Einheitliche Schema-Referenz der Spurtabelle

Die einheitliche Trace-Tabelle folgt dem OpenTelemetrie-Span-Datenmodell. Jede Reihe hat eine Span. Die Tabelle ist durch timegruppiert.

Kolumne Description Typ
record_id Eindeutige Kennung für diese Tabellenzeile. STRING
time Zeitstempel, als die Spanne aufgezeichnet wurde. TIMESTAMP
date UTC-Datum, an dem die Spannweite aufgezeichnet wurde. Nützlich für das Trennen von Partitionen. DATE
service_name Name des Unity-Gateway-Dienstes (Endpunktname). STRING
service_id Kennung für den in genannten service_nameDienst . STRING
trace_id Identifikator, der von allen Spannen in einem einzigen Anforderungsbaum geteilt wird. Filtere darauf, um eine vollständige Spur zu rekonstruieren. STRING
span_id Eindeutige Kennung für diesen Zeitraum. STRING
trace_state OpenTelemetrie-Headerwert tracestate , falls vorhanden. STRING
parent_span_id span_id der Elternspanne. NULL für Root Spans (eine pro Anfrage). STRING
flags OpenTelemetry Trace flaggt Bitmask. INT
name Menschlich lesbarer Spanname, zum Beispiel my-endpoint-mlflow/v1/chat/completions. STRING
kind Span-Typ: SPAN_KIND_SERVER (Root, einer pro Anfrage) oder SPAN_KIND_CLIENT (Downstream-Anruf). STRING
start_time_unix_nano Startzeit in Nanosekunden seit der Unix-Epoche. BIGINT
end_time_unix_nano Spannzeit in Nanosekunden seit der Unix-Epoche. BIGINT
attributes Span-Attribute als VARIANT-Objekt. Schlüsselnamen enthalten Punkte; verwenden Sie Backtick-Syntax, um darauf zuzugreifen: attributes:\enduser.id''. Siehe Wichtige Eigenschaften unten. VARIANT
dropped_attributes_count Anzahl der Attribute, die aufgrund von Einschränkungen weggefallen sind. INT
events Eine Vielzahl zeitlich begrenzter Ereignisse innerhalb des Zeitraums. Der primäre Ereignistyp ist policy_evaluated, der Details pro Richtlinienbewertung aufzeichnet. Siehe Politikbewertungsveranstaltungen. ARRAY-STRUKTUR<>
dropped_events_count Anzahl der Disziplinen wurde aufgrund von Einschränkungen gestrichen. INT
links Array von Links zu anderen Spans oder Spuren. ARRAY-STRUKTUR<>
dropped_links_count Anzahl der Links wurde aufgrund von Einschränkungen abgebrochen. INT
status Spannstatus mit code (STATUS_CODE_OK oder STATUS_CODE_ERROR) und optional message. STRUCT
resource Ressourcenattribute, die die instrumentierte Entität beschreiben, zum Beispiel service.name und SDK-Metadaten. STRUCT
resource_schema_url Schema-URL für die semantischen Konventionen der Ressourcen. STRING
instrumentation_scope Name und Version der Instrumentierungsbibliothek, die die Spannweite produziert hat. STRUCT
span_schema_url Schema-URL für die semantischen Konventionen überspannen. STRING

Die Tabelle enthält außerdem Spalten, die für die physikalische Optimierung, insbesondere Clustering, benötigt werden und für Abfragen nicht nützlich sind. Diese Spalten werden mit einem _ Präfix benannt. Behandle sie als Implementierungsdetails, die sich in zukünftigen Versionen ändern können.

Schlüsselattribute

Die attributes -Spalte ist eine VARIANT-Spalte. Greifen Sie auf Felder mit Backtick-Syntax für Schlüssel zu, die Punkte enthalten: attributes:\gen_ai.request.model''. Die vorhandenen Schlüssel hängen davon ab, ob die Spanne ein Model Service (LLM) Call oder ein MCP Service Call ist.

Modellservice (LLM) umfasst:

Attribute Description
databricks.api_type Inbound API-Typ, zum Beispiel openai/v1/responses.
enduser.id Benutzer oder Dienstprinzipal, der die Anfrage gestellt hat.
databricks.requester_type Zum Beispiel USERAnforderer-Typ.
databricks.request_id Azure Databricks-generated request ID.
databricks.url Vollständige Anfrage-URL.
databricks.latency_ms End-to-End-Anfrage-Latenz in Millisekunden.
databricks.time_to_first_byte_ms Zeit bis zum ersten Byte in Millisekunden.
databricks.action Versuche zum Beispiel initial_attempt zu tippen oder retry.
databricks.destination_id Zielmodell zum Beispiel databricks-claude-sonnet-4-6.
databricks.outcome success oder failure.
gen_ai.operation.name Operation zum Beispiel chat.
gen_ai.request.model Angefordertes Modell.
gen_ai.provider.name Anbieter, zum Beispiel databricks.
gen_ai.usage.input_tokens Eingabetoken verbraucht.
gen_ai.usage.output_tokens Erzeugte Ausgabetoken.
http.response.status_code HTTP-Statuscode.
error.type Fehlertyp bei Fehlern, zum Beispiel invalid_request.
mlflow.chat.tokenUsage Detaillierte Token-Verwendung als JSON-String.
mlflow.spanInputs Serialisierte Anfrage-Nutzlast.
mlflow.spanOutputs Serialisierte Antwortnutzlast (leer bei Ausfall).

MCP-Einsatzzeiten:

Attribute Description
mcp.method.name MCP-Methode zum Beispiel tools/list oder tools/call.
gen_ai.operation.name Operation, zum Beispiel execute_tool für tools/call.
gen_ai.tool.name Name des aufgerufenen Werkzeugs, zum Beispiel atlassianUserInfo.
gen_ai.tool.call.arguments Extrahierte Werkzeugargumente als JSON-String.
gen_ai.tool.call.result Extrahiertes Werkzeugergebnis als JSON-String.
databricks.requester_type Zum Beispiel USERAnforderer-Typ.
databricks.request_id Azure Databricks-generated request ID.
databricks.tool.connection_type MCP-Verbindungstyp, zum Beispiel EXTERNAL_MCP.
tool_source Sicherung der Verbindung oder eines verwalteten MCP-Servernamens, zum Beispiel main.default.gh-conn (extern) oder code_interpreter (verwaltet). Der Name des MCP-Dienstes steht in der Spalte service_name .
tool_type Werkzeugtyp, zum Beispiel external_connection.
workspace_id Arbeitsbereichs-ID.
enduser.id Benutzer oder Dienstprinzipal, der die Anfrage gestellt hat.
http.response.status_code HTTP-Status vom MCP-Aufruf.
rpc.response.status_code JSON-RPC Statuscode, zum Beispiel -32003. Das primäre MCP-Ausfallsignal.
error.type Fehlerklassifikation, zum Beispiel policy_deny, upstream_error, oder internal_error.
mlflow.spanType Span-Typ. TOOL für MCP-Spannweiten. Nützlich zum WHERE Filtern.
mlflow.spanInputs Serialisierte JSON-RPC Anfrage.
mlflow.spanOutputs Serialisierte MCP/JSON-RPC Antwort.

Richtliniendurchsetzungsattribute (Modelldienst- und MCP-Servicespannen):

Wenn eine Richtlinie eine Anfrage blockiert, setzt die Serverspanne (die Wurzelspanne) die folgenden skalaren Attribute. Da sie nur dann aktiviert werden, wenn eine Richtlinie die Anfrage kurzschließt, dienen sie auch als schneller Filter für die Frage: "Hat irgendeine Richtlinie diese Anfrage blockiert?"

Attribute Description
databricks.policy.name Die Richtlinie, die die Anfrage blockiert hat. Die Unity-Katalog-Funktion FQN für eine benutzerdefinierte Richtlinie oder das Anhängungslabel für eine integrierte Richtlinie. <unknown> Wenn die Police unbenannt ist.
databricks.policy.action Erzwungene Maßnahme, entweder DENY oder ASK.

Veranstaltungen zur Politikbewertung

Die Spalte events enthält ein Array von policy_evaluated Ereignissen, eines pro bewertetem (Politik-, Phasen-)Paar. Hier liegt das Detail pro Richtlinie, jenseits der skalaren databricks.policy.* Attribute auf dem Serverbereich. Jede Veranstaltung enthält folgende Schlüssel:

Key Description
policy.name Name der bewerteten Police.
policy.type Versicherungsart, entweder CUSTOM oder BUILTIN.
policy.handler Betreuer für die Police. Nur eingebaute Policen.
policy.options Handler-Optionen. Nur eingebaute Policen.
policy.action Bewertete Aktion, eine von ALLOW, DENY, oder ASK.
policy.phase Bewertungsphase, entweder on_call oder on_result. Nur benutzerdefinierte Policen.

Wenn eine Richtlinie im Trockenlauf (Monitor oder Shadow) mit dry_run=trueläuft, wird die erzwungene Maßnahme herabgestuft, sodass ALLOW der Antrag fortgesetzt wird und das mögliche Urteil zum selben Ereignis erfasst wird:

Key Description
policy.dry_run_action Die Maßnahme, die zum Beispiel DENYdurchgesetzt worden wäre, . Ihre Anwesenheit signalisiert, dass die Politik im Trockenlauf stattfand.
policy.dry_run_reason Der Grund für die beabsichtigte Aktion.
policy.dry_run_transformed_message Die Nutzlast, die eine potenzielle Transformations- oder Maskenrichtlinie geschrieben hätte.
  • Last updated on