¿Cuál es la diferencia entre logs, métricas y trazas, y cuándo tiras de cada una?

Las métricas son números agregados a lo largo del tiempo, baratos de almacenar, y sobre lo que alertas. Los logs son eventos discretos con detalle, lo que lees una vez que sabes más o menos dónde mirar. Las trazas siguen una petición a través de varios servicios y muestran dónde se fue el tiempo. En un incidente sueles ir de métricas para enterarte, trazas para localizar y logs para entender, así que a un sistema al que le falte cualquiera de las tres se le depura más lento de lo necesario.

Las métricas son contadores e histogramas agregados a lo largo del tiempo. Son baratas, son sobre lo que pongo alertas, y me dicen que algo va mal pero nunca por qué. Los logs son eventos individuales con contexto, caros a volumen, y lo que leo una vez que sé dónde mirar. Las trazas cosen una petición a través de cada servicio que tocó y muestran el tiempo en cada span, que es la forma más rápida de responder si el problema somos nosotros o una dependencia. En un incidente el flujo es básicamente métricas para enterarte, trazas para localizar y logs para entender. Lo que hace que funcionen juntas es un id de correlación propagado por todas las llamadas e incluido en cada línea de log estructurado, así que desde una traza lenta puedo saltar directo a las entradas de log exactas. El error que he cometido es de cardinalidad: una vez añadí el id de usuario como etiqueta de métrica y el número de series temporales explotó, lo que salió caro rápido. La cardinalidad alta va en trazas y logs, no en etiquetas de métricas.