opentelemetry · julianobarbosa — скилл для Claude Code: что делает и как установить
Скилл по OpenTelemetry: помогает агенту настроить коллектор, развернуть его в Kubernetes и связать приёмники, процессоры и экспортёры в рабочие пайплайны.
MIT 135 установок ★ 17 обновлён 2026-10-14
npx skills add julianobarbosa/claude-code-skills --skill opentelemetry -a claude-codeЧто делает opentelemetry
Скилл ведёт агента по внедрению OpenTelemetry в Kubernetes: развернуть коллектор через Helm, описать приёмники, процессоры и экспортёры, собрать из них пайплайны для трейсов, метрик и логов. Внутри — рабочий YAML с otlp на портах 4317 и 4318, memory_limiter, batch, выгрузкой в Prometheus и Loki, плюс пример обогащения телеметрии атрибутами подов через k8sattributes.
Отдельный раздел разбирает три режима развёртывания — DaemonSet, Deployment и sidecar — и что выбирать под сбор на уровне ноды или централизованный шлюз. Для проверки есть команды kubectl и otelcol validate --config=config.yaml.
Среди подводных камней главный — порядок процессоров: memory_limiter должен идти до batch, иначе при нехватке памяти батчи пропадают без обратного давления. Ещё скилл предупреждает про двойной учёт трейсов, когда авто- и ручная инструментация работают вместе, и про то, что заголовки B3 сами не превращаются в W3C traceparent.
Какие задачи решает
- собрать пайплайн трейсов, метрик и логов в одном конфиге коллектора
- развернуть OTEL Collector в Kubernetes через Helm
- обогатить телеметрию именами подов и неймспейсов
- выбрать между DaemonSet, Deployment и sidecar
- проверить конфиг коллектора до выкатки
Примеры запросов агенту
- Разверни OTEL Collector в неймспейсе
monitoringв режиме daemonset и включи сбор логов и метрик хоста. - Собери конфиг коллектора:
otlpна 4317 и 4318,memory_limiterпередbatch, метрики в Prometheus. - Почему рвутся трейсы между сервисами, если часть из них шлёт B3, а часть W3C
traceparent?
Как установить opentelemetry
1Через Skills CLI (Vercel)
npx skills add julianobarbosa/claude-code-skills --skill opentelemetry -a claude-code2Вручную: положить файлы
~/.claude/skills/opentelemetry/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/opentelemetry/
1Через Skills CLI (Vercel)
npx skills add julianobarbosa/claude-code-skills --skill opentelemetry -a codex2Вручную: положить файлы
.agents/skills/opentelemetry/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add julianobarbosa/claude-code-skills --skill opentelemetry -a cursor2Вручную: положить файлы
.cursor/skills/opentelemetry/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install julianobarbosa/claude-code-skills skills/opentelemetry2Вручную: положить файлы
.github/skills/opentelemetry/SKILL.md1Через Skills CLI (Vercel)
npx skills add julianobarbosa/claude-code-skills --skill opentelemetry -a gemini-cli2Командой платформы
gemini skills install https://github.com/julianobarbosa/claude-code-skills --path skills/opentelemetryВручную: положить файлы
.devin/skills/opentelemetry/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add julianobarbosa/claude-code-skills --skill opentelemetry -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы об opentelemetry
Как установить opentelemetry в Claude Code?
Выполните npx skills add julianobarbosa/claude-code-skills --skill opentelemetry -a claude-code. Файл скилла появится по пути ~/.claude/skills/opentelemetry/SKILL.md.
Что делает скилл opentelemetry?
Помогает агенту писать конфигурацию коллектора и разворачивать его в кластере: приёмники, процессоры, экспортёры, режимы DaemonSet, Deployment и sidecar, а также команды проверки.
Почему важен порядок memory_limiter и batch?
Если batch стоит раньше memory_limiter, при нехватке памяти батчи отбрасываются без обратного давления. Скилл требует ставить лимитер впереди.
Исходный текст
SKILL.md · MIT
---
name: opentelemetry
description: Implement OpenTelemetry (OTEL) observability - Collector configuration, Kubernetes deployment, traces/metrics/logs pipelines, instrumentation, and troubleshooting. Use when working with OTEL Collector, telemetry pipelines, observability infrastructure, or Kubernetes monitoring.
---
# OpenTelemetry Implementation Guide
## Overview
OpenTelemetry (OTel) is a vendor-neutral observability framework for instrumenting, generating, collecting, and exporting telemetry data (traces, metrics, logs). This skill provides guidance for implementing OTEL in Kubernetes environments.
## Quick Start
### Deploy OTEL Collector on Kubernetes
```bash
# Add Helm repo
helm repo add open-telemetry https://open-telemetry.github.io/opentelemetry-helm-charts
helm repo update
# Install with basic config
helm install otel-collector open-telemetry/opentelemetry-collector \
--namespace monitoring --create-namespace \
--set mode=daemonset
```
### Send Test Data via OTLP
```bash
# gRPC endpoint: 4317, HTTP endpoint: 4318
curl -X POST http://otel-collector:4318/v1/traces \
-H "Content-Type: application/json" \
-d '{"resourceSpans":[]}'
```
## Core Concepts
**Signals**: Three types of telemetry data:
- **Traces**: Distributed request flows across services
- **Metrics**: Numerical measurements (counters, gauges, histograms)
- **Logs**: Event records with structured/unstructured data
**Collector Components**:
- **Receivers**: Accept data (OTLP, Prometheus, Jaeger, Zipkin)
- **Processors**: Transform data (batch, memory_limiter, k8sattributes)
- **Exporters**: Send data (prometheusremotewrite, loki, otlp)
- **Extensions**: Add capabilities (health_check, pprof, zpages)
## Collector Configuration
### Basic Pipeline Structure
```yaml
config:
receivers:
otlp:
protocols:
grpc:
endpoint: ${env:MY_POD_IP}:4317
http:
endpoint: ${env:MY_POD_IP}:4318
processors:
batch:
timeout: 10s
send_batch_size: 1024
memory_limiter:
check_interval: 5s
limit_percentage: 80
spike_limit_percentage: 25
exporters:
prometheusremotewrite:
endpoint: "http://prometheus:9090/api/v1/write"
loki:
endpoint: "http://loki:3100/loki/api/v1/push"
service:
pipelines:
metrics:
receivers: [otlp]
processors: [memory_limiter, batch]
exporters: [prometheusremotewrite]
logs:
receivers: [otlp]
processors: [memory_limiter, batch]
exporters: [loki]
traces:
receivers: [otlp]
processors: [memory_limiter, batch]
exporters: [otlp/tempo]
```
### Kubernetes Attributes Enrichment
```yaml
processors:
k8sattributes:
auth_type: "serviceAccount"
passthrough: false
filter:
node_from_env_var: ${env:K8S_NODE_NAME}
extract:
metadata:
- k8s.pod.name
- k8s.namespace.name
- k8s.deployment.name
- k8s.node.name
```
## Deployment Modes
| Mode | Use Case | Pros | Cons |
|------|----------|------|------|
| DaemonSet | Node-level collection | Full coverage, host metrics | Higher resource usage |
| Deployment | Centralized gateway | Scalable, easier management | Single point of failure |
| Sidecar | Per-pod collection | Isolated, fine-grained | Resource overhead per pod |
## Common Patterns
### Development Environment
- Enable debug exporter for visibility
- Lower resource limits (250m CPU, 512Mi memory)
- Include spot instance tolerations for cost savings
### Production Environment
- Implement sampling (10-50% for traces)
- Higher batch sizes (2048-4096)
- Enable autoscaling and PodDisruptionBudget
- Use TLS for all endpoints
## Detailed References
For in-depth guidance, see:
- **Collector Configuration**: [COLLECTOR.md](references/COLLECTOR.md)
- **Kubernetes Deployment**: [KUBERNETES.md](references/KUBERNETES.md)
- **Troubleshooting**: [TROUBLESHOOTING.md](references/TROUBLESHOOTING.md)
- **Instrumentation**: [INSTRUMENTATION.md](references/INSTRUMENTATION.md)
## Validation Commands
```bash
# Check collector pods
kubectl get pods -n monitoring -l app.kubernetes.io/name=otel-collector
# View collector logs
kubectl logs -n monitoring -l app.kubernetes.io/name=otel-collector --tail=100
# Test OTLP endpoint
kubectl run test-otlp --image=curlimages/curl:latest --rm -it -- \
curl -v http://otel-collector.monitoring:4318/v1/traces
# Validate config syntax
otelcol validate --config=config.yaml
```
## Key Helm Chart Values
```yaml
mode: "daemonset" # or "deployment"
presets:
logsCollection:
enabled: true
hostMetrics:
enabled: true
kubernetesAttributes:
enabled: true
kubeletMetrics:
enabled: true
useGOMEMLIMIT: true
resources:
limits:
cpu: 500m
memory: 1Gi
requests:
cpu: 100m
memory: 256Mi
```
---
## Gotchas
- **Collector tail_sampling at end of pipeline doesn't release inflight buffer** — drop decisions made late still hold memory; OOM under load.
- **Auto-instrumentation + manual instrumentation can double-count traces** — pick one strategy per service or de-dupe explicitly via sampler.
- **Context propagation**: HTTP B3 vs W3C `traceparent` headers don't auto-convert; mixed environments silently break trace continuity.
- **OTel SDK vs Collector protocol versions**: minor version mismatches can drop attributes silently (especially semantic-convention attributes).
- **Resource detection** adds platform attributes (`cloud.account.id`, `host.id`) that bloat traces — disable when not used for routing.
- **Batch processor + memory limiter ordering**: limiter must precede batch in the pipeline or memory pressure causes batch drops without backpressure.
© julianobarbosa · MIT · julianobarbosa/claude-code-skills
Похожие скиллы
Все скиллы по теме «DevOps и инфраструктура» →Сначала — opentelemetry от других авторов.