3. OpenTelemetry Collector 架构：Receiver、Processor、Exporter、Pipeline 配置

OpenTelemetry Collector 是整个可观测性数据管道的核心引擎。在值班机器人故障诊断场景中，Collector 负责接收微服务、基础设施发出的遥测数据，对其进行过滤、增强、路由，最终发送到后端分析平台。理解 Collector 的四大组件——Receiver、Processor、Exporter 和 Pipeline——是构建可靠诊断链路的第一步。

3.1 整体架构概览

下图展示了单个 Collector 实例的内部数据流。Receiver 作为入口，Processor 作为中间处理层，Exporter 作为出口；Pipeline 定义了这三者的连接关系。

3.2 四大组件详解

3.2.1 Receiver — 数据入口

Receiver 负责从各种数据源接收遥测数据。每个 Receiver 对应一种协议或数据源类型。Collector 支持同时启用多个 Receiver，实现多源数据汇聚。

3.2.2 Processor — 数据处理引擎

Processor 是 Collector 最灵活的组件，负责在数据发送前执行过滤、采样、增强、路由等操作。Processor 按配置顺序串联执行，形成处理链。

3.2.3 Exporter — 数据出口

Exporter 将处理后的数据发送到一个或多个后端系统。Collector 支持同时配置多个 Exporter，实现数据扇出（Fan-out）到不同平台。

3.2.4 Pipeline — 组件编排器

Pipeline 是 Collector 配置的核心，它定义了哪些 Receiver、Processor、Exporter 组合在一起，以及数据在它们之间的流动顺序。一个 Collector 可以定义多个 Pipeline，每个 Pipeline 处理一种数据类型（traces / metrics / logs）。

以下是一个典型的 Pipeline 配置示例，用于故障诊断场景：

receivers:
  otlp:
    protocols:
      grpc:
        endpoint: 0.0.0.0:4317
      http:
        endpoint: 0.0.0.0:4318
  filelog:
    include: [ /var/log/containers/*.log ]

processors:
  memory_limiter:
    check_interval: 1s
    limit_mib: 512
  filter:
    error_mode: ignore
    traces:
      span:
        - 'attributes["http.status_code"] >= 400'
  attributes:
    actions:
      - key: environment
        value: "production"
        action: upsert
      - key: incident_id
        from_context: x-incident-id
        action: upsert
  batch:
    timeout: 1s
    send_batch_size: 1024

exporters:
  otlp:
    endpoint: "collector-central:4317"
    tls:
      insecure: true
  loki:
    endpoint: "http://loki:3100/loki/api/v1/push"

service:
  pipelines:
    traces:
      receivers: [otlp]
      processors: [memory_limiter, filter, attributes, batch]
      exporters: [otlp]
    logs:
      receivers: [otlp, filelog]
      processors: [memory_limiter, attributes, batch]
      exporters: [loki]

3.3 组件复用与数据路由

Collector 允许同一个 Receiver、Processor、Exporter 被多个 Pipeline 引用。这种复用机制减少了配置冗余，同时支持灵活的数据路由。下图展示了多 Pipeline 场景下的组件共享关系：

3.4 故障诊断场景下的 Pipeline 设计原则

• 数据隔离原则： Trace、Metric、Log 分别使用独立 Pipeline，避免不同类型数据互相干扰。每个 Pipeline 可独立配置 Processor 和 Exporter。
• 就近过滤原则： 在 Pipeline 入口处（Receiver 之后）立即执行 filter Processor，丢弃无关数据，减少后续处理压力。
• 故障标签注入： 使用 attributes Processor 在 Pipeline 中注入 incident_id、severity、team 等标签，便于值班机器人关联分析。
• 内存安全优先： 每个 Pipeline 的第一个 Processor 必须是 memory_limiter，防止突发流量导致 Collector OOM。
• 扇出与扇入： 使用多个 Exporter 实现数据扇出（一份数据发送到多个后端）；使用多个 Receiver 实现数据扇入（多个数据源汇聚到同一 Pipeline）。