使用过于复杂的可观测性平台,这些平台不了解您的代码或应用程序。
筛选无休止的打印语句,并解码日志中 Python 对象的隐晦表示。
猜测特定函数带来的性能影响,或应用程序神秘的减速。
无论您是构建 AI 工具还是任何其他基于云的应用程序,这些令人沮丧的情况都是可以避免的,但又非常真实。
洞察
更快的修复,更深入的洞察
借助构建于 OpenTelemetry 之上的 SDK、结构化数据和直观的界面,Pydantic Logfire 使监控 Python 应用程序的行为在各个层面都变得容易。使用最佳实践来检测您的应用程序,并获得强大的洞察力——无需聘请专门的分析或可观测性团队。
结构化数据 & 直接 SQL 访问
确保您的 Python 对象和结构化数据已准备好进行查询。使用 Pandas、SQLAlchemy 或 psql 等工具进行查询,与 BI 软件无缝集成,并利用 AI 生成 SQL。
SELECT
attributes->>'campaign' as campaign,
count(distinct attributes->>'track_id') as clicks,
round(count(distinct attributes->>'track_id')::numeric/50*100, 2) as click_rate
FROM records
WHERE
span_name = 'Click on {campaign}' and
attributes->>'campaign' ilike 'c%'
GROUP BY attributes->>'campaign'
import logfire
logfire.configure()
name = 'world'
logfire.info(f'Hello, {name}!')
# ^ Equivalent to:
# logfire.info('Hello, {name}!', name=name)
advantages = 'timing', 'context', 'exception capturing'
with logfire.span(f'spans provide: {advantages}'):
logfire.warn('the next line will raise an exception')
1 / 0
OpenTelemetry
OpenTelemetry (OTel) 是一个开源的可观测性框架,它为 Python 和所有其他流行的语言提供库,让您可以收集跟踪、日志和指标。
OTel 是一个强大的工具,越来越多的开发人员希望使用它,但设置起来可能很耗时,并且在可以收集的数据类型方面受到限制。
Pydantic Logfire 吸收了 OTel 的精华(针对流行的 Python 包的检测、数据传输的开放标准),并使其更易于使用和更灵活。
通过利用 OpenTelemetry,Pydantic Logfire 为流行的 Python 包提供自动检测,实现跨语言数据集成,并支持将数据导出到任何兼容 OpenTelemetry 的后端或代理。
Logfire 已经在让开发人员的生活更轻松
来自 Pydantic 的创建者, 秉承同样的开发者执着精神
Pydantic Logfire 以开发者体验为核心构建,带来了与 Pydantic 相同的易用性、精细性和生产力平衡,这使得 Pydantic 成为地球上最流行的数据验证库。无论您是首次使用可观测性还是专家,我们都让它变得容易。
使用 Pydantic Logfire 监控流经 Pydantic 的数据,以获得超越通用可观测性平台的定制体验。