Datadog 跟踪
ddtrace 是一个 Datadog 应用性能监控 (APM) 库,提供集成以监控您的 LangChain 应用程序。
ddtrace 与 LangChain 集成的主要功能:
- 跟踪:捕获 LangChain 请求、参数、提示完成,并帮助可视化 LangChain 操作。
- 指标:捕获 LangChain 请求延迟、错误以及令牌/成本使用情况(针对 OpenAI 大型语言模型和聊天模型)。
- 日志:存储每个 LangChain 操作的提示完成数据。
- 仪表板:将指标、日志和跟踪数据合并到一个平面中,以监控 LangChain 请求。
- 监控:对 LangChain 请求延迟或错误率的激增提供警报。
注意:ddtrace LangChain 集成目前提供对大型语言模型、聊天模型、文本嵌入模型、链和向量存储的跟踪。
安装和设置
- 在您的Datadog代理中启用APM和StatsD,并提供Datadog API密钥。例如,在Docker中:
docker run -d --cgroupns host \
--pid host \
-v /var/run/docker.sock:/var/run/docker.sock:ro \
-v /proc/:/host/proc/:ro \
-v /sys/fs/cgroup/:/host/sys/fs/cgroup:ro \
-e DD_API_KEY=<DATADOG_API_KEY> \
-p 127.0.0.1:8126:8126/tcp \
-p 127.0.0.1:8125:8125/udp \
-e DD_DOGSTATSD_NON_LOCAL_TRAFFIC=true \
-e DD_APM_ENABLED=true \
gcr.io/datadoghq/agent:latest
- 安装 Datadog APM Python 库。
pip install ddtrace>=1.17
- 当您在 LangChain Python 应用程序命令前加上
ddtrace-run
时,可以自动启用 LangChain 集成:
DD_SERVICE="my-service" DD_ENV="staging" DD_API_KEY=<DATADOG_API_KEY> ddtrace-run python <your-app>.py
注意:如果代理使用非默认主机名或端口,请确保同时设置 DD_AGENT_HOST
、DD_TRACE_AGENT_PORT
或 DD_DOGSTATSD_PORT
。
此外,可以通过在应用程序中第一次导入 langchain
之前添加 patch_all()
或 patch(langchain=True)
来以编程方式启用 LangChain 集成。
请注意,使用 ddtrace-run
或 patch_all()
还将启用 requests
和 aiohttp
集成,这些集成跟踪对 LLM 大模型供应商的 HTTP 请求,以及跟踪对 OpenAI 库的请求的 openai
集成。
from ddtrace import config, patch
# Note: be sure to configure the integration before calling ``patch()``!
# e.g. config.langchain["logs_enabled"] = True
patch(langchain=True)
# to trace synchronous HTTP requests
# patch(langchain=True, requests=True)
# to trace asynchronous HTTP requests (to the OpenAI library)
# patch(langchain=True, aiohttp=True)
# to include underlying OpenAI spans from the OpenAI integration
# patch(langchain=True, openai=True)patch_all
有关更高级用法,请参见 APM Python 库文档。
配置
有关所有可用配置选项,请参见 APM Python 库文档。
日志提示和完成采样
要启用日志提示和完成采样,请设置环境变量 DD_LANGCHAIN_LOGS_ENABLED=1
。默认情况下,10% 的跟踪请求将发出包含提示和完成的日志。
要调整日志采样率,请参阅 APM 库文档。
注意:提交日志时需要在运行 ddtrace-run
时指定 DD_API_KEY
。
故障排除
需要帮助吗 ?在 ddtrace 上创建一个问题或联系 Datadog 支持。