v3.2 发布：OpenTelemetry 原生协议支持与采集器自动发现

版本概要

v3.2 是炬鲸 OBSERVE 上半年的主要版本，核心目标是把 OpenTelemetry 从「可对接」做到「原生」，并让采集层在动态环境里少一些手工配置。本版本共 3 个功能模块、2 个增强与 4 个修复。

新功能

1. OTLP 原生接入

之前 trace/metrics/logs 需要先经过一个独立的 OpenTelemetry Collector 做转换，再转发到 OBSERVE。v3.2 起，OBSERVE 网关直接暴露 OTLP 端口，应用侧可以跳过 Collector：

# 应用侧 OpenTelemetry SDK 配置
exporters:
  otlp:
    endpoint: "observe-gw.example.com:4317"
    protocol: grpc

改动点：

• 支持 OTLP/gRPC 与 OTLP/HTTP 两种传输。
• 数据不再经过中间层转换，延迟降低约 30%。
• 仍保留 Collector 兼容路径，已有部署无需改动，可逐步下线中间层。

2. 采集器自动发现

K8s 里每次上线新服务都要改采集器配置，是运维最烦的重复劳动。v3.2 的采集器监听 K8s API，新 Pod 创建时自动匹配采集规则：

discovery:
  enabled: true
  watch:
    - resource: pod
      labels:
        - "app"
        - "tier"
  rules:
    - match: "label[tier] == 'backend'"
      action: collect_logs

规则命中即采集，无需重启。主机侧同样支持按进程名自动发现新增服务进程。

3. 跨集群日志查询

日志检索支持跨多个后端（Elasticsearch / ClickHouse / 对象存储）的一次性查询，SQL 式语法自动下推，详见上一篇教程。

增强与修复

• 告警证据链：告警详情自动附带 Trace 查询、日志查询、变更关联三个链接。
• 错误指纹：按「异常类型 + 栈顶帧」聚合错误，标注首次出现时间与近 1h 次数。
• 修复：时区非 UTC 时跨天查询漏数据的问题；修复 ARM 环境下 eBPF 采集器偶发崩溃；修复 P95 聚合在 ClickHouse 冷数据上的精度偏差；修复升级后旧告警规则未迁移的问题。

升级步骤

升级前请先备份配置库，并按以下顺序操作：

1. 升级网关与查询服务（无状态，可滚动更新）。
2. 升级采集器（分批，观察数据连续性）。
3. 升级存储引擎（滚动重启，触发一次 rebalance）。

升级完成后执行一次 observe-cli doctor 校验：检查 OTLP 端口连通性、采样配置是否生效、跨集群查询是否路由正确。

已知问题

• 自动发现开启后，极端情况下（单节点 5000+ Pod）API watch 会带来额外 2~3% 的 API Server 负载，大规模集群建议调大 watch 重连间隔。
• OTLP/HTTP 下 gzip 压缩默认关闭，高吞吐场景建议手动开启。

完整变更记录见官网文档 changelog 页面。老版本用户建议在维护窗口内升级，升级过程预计 30~40 分钟。