DataBuff v0.1.8 发布 · 日志详情钉 log_id + GenAI Trace 可读

iris228

DataBuff 是一款面向云原生与微服务场景的开源 AI Native OpenTelemetry APM，采用 OTLP 标准接入、Apache Doris 统一存储，Web 端提供拓扑 / Trace / 指标与多 Agent 排障。项目已在 OSCHINA 软件库收录：https://www.oschina.net/p/databuff

今天，DataBuff 正式发布 v0.1.8。相对 v0.1.7 共 32 个提交，含 Schema 迁移 V008（log_dc_record 增加 ingest 生成的 log_id，schema_version 升至 8）。这版没有整页新功能，多数是用过的人会碰到的坑：日志详情点开对不上列表、LLM Trace 里 prompt 是 \uXXXX 转义串、fat-jar 里远程 MCP 工具起不来。另外登录页脚和侧栏能显示 Maven 打进去的真实版本号。




登录页脚就是 Maven 打进去的 0.1.8。登录后侧栏用户菜单是同一串号，对 issue 时用这个，不要只报镜像 tag。



本版本亮点摘要

•
日志详情钉 log_id（GitHub #73）：OTel 日志没有稳定逐条 id，ingest 为每条记录生成 32 位 hex 写入 log_id。详情按这条 id 取行。原先 time_ns 在 DUPLICATE KEY 表上不唯一，高吞吐时 WHERE time_ns = ? LIMIT 1 会点到别人的行。老数据 log_id 为空，仍按 time_ns（有服务时加 service_id）查。









•
GenAI / LLM Trace 可读：属性名以 gen_ai. / gen.ai. / llm. 开头的 span，查询时解码 \uXXXX，prompt 和 completion 按原文显示。无这些前缀的普通 span 不动。






•
产品版本号：登录页脚和侧栏用户菜单读取 Maven build-info，排障时用这个号，不要只报镜像 tag。

•
远程 MCP：fat-jar 里补上 MCP JSON SPI，远程 SSE / Streamable HTTP 工具能被 LLM 对话真正调到。

•
ResourceIgnoreFilter：ingest.trace.ignore-resources / ignore-resource-regex 真正绑到过滤 Bean，按资源名或正则丢掉的 span 会生效。

•
SkyWalking SQL 标准化：ingest 侧把 SW SQL 按既有规则归一，和 OTel 路径口径一致。

•
服务实例 Top 5：服务详情「基础信息」切到「按实例排行Top5」，排行按 service_instance 分组。






•
Trace / 日志柱状图筛选：点柱筛选可开关、可重置。

•
文档：补了 Nginx / eBPF 接入手册（手册，不是本版新做探活产品或自研 eBPF Agent）。


安装与升级

•
新用户：

1. 
   
2. curl -fsSL https://databuff.ai/databuff/ai-apm-install.sh | bash
   

复制代码

•
现有用户升级（保留 data/）：

1. 
   
2. curl -fsSL https://databuff.ai/databuff/ai-apm-update.sh | bash
   

复制代码

本版含 V008 Schema 迁移，升级脚本自动执行。请先跑完迁移再滚 web / ingest（新 Web 会 SELECT log_id）。K8s 本版不支持原地升级。详见 deploy/docker/UPGRADE.md。
链接

•
GitHub：https://github.com/databufflabs/databuff

•
Release：https://github.com/databufflabs/databuff/releases/tag/v0.1.8

•
文档：https://databuff.ai/docs/zh/product/intro

原文链接

otter_mega_44

mark 一下，回头补上id的实践经验。

quantum813

已阅，受益匪浅，楼主加油更新。

phoenix_hyper_69

写得不错，DataBuff那部分说到点子上了，顶一个。

solar958

关于log这块最近也在看，楼主这篇比搜到的大部分教程都实在。

calm_alpha

补充一点个人体会：id这块不同场景下表现差异挺大的，选型还是要结合自己的业务。

salmon_neo_86

支持一下，希望后面多写写log相关的实战内容。