Einführung
Maple ist eine Open-Source-Observability-Plattform, die auf OpenTelemetry aufbaut und für Teams entwickelt wurde, die Traces, Logs und Metriken an einem Ort benötigen. Die Maple-Observability-Plattform hilft Entwicklern, verteilte Traces zu durchsuchen, Benutzersitzungen wiederzugeben und KI-gestützte Diagnosen zu nutzen, um Ursachen schneller zu finden. Sie kombiniert ein modernes Dashboard mit einem MCP-Server und bietet Ingenieuren eine vernetzte Sicht auf ihr System. Mit nativer OTLP-Unterstützung, einer lokalen Binärdatei und einer Self-Host-Option bietet Maple einen praktischen Weg für Teams, die mehr Kontrolle über ihre Telemetriedaten wünschen.
Was ist Maple?
Maple ist eine Open-Source-Observability-Plattform, die auf OpenTelemetry aufbaut und von ClickHouse unterstützt wird. Sie sammelt Telemetriedaten über OTLP und bietet Teams eine einheitliche Oberfläche für Traces, Logs und Metriken. Die Maple-Observability-Plattform wurde für Ingenieure entwickelt, die es leid sind, bei einem Vorfall zwischen separaten Überwachungstools zu wechseln. Sie verbindet jedes Signal mit derselben Trace-ID, sodass eine fehlgeschlagene Anfrage von der Warnung über den Span bis zur Log-Zeile verfolgt werden kann, ohne das Produkt zu verlassen. Da sie KI-gestützte Diagnosen über einen integrierten MCP-Server bietet, hilft sie Entwicklern außerdem, große Datensätze schnell zu analysieren. Das ist wichtig, weil moderne Systeme enorme Mengen an Telemetriedaten erzeugen und Teams einen Weg brauchen, das nützliche Signal zu finden, ohne den Kontext zu verlieren.
Hauptfunktionen von Maple
Die Maple-Observability-Plattform bietet die folgenden Kernfunktionen.
OpenTelemetry-native Datenerfassung
Maple nimmt Telemetriedaten direkt über OTLP entgegen und benötigt keinen proprietären Agenten. Das macht OpenTelemetry-Observability für Teams praktikabel, die bereits Standardinstrumentierung verwenden oder später migrieren möchten.
Traces, Logs und Metriken an einem Ort
Jede Anfrage wird zu einem Span-Baum mit intakten Attributen, während strukturierte Logs in Sekundenschnelle durchsuchbar bleiben. Die Maple-Observability-Plattform verbindet verteilte Traces mit Logs und Metriken unter einer Oberfläche, sodass Ingenieure den Kontext nicht manuell zusammensetzen müssen.
KI-gestützte Diagnosen
Maple enthält einen erstklassigen MCP-Server, der es KI-Agenten ermöglicht, Dienste aufzulisten, Traces zu durchsuchen, Fehler zu finden und Korrekturen vorzuschlagen. Diese KI-gestützten Diagnosen geben Teams einen schnelleren Ausgangspunkt für die Reaktion auf Vorfälle.
Incident-Korrelation
Warnungen treffen mit Dienst, Schwellwert und Beispiel-Traces ein. Eine einzige Trace-ID verknüpft die Warnung, den fehlgeschlagenen Span und die relevanten Logs, sodass Benutzer von einer 3-Uhr-nachts-Benachrichtigung direkt zu der Zeile gelangen, die den Vorfall verursacht hat.
Sitzungswiedergabe (Session Replay)
Maple zeichnet jeden Klick, jede Route, jede Konsolenzeile und jede fehlgeschlagene Anfrage auf. Replay und Spans teilen sich eine Sitzungs-ID, was das Debugging von Frontend und Backend erleichtert.
Flexibilität und Souveränität beim Deployment
Maple kann als einzelne Binärdatei auf 127.0.0.1 oder als Helm-Chart auf Kubernetes ausgeführt werden. Teams, die Self-Host-Observability benötigen, können Telemetriedaten in ihrem eigenen Netzwerk behalten und die Aufbewahrungsdauer selbst kontrollieren.
Anwendungsfälle für Maple
Anwendungsfall 1: Debuggen einer fehlgeschlagenen Anfrage
Wenn ein Dienst ausfällt, öffnet sich der Trace auf dem fehlgeschlagenen Span und zeigt unten Wiederholungsversuche (Retries) an. OpenTelemetry-Observability-Daten halten Attribute intakt, sodass Ingenieure Timeouts und Dienstgrenzen schnell erkennen können. Die Maple-Observability-Plattform verwandelt einen Span-Baum in eine klare Geschichte, statt in einen Haufen zusammenhangloser Ereignisse.
Anwendungsfall 2: Korrelation von Warnungen mit Logs
Eine Warnung zur Fehlerrate überschreitet ihren Schwellwert und enthält Beispiel-Traces. Auf der Maple-Observability-Plattform ist dieselbe Trace-ID bereits an den relevanten Logs angebracht, sodass Teams sich die zweite Suche in einem zweiten Tool sparen können.
Anwendungsfall 3: KI-gestützte Ursachenanalyse
Mit KI-gestützten Diagnosen kann ein Agent die Telemetriedaten lesen, den Quellcode hinter einem Span untersuchen und eine Korrektur vorschlagen. Das hilft Entwicklern, bei der Untersuchung von Vorfällen Zeit zu sparen und reduziert die Notwendigkeit, manuell zwischen Dashboards zu wechseln.
So verwenden Sie Maple
- Installieren Sie Maple mit
brew install Makisuo/tap/mapleodercurl -fsSL https://maple.dev/cli/install | sh. - Führen Sie
maple startaus, um die lokale Plattform unter127.0.0.1:4318zu starten. - Richten Sie Ihre OpenTelemetry-Dienste auf den OTLP-Endpunkt von Maple aus.
- Sobald Daten fließen, können Sie auf der Maple-Observability-Plattform verteilte Traces, Logs und Metriken in einem Dashboard erkunden.
- Für Kubernetes installieren Sie das Helm-Chart
maple-k8s-infra, um Spans mit Pod-, Knoten- und Namespace-Daten anzureichern.
Zielgruppe für Maple
- SRE- und DevOps-Teams, die einheitliche Telemetrie wünschen.
- Backend- und Plattformingenieure, die OpenTelemetry verwenden.
- Startups, die eine planbare Observability-Rechnung benötigen.
- Sicherheitsbewusste Teams, die Self-Host-Observability bevorzugen.
- Teams, die KI-Agenten entwickeln, die Zugriff auf Telemetriedaten benötigen.
Ist Maple kostenlos?
Die Maple-Observability-Plattform bietet sowohl Self-Host- als auch gehostete Optionen. Sie können Maple lokal ohne Konto ausführen, und der Cloud-Plan beginnt mit einer 14-tägigen kostenlosen Testphase.
| Plan | Preis | Funktionen |
|---|---|---|
| Self-Host | 0 $ | Maple-Binärdatei, lokale OTLP-Datenaufnahme, kein Konto und keine Ratenlimits erforderlich |
| Startup | 39 $/Monat | 100 GB Logs, Traces und Metriken jeweils, pauschal 0,30 $/GB bei Überschreitung |
| Enterprise | Individuell | Höheres Volumen, individuelle Aufbewahrungsdauer, Prioritäts-Support |
Vor- und Nachteile von Maple
| Aspekt | Vorteile | Nachteile |
|---|---|---|
| Preisgestaltung | Einfaches Pro-GB-Modell; keine Gebühren pro Host oder pro Sitzplatz | Die verwaltete Cloud hat keine dauerhafte kostenlose Stufe |
| Open Source | Quellcode ist unter FSL-1.1 verfügbar; Self-Hosting wird unterstützt | Versionen werden erst nach zwei Jahren Apache 2.0 |
| OpenTelemetry | Nativer OTLP-Support; kein proprietärer Agent | Teams müssen OpenTelemetry-Standards bereits verwenden oder einführen |
| KI-Funktionen | Erstklassiger MCP-Server; Agent kann Korrekturen vorschlagen | Erfordert einen MCP-kompatiblen Agenten |
| Deployment | Lokale Einrichtung mit einer Binärdatei und Helm-Chart für Kubernetes | Große Self-Host-Installationen erfordern ClickHouse-Verwaltung |
Häufig gestellte Fragen zu Maple
Was ist Maple?
Die Maple-Observability-Plattform ist eine Open-Source-Observability-Plattform, die auf OpenTelemetry aufbaut und von ClickHouse unterstützt wird. Sie hilft Teams, verteilte Traces, Logs und Metriken von Diensten an einem Ort zu sammeln, zu visualisieren und zu analysieren.
Ist Maple Open Source?
Der Quellcode von Maple ist auf GitHub unter FSL-1.1 verfügbar, sodass Benutzer jede Zeile lesen, das Projekt forken und selbst hosten können. Jede Version wird zwei Jahre nach ihrer Veröffentlichung Apache 2.0.
Ist Maple OpenTelemetry-nativ?
Ja. Maple verwendet OpenTelemetry-Observability-Standards und akzeptiert OTLP direkt. Es gibt keinen proprietären Agenten, sodass vorhandene OpenTelemetry-Daten ohne erneute Instrumentierung des Codes an Maple gesendet werden können.
Wie ist die Preisgestaltung von Maple?
Der Startup-Plan kostet 39 $/Monat und umfasst jeweils 100 GB Logs, Traces und Metriken. Zusätzliche Daten werden pauschal mit 0,30 $/GB abgerechnet, ohne Gebühren pro Host oder pro Sitzplatz. Für den gehosteten Plan ist eine 14-tägige kostenlose Testphase verfügbar.
Funktioniert Maple mit KI-Agenten?
Ja. Maple wird mit einem erstklassigen MCP-Server ausgeliefert. Kompatible Agenten können Dienste auflisten, Traces durchsuchen, Fehler finden und Korrekturen mithilfe KI-gestützter Diagnosen vorschlagen.
Kann ich Maple selbst hosten?
Ja. Die Maple-Observability-Plattform unterstützt Self-Host-Observability auf Infrastruktur, die der Benutzer kontrolliert. Die lokale Binärdatei erfordert kein Konto, und das Helm-Chart erleichtert das Kubernetes-Deployment.
Maple-Tags
Maple-Observability-Plattform, Open-Source-Observability, OpenTelemetry-Observability, verteilte Traces, KI-gestützte Diagnosen, Self-Host-Observability, MCP-Server, ClickHouse-Observability, Kubernetes-Observability, Sitzungswiedergabe, Incident-Korrelation, Logs-Metriken-Traces
