如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
ghcr.io/open-telemetry/demo 是 OpenTelemetry 官方提供的可观测性技术演示容器镜像,专为开发者和运维人员实践分布式系统遥测能力设计。它通过模拟真实业务场景,让用户直观理解追踪、指标、日志三类遥测数据的生成、采集与应用全流程。 该演示项目核心包含一个多语言微服务集群,涵盖 Java、Python、Node.js 等常见开发语言的服务实例,模拟电商场景中的商品浏览、订单支付、库存管理等典型业务链路。服务间通过 HTTP、gRPC 等协议通信,刻意设计了服务依赖、网络延迟、偶发故障等真实系统中常见的复杂性,甚至支持手动注入错误(如超时、异常返回),方便观察遥测数据如何反映系统异常。 镜像集成了主流可观测性后端工具链:追踪数据通过 Jaeger 存储与展示,可查看请求从入口到各服务的完整调用链;指标数据对接 Prometheus,配合 Grafana 面板实时展示服务吞吐量、响应时间、错误率等关键指标;日志则通过 Fluentd 收集,输出结构化日志便于问题定位。用户无需手动配置复杂环境,通过 Docker 或 Kubernetes 快速启动后,即可在本地访问前端控制台,实时操作服务并查看遥测数据变化。 作为学习工具,它的价值在于“边做边学”:开发者可查看各服务源码中的埋点实现(如 OpenTelemetry API 的使用方式),对比不同语言的集成差异;运维人员能通过调整服务参数,观察遥测数据如何随系统负载、故障模式变化,理解可观测性在问题排查中的实际作用。无论是高校教学、企业内部技术培训,还是个人验证可观测性方案,这个演示镜像都能大幅降低实践门槛,让抽象的遥测技术变得可触可感。
来自真实用户的反馈,见证轩辕镜像的优质服务