到Cloud Trace。

Python示例代码 #

# 全局作用域初始化，请勿放在请求处理函数内
from opentelemetry import trace
from opentelemetry.sdk.trace.export import BatchSpanProcessor
from opentelemetry.exporter.otlp.proto.grpc.trace_exporter import OTLPSpanExporter

# 初始化自定义导出器
custom_exporter = OTLPSpanExporter(endpoint="http://your-otel-collector:4317")
custom_processor = BatchSpanProcessor(custom_exporter)

# 获取当前全局TracerProvider，添加自定义处理器
trace_provider = trace.get_tracer_provider()
trace_provider.add_span_processor(custom_processor)

# 可选：移除内置的Cloud Trace处理器，避免重复上报
# for processor in trace_provider._active_span_processors:
#     if hasattr(processor, "exporter") and "CloudTrace" in str(processor.exporter.__class__):
#         trace_provider._active_span_processors.remove(processor)

内容的提问来源于stack exchange，提问作者Ben Campbell