企业官网建设流程全解析

Trace 能问 AI 之后，ERROR 日志也能一句话查了。还记得《运维领域的 AI 军团来了》吗？本文用同一 checkout 库存不足场景，走界面搜日志、Trace 互跳、AI 问 ERROR 三条路。

0. 演示场景：InsufficientStockException

Demo 持续打GET /demo/checkout。service-b 抛InsufficientStockException: inventory unavailable for skuId=…，OTLP 日志写入 Doris，并携带trace_id/span_id。

下文截图均来自同一故障窗口（140 环境 · 最近 1 小时）：

1. 路径 A— 已知异常类名，全局日志页 Facet 检索
2. 路径 B— 已知慢 Trace，从火焰图 Span 看日志 + 深链回全局页
3. 路径 C— 一句话交给 AI，调度log.queryLog*工具查 ERROR 日志

1. 路径 A：全局「日志分析」检索

菜单位置：应用性能 → 日志分析。不推 LogQL，用关键词 + Facet即可。

操作：搜索InsufficientStockException→ 勾选ERROR+service-b→ 列表每行右侧「Trace · 查看」可跳调用链。

2. 路径 B：Trace 里看 Span 日志 + 双向深链

B1 · Trace 头：TraceID 旁直达日志分析

从链路追踪打开 checkout 慢 Trace。Trace 头展示 TraceID，右侧**「日志分析」**一键带 traceId 跳转全局页。

B2 · Span 侧栏：火焰图 + 日志 Tab

火焰树上带Logs标记的 Span 可展开侧栏「日志」Tab；选中 service-b 的 Span 可看到 ERROR 堆栈。

B3 · 深链：「在日志分析中查看全部」

侧栏底部点击后，全局页自动预填 traceId + spanId，只显示该 Span 上下文内的日志。

3. 路径 C：AI 平台问日志

界面适合精查；AI 适合一句话委托。智能问数专家注册了日志工具族：

场景一：按服务 + 关键字搜 ERROR 日志

帮我查 service-b 最近 1 小时 InsufficientStockException 相关的 ERROR 日志，列出 traceId 和关键日志摘要。

场景二：已知 traceId，直接问根因

已知 traceId edfa44615dcee4d6bdfeed46d84bfb20，帮我列出这条链路上所有 ERROR 级别日志，并说明 checkout 失败原因。

场景三：看 ERROR 日志量有没有尖峰

service-b 最近 1 小时 ERROR 级别日志量趋势如何？有没有明显尖峰时段？

工具选用规则：按服务/级别搜 →queryLogDetail；已知 traceId →queryLogsByTraceId；看某 Span →queryLogsBySpanId；看日志量尖峰 →queryLogTrend。

4. 数据从哪来 · 和 ELK 怎么分工

OTLP Logs（:4317/:4318）→ Ingest → Dorislog_dc_record→POST /log/search。Java 侧 MDC 注入 traceId 即可关联。

DataBuff 定位是APM 语境下的日志探索，不是替代 ELK/Loki；优势在于与 Trace/Metrics/AI 同一上下文，少切三个系统。

5. 5 分钟自己试

curl-fsSLhttps://databuff.ai/install.sh|bash

Web UI：http://localhost:27403· 默认admin/Databuff@123

GitHub：https://github.com/databufflabs/databuff