Autor: [Tomasz Nowosielski](/autorzy/tomasz-nowosielski) Redaktor naczelny, analityk hostingu · Zweryfikowano Kwiecień 2026 1. [Strona główna](/) › 2. [Baza wiedzy](/baza-wiedzy/) › 3. OpenTelemetry — distributed tracing # OpenTelemetry — distributed tracing dla aplikacji na VPS Opublikowano: 10 kwietnia 2026 · Kategoria: VPS Gdy aplikacja webowa jest wolna, monitoring CPU i RAM rzadko wyjaśni dlaczego konkretne żądanie trwało 3 sekundy zamiast 200ms. Distributed tracing rozwiązuje ten problem: śledzi żądanie przez wszystkie mikroserwisy, bazy danych i zewnętrzne API, pokazując dokładnie gdzie czas jest tracony. OpenTelemetry to otwarty standard który pozwala instrumentować aplikację raz i wysyłać dane do dowolnego backendu — bez vendor lock-in. Ten artykuł pokazuje setup OTel z Node.js, Python, OpenTelemetry Collector i Jaeger jako backend. ## Koncepcja: traces, spans i context propagation Distributed tracing opiera się na trzech podstawowych konceptach: - **Trace** — pełna ścieżka jednego żądania przez system. Identyfikowany przez unikalny TraceID (128-bit hex). Może obejmować dziesiątki serwisów i setki operacji. - **Span** — pojedyncza operacja w ramach trace. Ma: nazwę, SpanID, czas start i end, atrybuty (np. `http.method=GET`, `db.statement=SELECT...`), status (OK/ERROR) i eventy (timestamped log entries wewnątrz spana). - **Context propagation** — mechanizm przekazywania TraceID i SpanID między serwisami przez nagłówki HTTP (`traceparent` w standardzie W3C TraceContext, `X-B3-TraceId` w Zipkin B3). Dzięki temu serwisy A, B, C piszą spany do tego samego trace. ## Uruchomienie Jaeger (backend do przechowywania traces) \# Jaeger all-in-one (do testow i dev, in-memory storage) docker run -d \\ --name jaeger \\ -p 16686:16686 \\ -p 4317:4317 \\ -p 4318:4318 \\ jaegertracing/all-in-one:latest # Porty: # 16686 - Jaeger UI (przegladarka) # 4317 - OTLP gRPC (odbiera traces z OTel Collector / SDK) # 4318 - OTLP HTTP # Sprawdz czy dziala curl http://localhost:16686/api/services ## Instrumentacja Node.js — automatic i manual OpenTelemetry dla Node.js oferuje automatic instrumentation — biblioteka automatycznie dodaje spany dla popularnych frameworków (Express, Fastify, HTTP, MySQL, PostgreSQL, Redis) bez zmian w kodzie aplikacji. \# Instalacja pakietow OTel dla Node.js npm install @opentelemetry/sdk-node \\ @opentelemetry/auto-instrumentations-node \\ @opentelemetry/exporter-trace-otlp-http # tracing.js - plik inicjalizacji (ladowany przed aplikacja) const { NodeSDK } = require('@opentelemetry/sdk-node'); const { getNodeAutoInstrumentations } = require('@opentelemetry/auto-instrumentations-node'); const { OTLPTraceExporter } = require('@opentelemetry/exporter-trace-otlp-http'); const exporter = new OTLPTraceExporter({ url: 'http://localhost:4318/v1/traces', }); const sdk = new NodeSDK({ traceExporter: exporter, instrumentations: \[getNodeAutoInstrumentations()\], serviceName: 'my-express-app', }); sdk.start(); // Uruchomienie z tracing.js zaladowanym przed aplikacja: // node --require ./tracing.js app.js // Lub w package.json scripts: // "start": "node --require ./tracing.js app.js" ## Instrumentacja Python — FastAPI i automatyczne spany \# Instalacja pip install opentelemetry-sdk \\ opentelemetry-exporter-otlp \\ opentelemetry-instrumentation-fastapi \\ opentelemetry-instrumentation-sqlalchemy \\ opentelemetry-instrumentation-httpx # main.py - inicjalizacja OTel from opentelemetry import trace from opentelemetry.sdk.trace import TracerProvider from opentelemetry.sdk.trace.export import BatchSpanProcessor from opentelemetry.exporter.otlp.proto.http.trace\_exporter import OTLPSpanExporter from opentelemetry.instrumentation.fastapi import FastAPIInstrumentor # Konfiguracja provider i exporter provider = TracerProvider() exporter = OTLPSpanExporter(endpoint="http://localhost:4318/v1/traces") provider.add\_span\_processor(BatchSpanProcessor(exporter)) trace.set\_tracer\_provider(provider) app = FastAPI() FastAPIInstrumentor.instrument\_app(app) # Auto-instrument FastAPI # Reczne spany (manual instrumentation) tracer = trace.get\_tracer(\_\_name\_\_) @app.get("/items/{item\_id}") async def get\_item(item\_id: int): with tracer.start\_as\_current\_span("get\_item\_from\_db") as span: span.set\_attribute("item.id", item\_id) # ... kod return {"id": item\_id} ## OpenTelemetry Collector — centralne przetwarzanie danych OTel Collector to middleware między aplikacjami a backendami. Aplikacje wysyłają traces do Collectora, który je przetwarza (filtruje, próbkuje, enriches) i przekazuje do jednego lub wielu backendów. Zmiana backendu wymaga tylko zmiany konfiguracji Collectora, nie kodu aplikacji. \# otel-collector-config.yaml receivers: otlp: protocols: grpc: endpoint: 0.0.0.0:4317 http: endpoint: 0.0.0.0:4318 processors: batch: timeout: 1s send\_batch\_size: 1024 # Probkowanie: zachowaj 10% traces probabilistic\_sampler: sampling\_percentage: 10 exporters: otlp: endpoint: jaeger:4317 tls: insecure: true # Rownoczesny eksport do Grafana Tempo otlp/tempo: endpoint: tempo:4317 tls: insecure: true service: pipelines: traces: receivers: \[otlp\] processors: \[batch, probabilistic\_sampler\] exporters: \[otlp, otlp/tempo\] --- # docker-compose.yml fragment services: otel-collector: image: otel/opentelemetry-collector-contrib:latest volumes: - ./otel-collector-config.yaml:/etc/otelcol-contrib/config.yaml ports: - "4317:4317" - "4318:4318" ## Porównanie backendów dla traces Backend Typ Storage Koszt Integracja Grafana Jaeger Self-hosted OSS In-memory / Elasticsearch / Cassandra Darmowy (self-hosted) Plugin Jaeger datasource Grafana Tempo Self-hosted OSS Lokalne bloki / S3 / GCS Darmowy (self-hosted) Natywna integracja Zipkin Self-hosted OSS In-memory / MySQL / Elasticsearch Darmowy (self-hosted) Plugin Zipkin datasource Datadog APM SaaS Chmura Datadog Od 31 USD/host/msc Osobna platforma Grafana Cloud SaaS (managed Tempo) Chmura Grafana Darmowy (50 GB traces/msc) Natywna (Grafana Cloud) ## Najczęstsze pytania Czym jest OpenTelemetry i do czego służy? + OpenTelemetry (OTel) to open-source'owy framework i standard do zbierania danych obserwacyjności (observability): traces (rozproszone śledzenie żądań), metrics (metryki) i logs. OTel definiuje wspólne API i biblioteki do instrumentacji aplikacji w różnych językach (Node.js, Python, Java, Go, PHP). Dane wysyłane są do OpenTelemetry Collector, który je przetwarza i przekazuje do backendów (Jaeger, Zipkin, Grafana Tempo, Datadog, OTLP). Czym jest trace i span w OpenTelemetry? + Trace to pełna ścieżka żądania przez system od początku do końca. Span to pojedyncza operacja w ramach trace — np. zapytanie SQL, wywołanie HTTP, przetwarzanie w kolejce. Każdy span ma: nazwę, czas start/end, atrybuty (klucz-wartość), status i opcjonalnie eventy. Spany są ze sobą powiązane przez parent-child relationship i propagowane między serwisami przez nagłówki HTTP (B3, W3C TraceContext). Trace ID łączy wszystkie spany jednego żądania. Jaka jest różnica między OpenTelemetry a Datadog APM? + OpenTelemetry to open-source standard i SDK — możesz instrumentować aplikacje raz i wysyłać dane do dowolnego backendu (Jaeger, Tempo, Datadog, New Relic). Datadog APM to zamknięta platforma SaaS z własnym agentem i własnym protokołem. Instrumentacja Datadog-specific wiąże Cię z tym dostawcą. Zaleta Datadoga to łatwiejszy setup i bogaty UI. Zaleta OTel to vendor lock-in freedom i możliwość self-hosting backendów (Jaeger, Grafana Tempo) bez płatnych SaaS. Ile pamięci RAM potrzebuje Jaeger lub Grafana Tempo? + Jaeger w trybie all-in-one (do testów, in-memory storage) zużywa 200-500 MB RAM. Jaeger produkcyjny z Elasticsearch/Cassandra backend wymaga 2+ GB RAM dla backendów. Grafana Tempo z lokalnym storage (bloki na dysku) działa od ok. 500 MB RAM dla małego ruchu. Dla kilkunastu mikrousług i milionów spanów dziennie zalecane jest 4-8 GB RAM na cały stos observability (Tempo + Grafana + Prometheus). Dla testów na VPS 2 GB RAM wystarczy Jaeger all-in-one. Czy OpenTelemetry spowalnia aplikację? + Narzut OpenTelemetry jest minimalny przy domyślnej konfiguracji. Automatic instrumentation (bez zmian w kodzie) dodaje zwykle 1-5% narzut CPU i kilkadziesiąt milisekund dla bardzo krótkich operacji. Możesz kontrolować próbkowanie (sampling) — np. śledź tylko 10% żądań (TraceIdRatioBased sampler) lub tylko wolne żądania (parent-based sampling). W produkcji typowy setup to 1-10% sampling, co redukuje narzut do poniżej 1%. ## Sprawdź oferty pasujące do tego scenariusza Poniżej masz szybkie przejścia do ofert i stron z kodami rabatowymi tam, gdzie są dostępne. Contabo VPS z dużą pamięcią RAM do uruchomienia Jaeger + OTel Collector + Grafana 4 GB+ RAM [Aktywuj rabat →](/out/contabo) #Reklama · link partnerski [Zobacz kod rabatowy →](/kody-rabatowe/contabo) ProSerwer.pl Polski VPS do self-hosted observability stack z RODO compliance Polski VPS [Aktywuj rabat →](/out/proserwer-pl) #Reklama · link partnerski [Zobacz kod rabatowy →](/kody-rabatowe/proserwer) Mikr.us Budżetowy VPS do testów OTel i Jaeger all-in-one Dev/Test [Aktywuj rabat →](/out/mikrus) #Reklama · link partnerski [Zobacz kod rabatowy →](/kody-rabatowe/mikrus) ## Powiązane strony - [Grafana + Prometheus — monitoring serwera VPS](/baza-wiedzy/monitoring-grafana-prometheus) - [Grafana Loki — agregacja logów z Promtail](/baza-wiedzy/loki-grafana-logi) - [Fluent Bit — lekki agent do forwarding logów](/baza-wiedzy/fluent-bit-log-forwarding) - [Wszystkie artykuły](/baza-wiedzy/)