¿Cuándo recurrirías a una traza distribuida en lugar de a una métrica o a un log?

Las métricas te dicen que algo va mal y más o menos dónde. Los logs te dicen qué pasó dentro de un proceso. Las trazas te dicen dónde se fue el tiempo entre servicios para una sola petición. Recurre a una traza cuando la latencia es alta pero ningún servicio parece enfermo por separado, o cuando una petición atraviesa muchos saltos. Las métricas son baratas y agregadas, los logs son detallados y caros, las trazas son muestreadas y relacionales.

Lo pienso como tres preguntas. Las métricas responden a si está roto y cuánto, los logs responden a qué pasó en este proceso concreto, y las trazas responden a dónde se fue el tiempo a lo largo de toda la petición. El momento en que recurro a una traza es cuando la latencia global ha subido pero el dashboard de cada servicio individual se ve bien, lo que casi siempre significa que el tiempo está en un salto que no tiene dueño. Nos pasó con un sidecar de la malla de servicios que añadía reintentos que desconocíamos; la traza lo dejó claro en un minuto porque veíamos tres spans idénticos anidados bajo una llamada. El pegamento práctico es meter los ids de traza y de span en cada línea de log, así puedes saltar de una métrica agregada a una traza de ejemplo lenta y de ahí a las líneas de log exactas de esa petición. Y muestrearía las trazas en origen a una tasa baja, con muestreo en cola para errores y peticiones lentas, porque guardarlo todo no compensa la factura.