OpenTelemetry — trace, metrik & korelasi

Log memberi tahu apa yang terjadi; metrik memberi tahu seberapa sering; trace memberi tahu di mana waktunya habis. Untuk sistem yang punya beberapa lapisan, ketiganya harus bisa saling dirujuk.

Menyiapkannya

func SiapkanOtel(ctx context.Context, cfg config.Config) (func(context.Context) error, error) {
	res, err := resource.New(ctx,
		resource.WithAttributes(
			semconv.ServiceName("toko-api"),
			semconv.ServiceVersion(versi),
			semconv.DeploymentEnvironment(cfg.Env),
		))
	if err != nil {
		return nil, err
	}

	eksportir, err := otlptracegrpc.New(ctx,
		otlptracegrpc.WithEndpoint(cfg.OtelEndpoint))
	if err != nil {
		return nil, err
	}

	tp := sdktrace.NewTracerProvider(
		sdktrace.WithBatcher(eksportir),
		sdktrace.WithResource(res),
		// Ambil 10% trace, TAPI kalau induknya sudah diambil, ikut diambil —
		// supaya satu permintaan tidak terpotong separuh.
		sdktrace.WithSampler(
			sdktrace.ParentBased(sdktrace.TraceIDRatioBased(0.1))),
	)
	otel.SetTracerProvider(tp)
	otel.SetTextMapPropagator(propagation.TraceContext{})

	return tp.Shutdown, nil    // dipanggil saat shutdown (Fase 5)
}

Instrumentasi otomatis

// Server HTTP: satu pembungkus, semua permintaan ter-trace
handler := otelhttp.NewHandler(mux, "server",
	otelhttp.WithSpanNameFormatter(func(_ string, r *http.Request) string {
		// POLA rute, bukan URL mentah — kalau tidak, kamu dapat
		// satu juta nama span unik.
		return r.Method + " " + chi.RouteContext(r.Context()).RoutePattern()
	}))

// Klien HTTP: konteks trace ikut ke layanan tujuan
klien := &http.Client{
	Transport: otelhttp.NewTransport(tr),
	Timeout:   10 * time.Second,
}

// Database: setiap kueri jadi span sendiri
db, err := otelsql.Open("pgx", dsn,
	otelsql.WithAttributes(semconv.DBSystemPostgreSQL))

Span manual untuk bagian yang penting

func (l *Layanan) Beli(ctx context.Context, id int64, jumlah int) error {
	ctx, span := tracer.Start(ctx, "produk.Beli",
		trace.WithAttributes(
			attribute.Int64("produk.id", id),
			attribute.Int("jumlah", jumlah),
		))
	defer span.End()

	if err := l.simpan.Kurangi(ctx, id, jumlah); err != nil {
		span.RecordError(err)
		span.SetStatus(codes.Error, "gagal mengurangi stok")
		return err
	}

	span.SetAttributes(attribute.Bool("stok.cukup", true))
	return nil
}

Menghubungkan log dengan trace

// Handler slog yang menarik trace_id dari context (Fase 5)
func (h handlerKonteks) Handle(ctx context.Context, r slog.Record) error {
	if sc := trace.SpanContextFromContext(ctx); sc.IsValid() {
		r.AddAttrs(
			slog.String("trace_id", sc.TraceID().String()),
			slog.String("span_id", sc.SpanID().String()))
	}
	return h.Handler.Handle(ctx, r)
}

Alur investigasi yang jadi mungkin:

  Alarm p95 naik
    → dasbor: endpoint mana?
    → trace: di mana waktunya habis? (kueri X 4,2 detik)
    → filter log dengan trace_id itu → detail lengkap permintaannya
    → EXPLAIN kueri X → index hilang

Metrik yang benar-benar dipakai

Sampling

Alarm yang layak dipasang

1. Laju error 5xx > 1% selama 5 menit.
2. p95 latensi > 2× baseline selama 10 menit.
3. Pool database: WaitCount > 0 secara berkelanjutan.
4. Kedalaman antrean atau umur job tertua melewati ambang.
5. Memori task > 85% dari batas.
6. Rasio hit CDN turun tiba-tiba — biasanya deploy yang mengubah header.
7. Isi DLQ > 0.