Référence du schéma de table de trace unifié

La table de trace unifiée suit le modèle de données de span OpenTelemetry. Chaque ligne correspond à un span. La table est regroupée par time.

Colonne	Description	Type
record_id	Identifiant unique pour cette ligne de table.	CHAÎNE
time	Timestamp auquel le span a été enregistré.	Horodatage
date	Date UTC à laquelle la portée a été enregistrée. Utile pour l’élagage des partitions.	Date
service_name	Nom du service Unity AI Gateway (nom de l’endpoint).	CHAÎNE
service_id	Identifiant pour le service nommé dans service_name.	CHAÎNE
trace_id	Identifiant partagé par toutes les étendues dans une arborescence de requête unique. Appliquez ce filtre pour reconstruire une trace complète.	CHAÎNE
span_id	Identifiant unique pour ce span.	CHAÎNE
trace_state	Valeur d'en-tête OpenTelemetry tracestate, si présente.	CHAÎNE
parent_span_id	span_id de l’étendue parente. NULL pour les étendues racines (une par requête).	CHAÎNE
flags	Masque de bits des indicateurs de trace OpenTelemetry.	INT
name	Nom de span lisible par l’homme, par exemple my-endpoint-mlflow/v1/chat/completions.	CHAÎNE
kind	Type de span : SPAN_KIND_SERVER (racine, un par requête) ou SPAN_KIND_CLIENT (appel en aval).	CHAÎNE
start_time_unix_nano	Heure de start de la portée en nanosecondes depuis l'époque Unix.	BIGINT
end_time_unix_nano	Heure de fin du span en nanosecondes depuis l'époque Unix.	BIGINT
attributes	Attributs de span en tant qu’objet VARIANT. Les noms de clés contiennent des points ; utilisez la syntaxe avec des backticks pour y accéder : attributes:\enduser.id``. Voir les attributs clés ci-dessous.	VARIANT
dropped_attributes_count	Nombre d'attributs supprimés en raison des limites.	INT
events	Tableau d’événements chronométrés au sein du span. Le type d’événement principal est policy_evaluated, qui enregistre les détails de l’évaluation par politique. Voir Événements d’évaluation de politique.	ARRAY<STRUCT\><STRUCT>
dropped_events_count	Nombre d’événements abandonnés en raison des limites.	INT
links	Tableau de Link vers d’autres étendues ou traces.	ARRAY<STRUCT\><STRUCT>
dropped_links_count	Nombre de Link supprimés en raison des limites.	INT
status	Statut de l’étendue avec code (STATUS_CODE_OK ou STATUS_CODE_ERROR) et message en option.	STRUCT
resource	Attributs de ressource décrivant l'entité instrumentée, par exemple service.name et les métadonnées du SDK.	STRUCT
resource_schema_url	URL de schéma pour les conventions sémantiques de la ressource.	CHAÎNE
instrumentation_scope	Nom et version de la bibliothèque d'instrumentation qui a produit le span.	STRUCT
span_schema_url	URL du schéma pour les conventions sémantiques de span.	CHAÎNE

Colonne	Description	Type
record_id	Identifiant unique pour cette ligne de table.	CHAÎNE
time	Timestamp auquel le span a été enregistré.	Horodatage
date	Date UTC à laquelle la portée a été enregistrée. Utile pour l’élagage des partitions.	Date
service_name	Nom du service Unity AI Gateway (nom de l’endpoint).	CHAÎNE
service_id	Identifiant pour le service nommé dans service_name.	CHAÎNE
trace_id	Identifiant partagé par toutes les étendues dans une arborescence de requête unique. Appliquez ce filtre pour reconstruire une trace complète.	CHAÎNE
span_id	Identifiant unique pour ce span.	CHAÎNE
trace_state	Valeur d'en-tête OpenTelemetry tracestate, si présente.	CHAÎNE
parent_span_id	span_id de l’étendue parente. NULL pour les étendues racines (une par requête).	CHAÎNE
flags	Masque de bits des indicateurs de trace OpenTelemetry.	INT
name	Nom de span lisible par l’homme, par exemple my-endpoint-mlflow/v1/chat/completions.	CHAÎNE
kind	Type de span : SPAN_KIND_SERVER (racine, un par requête) ou SPAN_KIND_CLIENT (appel en aval).	CHAÎNE
start_time_unix_nano	Heure de start de la portée en nanosecondes depuis l'époque Unix.	BIGINT
end_time_unix_nano	Heure de fin du span en nanosecondes depuis l'époque Unix.	BIGINT
attributes	Attributs de span en tant qu’objet VARIANT. Les noms de clés contiennent des points ; utilisez la syntaxe avec des backticks pour y accéder : attributes:\enduser.id``. Voir les attributs clés ci-dessous.	VARIANT
dropped_attributes_count	Nombre d'attributs supprimés en raison des limites.	INT
events	Tableau d’événements chronométrés au sein du span. Le type d’événement principal est policy_evaluated, qui enregistre les détails de l’évaluation par politique. Voir Événements d’évaluation de politique.	ARRAY<STRUCT\><STRUCT>
dropped_events_count	Nombre d’événements abandonnés en raison des limites.	INT
links	Tableau de Link vers d’autres étendues ou traces.	ARRAY<STRUCT\><STRUCT>
dropped_links_count	Nombre de Link supprimés en raison des limites.	INT
status	Statut de l’étendue avec code (STATUS_CODE_OK ou STATUS_CODE_ERROR) et message en option.	STRUCT
resource	Attributs de ressource décrivant l'entité instrumentée, par exemple service.name et les métadonnées du SDK.	STRUCT
resource_schema_url	URL de schéma pour les conventions sémantiques de la ressource.	CHAÎNE
instrumentation_scope	Nom et version de la bibliothèque d'instrumentation qui a produit le span.	STRUCT
span_schema_url	URL du schéma pour les conventions sémantiques de span.	CHAÎNE

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

Attributs clés

La colonne attributes est un VARIANT. Accédez aux champs en utilisant la syntaxe avec accents graves pour les clés contenant des points : attributes:\gen_ai.request.model``. Les clés présentes dépendent du fait que le span soit un appel de service de modèle (LLM) ou un appel de service MCP.

Étendues de service de modèle (LLM) :

Attribut	Description
databricks.api_type	Type d’API entrant, par exemple openai/v1/responses.
enduser.id	Utilisateur ou Service Principal ayant effectué la demande.
databricks.requester_type	Type de demandeur, par exemple USER.
databricks.request_id	ID de requête généré par Databricks.
databricks.url	URL complète de la demande.
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 exemple databricks-claude-sonnet-4-6.
databricks.outcome	success ou failure.
gen_ai.operation.name	Opération, par exemple chat.
gen_ai.request.model	Modèle demandé.
gen_ai.provider.name	Fournisseur, par exemple databricks.
gen_ai.usage.input_tokens	Jetons d'entrée consommés.
gen_ai.usage.output_tokens	Jetons de sortie générés.
http.response.status_code	Code de statut HTTP.
error.type	Type d'erreur en cas de défaillance, par exemple invalid_request.
mlflow.chat.tokenUsage	Utilisation détaillée des jetons sous forme de chaîne JSON.
mlflow.spanInputs	Charge utile de requête sérialisée.
mlflow.spanOutputs	Charge utile de réponse sérialisée (vide en cas d’échec).

Attribut	Description
databricks.api_type	Type d’API entrant, par exemple openai/v1/responses.
enduser.id	Utilisateur ou Service Principal ayant effectué la demande.
databricks.requester_type	Type de demandeur, par exemple USER.
databricks.request_id	ID de requête généré par Databricks.
databricks.url	URL complète de la demande.
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 exemple databricks-claude-sonnet-4-6.
databricks.outcome	success ou failure.
gen_ai.operation.name	Opération, par exemple chat.
gen_ai.request.model	Modèle demandé.
gen_ai.provider.name	Fournisseur, par exemple databricks.
gen_ai.usage.input_tokens	Jetons d'entrée consommés.
gen_ai.usage.output_tokens	Jetons de sortie générés.
http.response.status_code	Code de statut HTTP.
error.type	Type d'erreur en cas de défaillance, par exemple invalid_request.
mlflow.chat.tokenUsage	Utilisation détaillée des jetons sous forme de chaîne JSON.
mlflow.spanInputs	Charge utile de requête sérialisée.
mlflow.spanOutputs	Charge utile de réponse sérialisée (vide en cas d’échec).

Spans du service MCP :

Attribut	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	Nom de l’outil appelé, par exemple atlassianUserInfo.
gen_ai.tool.call.arguments	Arguments d’outil extraits, sous forme de chaîne JSON.
gen_ai.tool.call.result	Résultat de l’outil extrait, sous forme de chaîne JSON.
databricks.requester_type	Type de demandeur, par exemple USER.
databricks.request_id	ID de requête généré par Databricks.
databricks.tool.connection_type	Type de connexion MCP, par exemple EXTERNAL_MCP.
tool_source	Nom de la connexion de sauvegarde ou du serveur MCP géré, par exemple main.default.gh-conn (externe) ou code_interpreter (géré). Le nom du service MCP se trouve dans la colonne service_name.
tool_type	Type d’outil, par exemple external_connection.
workspace_id	ID du Workspace.
enduser.id	Utilisateur ou Service Principal ayant effectué la demande.
http.response.status_code	Statut HTTP de l’appel MCP.
rpc.response.status_code	Code d'état JSON-RPC, par exemple -32003. Le signal de défaillance MCP principal.
error.type	Classification des défaillances, par exemple policy_deny, upstream_error ou internal_error.
mlflow.spanType	Type d’étendue. TOOL pour les spans MCP. Utile pour le filtrage WHERE.
mlflow.spanInputs	Requête JSON-RPC sérialisée.
mlflow.spanOutputs	Réponse MCP/JSON-RPC sérialisée.

Attribut	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	Nom de l’outil appelé, par exemple atlassianUserInfo.
gen_ai.tool.call.arguments	Arguments d’outil extraits, sous forme de chaîne JSON.
gen_ai.tool.call.result	Résultat de l’outil extrait, sous forme de chaîne JSON.
databricks.requester_type	Type de demandeur, par exemple USER.
databricks.request_id	ID de requête généré par Databricks.
databricks.tool.connection_type	Type de connexion MCP, par exemple EXTERNAL_MCP.
tool_source	Nom de la connexion de sauvegarde ou du serveur MCP géré, par exemple main.default.gh-conn (externe) ou code_interpreter (géré). Le nom du service MCP se trouve dans la colonne service_name.
tool_type	Type d’outil, par exemple external_connection.
workspace_id	ID du Workspace.
enduser.id	Utilisateur ou Service Principal ayant effectué la demande.
http.response.status_code	Statut HTTP de l’appel MCP.
rpc.response.status_code	Code d'état JSON-RPC, par exemple -32003. Le signal de défaillance MCP principal.
error.type	Classification des défaillances, par exemple policy_deny, upstream_error ou internal_error.
mlflow.spanType	Type d’étendue. TOOL pour les spans MCP. Utile pour le filtrage WHERE.
mlflow.spanInputs	Requête JSON-RPC sérialisée.
mlflow.spanOutputs	Réponse MCP/JSON-RPC sérialisée.

Attributs d’application de la politique (étendues du service de modèle et du service MCP) :

Lorsqu’une politique bloque une requête, l’étendue serveur (l’étendue racine) définit les attributs scalaires suivants. Comme ils ne sont définis que lorsqu’une politique court-circuite la requête, ils servent également de filtre rapide pour « une politique a-t-elle bloqué cette requête ? »

Attribut	Description
databricks.policy.name	La politique qui a bloqué la requête. Le FQN de la fonction Unity Catalog pour une politique personnalisée, ou l’étiquette de pièce jointe pour une politique intégrée. <unknown> si la politique est sans nom.
databricks.policy.action	Action appliquée, soit DENY, soit ASK.

Attribut	Description
databricks.policy.name	La politique qui a bloqué la requête. Le FQN de la fonction Unity Catalog pour une politique personnalisée, ou l’étiquette de pièce jointe pour une politique intégrée. <unknown> si la politique est sans nom.
databricks.policy.action	Action appliquée, soit DENY, soit ASK.

Événements d'évaluation de politique

La colonne events contient un tableau de policy_evaluated événements, un par paire (politique, phase) évaluée. C'est ici que se trouvent les détails par politique, au-delà des attributs scalaires databricks.policy.* sur le span serveur. Chaque événement comporte les clés suivantes :

Clé	Description
policy.name	Nom de la politique évaluée.
policy.type	Type de politique, CUSTOM ou BUILTIN.
policy.handler	Gestionnaire pour la politique. Politiques intégrées uniquement.
policy.options	Options du gestionnaire. Stratégies intégrées uniquement.
policy.action	Action évaluée, l’une des suivantes : ALLOW, DENY ou ASK.
policy.phase	Phase d'évaluation, soit on_call, soit on_result. Politiques personnalisées uniquement.

Clé	Description
policy.name	Nom de la politique évaluée.
policy.type	Type de politique, CUSTOM ou BUILTIN.
policy.handler	Gestionnaire pour la politique. Politiques intégrées uniquement.
policy.options	Options du gestionnaire. Stratégies intégrées uniquement.
policy.action	Action évaluée, l’une des suivantes : ALLOW, DENY ou ASK.
policy.phase	Phase d'évaluation, soit on_call, soit on_result. Politiques personnalisées uniquement.

Lorsqu’une politique s’exécute en mode simulation (monitor ou shadow) avec dry_run=true, l’action appliquée est rétrogradée en ALLOW afin que la requête se poursuive, et le verdict potentiel est enregistré sur le même événement :

Clé	Description
policy.dry_run_action	L’action qui aurait été appliquée, par exemple DENY. Sa présence indique que la politique a été exécutée en mode simulation.
policy.dry_run_reason	Raison de l’action potentielle.
policy.dry_run_transformed_message	La charge utile qu’une politique de transformation ou de masquage potentielle aurait écrite.

Clé	Description
policy.dry_run_action	L’action qui aurait été appliquée, par exemple DENY. Sa présence indique que la politique a été exécutée en mode simulation.
policy.dry_run_reason	Raison de l’action potentielle.
policy.dry_run_transformed_message	La charge utile qu’une politique de transformation ou de masquage potentielle aurait écrite.