使用**过于复杂的可观测性平台**,这些平台不理解您的代码或应用程序。
筛选**无尽的 print 语句**并解码日志中 Python 对象的隐晦表示。
**猜测特定函数的性能影响**,或应用程序的神秘减速。
无论您是在构建 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,但又非常普遍。
洞察
更快的修复,更深入的见解
Pydantic Logfire 基于 OpenTelemetry 构建 SDK,并提供结构化数据和直观的界面,可以轻松监控 Python 应用程序在各个层级的行为。使用最佳实践为您的应用程序添加监控,并获得强大的见解——无需聘用专门的分析或可观测性团队。
结构化数据和直接 SQL 访问
确保您的 Python 对象和结构化数据随时可以查询。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 和所有其他流行语言提供库,让您可以收集跟踪、日志和指标。
OTel 是一种强大的工具,越来越多的开发人员希望使用它,但它的设置可能很耗时,并且在它可以收集的数据类型方面存在限制。
Pydantic Logfire 汲取了 OTel 的精华(对流行 Python 包的监控,数据传输的开放标准),并使其更易于使用且更灵活。
通过利用 OpenTelemetry,Pydantic Logfire 为流行的 Python 包提供自动监控,支持跨语言数据集成,并支持将数据导出到任何与 OpenTelemetry 兼容的后端或代理。
Logfire 正在简化开发人员的生活
来自 Pydantic 的创建者 秉承相同的开发人员至上的理念
Pydantic Logfire 以开发人员体验为核心构建,将易用性、复杂性和生产力的完美平衡带到了开发领域,这使得 Pydantic 成为地球上最流行的数据验证库。无论您是第一次使用可观测性还是专家,我们都能让它变得简单。
使用 Pydantic Logfire 监控流经 Pydantic 的数据,获得超越通用可观测性平台的定制化体验。