Référence unifiée de schéma de table de trace

La table de traces unifiée suit le modèle de données de portée OpenTelemetry. Chaque rangée a une seule portée. La table est regroupée par time.

Column Description Type
record_id Identifiant unique pour cette ligne de tableau. STRING
time Heure de l’enregistrement de la portée. TIMESTAMP
date Date UTC de l’enregistrement de la travée. Utile pour l’élagage des cloisons. DATE
service_name Nom du service Unity Gateway (nom du point de terminaison). STRING
service_id Identifiant pour le service nommé dans service_name. STRING
trace_id Identifiant partagé par toutes les étendues d’un seul arbre de requêtes. Filtrez cela pour reconstituer une trace complète. STRING
span_id Identifiant unique pour cette portée. STRING
trace_state Valeur de l’en-tête OpenTelemetry tracestate , si présente. STRING
parent_span_id span_id de la portée parentale. NULL pour les étendues racines (une par requête). STRING
flags La trace OpenTelemetry signale le bitmask. INT
name Par exemple, nom my-endpoint-mlflow/v1/chat/completionsde span lisible par l’humain . STRING
kind Type d’étendue : SPAN_KIND_SERVER (racine, une par requête) ou SPAN_KIND_CLIENT (appel en aval). STRING
start_time_unix_nano Le temps de démarrage en nanosecondes depuis l’époque Unix. BIGINT
end_time_unix_nano Période de fin en nanosecondes depuis l’époque Unix. BIGINT
attributes Attribuez les attributs Span en tant qu’objet VARIANT. Les noms de clés contiennent des points ; utilisez la syntaxe des crochets pour y accéder : attributes:['enduser.id']. Voir les attributs clés ci-dessous. VARIANT
dropped_attributes_count Nombre d’attributs supprimés à cause des limites. INT
events Une série d’événements chronométrés sur la période. Le type d’événement principal est policy_evaluated, qui enregistre les détails d’évaluation par police. Voir événements d’évaluation des politiques. STRUCTURE DE TABLEAU<>
dropped_events_count Nombre d’événements supprimés à cause des limites. INT
links Tableau de liens vers d’autres travées ou traces. STRUCTURE DE TABLEAU<>
dropped_links_count Nombre de liens supprimés à cause des limites. INT
status Statut de portée avec code (STATUS_CODE_OK ou STATUS_CODE_ERROR) et optionnel message. STRUCT
resource Attributs de ressource décrivant l’entité instrumentée, par exemple service.name et les métadonnées SDK. STRUCT
resource_schema_url URL de schéma pour les conventions sémantiques des ressources. STRING
instrumentation_scope Nom et version de la bibliothèque d’instrumentation qui a produit la portée. STRUCT
span_schema_url URL de schéma pour les conventions sémantiques span. STRING

La table contient également les colonnes nécessaires à son optimisation physique, notamment le clustering, qui ne sont pas utiles pour les requêtes. Ces colonnes portent un _ préfixe. Considérez-les comme des détails d’implémentation qui pourraient changer dans de futures versions.

Attributs clés

La colonne attributes est une colonne VARIANT. Champs d’accès utilisant la syntaxe des crochets pour les clés contenant des points : attributes:['gen_ai.request.model']. La syntaxe des rétroticks revient NULL pour ces clés. Les clés présentes dépendent du fait que le span soit un appel de service modèle (LLM) ou un appel de service MCP.

Le service modèle (LLM) couvre :

Caractéristique Description
databricks.api_type Type d’API entrant, par openai/v1/responsesexemple .
workspace_id Workspace : la demande est arrivée.
enduser.id L’utilisateur ou le principal du service qui a fait la demande.
databricks.requester_type Type de demandeur, par USERexemple .
databricks.request_id ID de requête généré par Azure Databricks.
databricks.url URL de demande complète.
databricks.latency_ms Latence de requête de bout en bout en millisecondes.
databricks.time_to_first_byte_ms Temps jusqu’au premier octet en millisecondes.
databricks.action Type de tentative, par exemple initial_attempt ou retry.
databricks.destination_id Modèle cible, par databricks-claude-sonnet-4-6exemple .
databricks.outcome success ou failure.
gen_ai.operation.name Opération, par chatexemple .
gen_ai.request.model Modèle demandé.
gen_ai.provider.name Fournisseur, par databricksexemple.
gen_ai.usage.input_tokens Jetons d’entrée consommés.
gen_ai.usage.output_tokens Générez les jetons de sortie.
http.response.status_code Code d'état HTTP.
error.type Type d’erreur sur les défaillances, par invalid_requestexemple .
mlflow.chat.tokenUsage Utilisation détaillée du token en tant que chaîne JSON.
mlflow.spanInputs Charge utile de requête sérialisée.
mlflow.spanOutputs Charge utile de réponse sérialisée (vide en cas de défaillance).

Le service MCP couvre :

Caractéristique Description
mcp.method.name Méthode MCP, par exemple tools/list ou tools/call.
gen_ai.operation.name Opération, par exemple execute_tool pour tools/call.
gen_ai.tool.name Par exemple atlassianUserInfo, le nom de l’outil invoqué.
gen_ai.tool.call.arguments Extrait les arguments de l’outil, sous forme de chaîne JSON.
gen_ai.tool.call.result Résultat extrait de l’outil, sous forme de chaîne JSON.
databricks.requester_type Type de demandeur, par USERexemple .
databricks.request_id ID de requête généré par Azure Databricks.
databricks.tool.connection_type Type de connexion MCP, par EXTERNAL_MCPexemple .
tool_source Connexion de soutien ou nom de serveur MCP géré, par exemple main.default.gh-conn (externe) ou code_interpreter (géré). Le nom du service MCP figure dans la service_name colonne.
tool_type Type d’outil, par external_connectionexemple.
workspace_id ID de l’espace de travail.
enduser.id L’utilisateur ou le principal du service qui a fait la demande.
http.response.status_code Statut HTTP depuis l’appel MCP.
rpc.response.status_code JSON-RPC code de statut, par -32003exemple . Le signal principal de défaillance MCP.
error.type Classification des défaillances, par exemple policy_deny, upstream_error, ou internal_error.
mlflow.spanType Type de span. TOOL pour les portées MCP. Utile pour WHERE filtrer.
mlflow.spanInputs Demande de JSON-RPC sérialisée.
mlflow.spanOutputs Réponse MCP/JSON-RPC sérialisée.

Attributs d’application des politiques (plages de service modèle et MCP) :

Lorsqu’une politique bloque une requête, la portée du serveur (la racine span) définit les attributs scalaires suivants. Parce qu’elles ne sont activées que lorsqu’une politique court-circuite la requête, elles servent aussi de filtre rapide pour « une politique a-t-elle bloqué cette requête ? »

Caractéristique Description
databricks.policy.name La politique qui a bloqué la demande. La fonction Unity Catalog FQN pour une politique personnalisée, ou l’étiquette d’attachement pour une politique intégrée. <unknown> si la police n’est pas nommée.
databricks.policy.action Action forcée, soit DENYASK.

Événements d’évaluation des politiques

La events colonne contient un tableau d’événements policy_evaluated , un par paire évaluée (politique, phase). C’est là que réside le détail par politique, au-delà des attributs scalaires databricks.policy.* sur la portée serveur. Chaque épreuve porte les clés suivantes :

Clé Description
policy.name Nom de la police évaluée.
policy.type Type de police, soit CUSTOMBUILTIN.
policy.handler Responsable de la police. Uniquement des politiques intégrées.
policy.options Options de manipulateur. Uniquement des politiques intégrées.
policy.action Action évaluée, l’une de ALLOW, DENY, ou ASK.
policy.phase Phase d’évaluation, soit on_call .on_result Uniquement des polices personnalisées.

Lorsqu’une politique s’exécute en mode répétitif (surveillance ou fantôme) avec dry_run=true, l’action imposée est rétrogradée pour ALLOW que la requête continue, et le verdict potentiel est enregistré sur le même événement :

Clé Description
policy.dry_run_action L’action qui aurait été appliquée, par DENYexemple. Sa présence signale que la politique a été exécutée en mode répétition.
policy.dry_run_reason Raison de cette action potentielle.
policy.dry_run_transformed_message La charge utile qu’une politique de transformation ou de masque aurait écrite.