tracing 与可观测性
Rust 可观测性实战：tracing 的 span/event 模型与字段结构化、tracing-subscriber 的 Layer 组合与 EnvFilter、tracing-opentelemetry 接入 OTLP、日志与指标追踪的关联（trace_id 透传）、采样与脱敏的生产取舍。
tag
Tracing
共 19 篇文章。
Serverless 与 FaaS 可观测性：冷启动、调用链断点与并发限流
系统讲解 Serverless 与 FaaS 可观测性工程：冷启动的测量与阶段分解、函数实例生命周期与冻结机制、调用链在异步消息与事件源处的断点与上下文传播、并发度与限流（throttle）指标、日志采集与结构化、成本归因，以及跨平台统一采集架构与最佳实践清单。
Agent 服务的可观测性与链路追踪
本文解决 Agent 上线后黑盒不可诊断的问题：讲清 Agent 与单次 LLM 调用在多步循环、工具调用上的可观测差异，给出 OpenTelemetry GenAI 语义约定的 span 层级与属性清单，并落地 Langfuse 与 OpenLLMetry 接入代码。文中给出每会话步数、工具成功率、P95 延迟等指标口径与阈值，并列出把 span 打爆、敏感内容入库、异步丢 trace 等坑。
消息队列可观测性：Kafka 与 RabbitMQ 的滞后、积压与端到端延迟
系统讲解消息队列可观测性建设：Kafka 消费者滞后与分区指标、RabbitMQ 队列深度与消费速率、端到端延迟与消息追踪、消费者组再平衡观测、积压告警与容量规划，以及常见避坑与最佳实践清单。
Exemplar 与指标-链路-日志关联：从指标异常跳转到具体 trace
深入讲解 Exemplar 与指标、链路、日志三者的关联工程：Exemplar 的 OpenMetrics 规范与存储、Prometheus 与客户端埋点、从直方图指标一键跳转到具体 trace、TraceID 与日志的双向关联、Grafana 关联配置，以及常见避坑与最佳实践清单。
Clojure 日志、指标与可观测性：Timbre、OpenTelemetry 与采样
深入 Clojure 服务的可观测性建设：Timbre 结构化日志与上下文、MDC 与请求追踪、日志格式与采集、指标导出（metrics）、OpenTelemetry 埋点与 trace 传播、错误上报与采样策略、生产排错实践，帮你把「日志、指标、链路」三支柱接成一条能定位问题的观测流水线。
Serverless 日志与链路追踪：平台日志、OpenTelemetry 与结构化日志
Serverless 日志与链路追踪深度实战：平台内置日志的局限、结构化 JSON 日志与上下文注入、OpenTelemetry 在边缘与函数里的落地、trace 传播、采样与采集成本控制，帮你构建可排障、可观测的 Serverless 应用。
追踪上下文传播：W3C tracecontext、Baggage 与采样
深度讲解分布式追踪上下文传播：W3C tracecontext 的 traceparent/tracestate 格式与解析、HTTP/gRPC/消息队列跨协议传播、Baggage 键值传递与安全、采样决策（traceid-ratio/tracestate）与头部/尾部采样协同、传播安全性（防伪造、脱敏、敏感数据）。
OpenTelemetry 插桩实践：手动、自动与语言 SDK
深度讲解 OpenTelemetry 插桩的三种落地方式：手动插桩（Tracer/Span/Meter/Logger 的创建与关联）、自动插桩原理（Java 字节码增强、Python MonkeyPatch、Node require 钩子、Go 包装器）、各语言 SDK 配置、资源与语义约定、采样与出口，以及插桩的可测试性。
GraphQL 可观测性与链路追踪：从 resolver 指标到全链路
GraphQL 可观测性实战：与 REST 可观测性的差异、GraphQL 特有的追踪维度（操作/字段/resolver 级）、Apollo Tracing 与 OpenTelemetry 集成、resolver 级耗时与 N+1 的观测、操作级指标（类型/复杂度/缓存命中率）、错误与告警聚合、全链路追踪（traceId 贯穿网关→resolver→DB）、以及可观测性驱动的性能优化闭环。
GraphQL 错误处理与可观测性：从 errors[] 到链路追踪
GraphQL 错误处理实战：errors[] 响应模型、业务错误 vs 系统错误、extensions.code 错误码规范、ApolloError 与自定义错误、输入校验聚合、null propagation 与 partial data、日志与链路追踪、客户端错误处理模式。
GraphQL Resolver 性能与 N+1：从根因到根治的调优指南
GraphQL Resolver 性能调优实战：N+1 问题根因、DataLoader 批处理与缓存、join 优化与视图预取、字段级 tracing、复杂度/深度限制、并行解析、Redis 缓存策略与性能基准。
生成式 AI 可观测性：LLM 调用追踪、Token 成本监控、质量与安全评估
传统应用的可观测性（Metrics/Logs/Traces）在 LLM 应用面前依然成立，但要新增三个 LLM 特有的观测维度：Token 与成本（每次调用消耗多少、花了多少钱）、模型质量（回答对不对、是否幻觉、是否符合预期）、模型安全（提示注入、有害内容、PII 泄露）。大模型是"黑盒 …
Kubernetes可观测性实战：Metrics、Logging与Tracing全栈方案
系统讲解 Kubernetes 可观测性三大支柱：Prometheus + Grafana 指标监控、EFK/Loki 日志采集、Jaeger/Tempo 分布式追踪，以及 Pod 拓扑分布告警、SLO 定义和值班运维实践。
eBPF 可观测性：内核可编程追踪与性能剖析
系统性 eBPF 可观测性实战：eBPF 架构与执行模型（Verifier/JIT/maps/Helper）、BCC 与 libbpf 开发框架对比、BPF 程序类型（kprobe/tracepoint/uprobe/XDP/TC/socket）、Go eBPF 开发（cilium/ebpf 库）、常见可观测性场景（函数追踪/延迟分析/火焰图/网络丢包/文件 IO/TCP 连接）、eBPF 安全与权限（CAP_BPF）、性能开销控制、与 Prometheus/Grafana 集成。附 C/libbpf 和 Go 实战代码。
OpenTelemetry 完全指南：标准化可观测性框架
系统性 OpenTelemetry 实战指南：OTel 架构与核心理念、自动与手动 Instrumentation、Span/Trace/Context 传播、Metrics SDK / Logs SDK / Baggage、语义约定（Semantic Conventions）与资源属性、OTel Collector 架构与 processors/exporters、采样策略（AlwaysOn/Sampler/Parent-based/Rate-limiting）、OTLP 协议、与 Prometheus/Jaeger/Loki 的桥接、Go/Java/Node.js/Python 多语言实战代码。
分布式链路追踪
Jaeger、Zipkin、OpenTelemetry 链路追踪原理，TraceID透传、Span关联与长尾延迟分析。
可观测性工程：结构化日志、Prometheus指标与OpenTelemetry链路追踪
系统介绍可观测性三大支柱（日志、指标、链路追踪）的工程实践，涵盖结构化日志、Prometheus/Grafana监控体系、OpenTelemetry统一采集、SLO/SLI定义及告警策略。
Go 可观测性：OpenTelemetry 完全指南
全面讲解如何在 Go 项目中集成 OpenTelemetry，实现 Tracing、Metrics、Logging 三大支柱的可观测性，覆盖自定义 Span、上下文传播、自动埋点、导出到 Jaeger/Tempo、Prometheus 集成和 Grafana 仪表盘