Decodeur de traces distribuees et waterfall

Analyse des traces JSON Jaeger, Zipkin ou OpenTelemetry et affiche spans, latence et erreurs en waterfall

Pratique pour backend, SRE et DevOps lors de l’analyse de performances et dependances de traces distribuees.

Exemples de résultats

1 Exemples

Afficher un waterfall de trace checkout

Decode une trace Jaeger et met en avant les spans lents ou en erreur

Trace waterfall renders span timing cards, service summaries, and error highlighting.
Voir paramètres d'entrée
{ "traceJson": "{\n \"data\": [\n {\n \"processes\": {\n \"p1\": {\n \"serviceName\": \"api-gateway\"\n },\n \"p2\": {\n \"serviceName\": \"payment-service\"\n }\n },\n \"spans\": [\n {\n \"traceID\": \"trace-1\",\n \"spanID\": \"1\",\n \"processID\": \"p1\",\n \"operationName\": \"POST /checkout\",\n \"startTime\": 1000000,\n \"duration\": 320000,\n \"references\": [],\n \"tags\": []\n },\n {\n \"traceID\": \"trace-1\",\n \"spanID\": \"2\",\n \"processID\": \"p2\",\n \"operationName\": \"charge-card\",\n \"startTime\": 1080000,\n \"duration\": 180000,\n \"references\": [\n {\n \"refType\": \"CHILD_OF\",\n \"spanID\": \"1\"\n }\n ],\n \"tags\": [\n {\n \"key\": \"error\",\n \"value\": true\n }\n ]\n }\n ]\n }\n ]\n}", "traceFormat": "jaeger", "displayUnit": "ms", "onlyErrors": false }

Points clés

Catégorie
Développement et Web
Types d’entrée
textarea, select, checkbox
Type de sortie
html
Couverture des échantillons
4
API disponible
Yes

Vue d’ensemble

Ce décodeur de traces distribuées transforme vos fichiers JSON bruts (Jaeger, Zipkin, OpenTelemetry) en une visualisation claire sous forme de diagramme en cascade (waterfall). Conçu pour les développeurs backend, les ingénieurs SRE et DevOps, il permet d'analyser rapidement les performances, d'identifier les goulots d'étranglement et de repérer les erreurs au sein de vos architectures microservices sans avoir à déployer une infrastructure de monitoring complexe.

Quand l’utiliser

  • •Lors de l'investigation d'une latence élevée sur une requête API impliquant de multiples microservices.
  • •Pour identifier rapidement quel service spécifique a généré une erreur dans une chaîne d'appels complexe.
  • •Lors de l'optimisation des performances globales d'un système distribué pour comprendre l'ordre d'exécution et le parallélisme des spans.

Comment ça marche

  • •Collez le contenu de votre trace au format JSON dans le champ principal.
  • •Sélectionnez le format d'origine (Jaeger, Zipkin, OpenTelemetry) ou laissez l'outil le détecter automatiquement.
  • •Ajustez l'unité de temps (microsecondes, millisecondes ou secondes) et filtrez éventuellement pour n'afficher que les erreurs.
  • •Visualisez instantanément le diagramme en cascade généré pour explorer la hiérarchie, la durée et le statut de chaque span.

Cas d’usage

Débogage d'une transaction de paiement échouée pour trouver le service exact ayant renvoyé une exception.
Audit de performance d'une architecture microservices pour repérer les appels de base de données excessivement longs.
Visualisation de l'arbre d'exécution d'une requête GraphQL complexe pour optimiser les résolveurs lents.

Exemples

1. Analyse d'une lenteur sur le processus de paiement

Ingénieur SRE
Contexte
Les utilisateurs signalent que la validation du panier prend parfois plus de 3 secondes.
Problème
Identifier quel microservice ralentit la transaction globale parmi l'API Gateway, le service de paiement et l'inventaire.
Comment l’utiliser
Collez le JSON de la trace Jaeger de la requête lente, sélectionnez le format 'Jaeger JSON' et définissez l'unité sur 'Milliseconds'.
Configuration d’exemple
Format: Jaeger JSON, Unité: ms
Résultat
Le diagramme en cascade révèle visuellement que le span du service 'payment-service' prend 2,8 secondes, permettant de cibler immédiatement l'optimisation.

2. Isolement des erreurs dans une chaîne d'appels

Développeur Backend
Contexte
Une requête API échoue avec une erreur 500 générique, mais implique 5 services différents en cascade.
Problème
Trouver rapidement le span exact contenant l'erreur sans lire manuellement un fichier JSON de plusieurs milliers de lignes.
Comment l’utiliser
Collez le JSON OpenTelemetry et cochez l'option 'Afficher uniquement les spans en erreur'.
Configuration d’exemple
Format: Auto Detect, Unité: ms, onlyErrors: true
Résultat
L'interface masque tous les spans réussis et met en évidence le service d'inventaire qui a renvoyé une erreur de connexion à la base de données.

Tester avec des échantillons

json
Exemples de Traçage Distribué
Exemples complets de traçage distribué utilisant Jaeger, OpenTelemetry et outils d'observabilité modernes
title token distributed
json
Exemples d'Analyse de Logs ELK Stack
Exemples complets ELK Stack pour agrégation, traitement et visualisation de logs dans les systèmes distribués
preferred input family json
json
Exemples Apache Pulsar
Exemples Apache Pulsar incluant pub/sub, lecteurs, consommateurs avec différents types d'abonnement, gestion de schémas et stockage hiérarchique pour messagerie d'entreprise
preferred input family json
json
Échantillons Convertisseur Hex/Unicode
Échantillons de test pour la conversion de séquences d'échappement hex et unicode
preferred input family json
json

Hubs associés

Outils Json pour Convert
Découvrez 100 outils json pour des workflows de convert et comparez rapidement des utilitaires proches.
Outils Json
Découvrez 44 outils json pour des workflows de utility et comparez rapidement des utilitaires proches.
Outils Json pour Generate
Découvrez 33 outils json pour des workflows de generate et comparez rapidement des utilitaires proches.
Outils Json pour Format
Découvrez 9 outils json pour des workflows de format et comparez rapidement des utilitaires proches.

FAQ

Quels formats de traces sont pris en charge ?

L'outil prend en charge les exports JSON natifs de Jaeger, Zipkin et OpenTelemetry.

Puis-je filtrer la vue pour ne voir que les problèmes ?

Oui, vous pouvez cocher l'option 'Afficher uniquement les spans en erreur' pour masquer les appels réussis et vous concentrer sur les échecs.

Comment modifier l'unité de temps affichée ?

Utilisez le menu déroulant 'Unité' pour basculer l'affichage entre les microsecondes (us), les millisecondes (ms) et les secondes (s).

L'outil nécessite-t-il une connexion à mon serveur de tracing ?

Non, il fonctionne de manière totalement autonome en analysant le texte JSON que vous collez directement dans l'interface.

Est-il possible de détecter automatiquement le format du JSON ?

Oui, l'option 'Auto Detect' analyse la structure de votre JSON pour appliquer automatiquement le bon parseur.

Documentation de l'API

Point de terminaison de la requête

POST /fr/api/tools/distributed-trace-decoder-waterfall-visualizer

Paramètres de la requête

Nom du paramètre Type Requis Description
traceJson textarea Non -
traceFormat select Non -
displayUnit select Non -
onlyErrors checkbox Non -

Format de réponse

{
  "result": "
Processed HTML content
",
  "error": "Error message (optional)",
  "message": "Notification message (optional)",
  "metadata": {
    "key": "value"
  }
}
HTML: HTML

Documentation de MCP

Ajoutez cet outil à votre configuration de serveur MCP: 

{
  "mcpServers": {
    "elysiatools-distributed-trace-decoder-waterfall-visualizer": {
      "name": "distributed-trace-decoder-waterfall-visualizer",
      "description": "Analyse des traces JSON Jaeger, Zipkin ou OpenTelemetry et affiche spans, latence et erreurs en waterfall",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=distributed-trace-decoder-waterfall-visualizer",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Vous pouvez chaîner plusieurs outils, par ex.: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, max 20 outils.

Si vous rencontrez des problèmes, veuillez nous contacter à [email protected]