用途：在分布式系统中追踪请求链路，理解延迟、服务依赖与失败点，排查延迟问题、识别瓶颈、追踪错误传播并分析请求路径。
核心概念：Trace（端到端请求）、Span（单次操作）、Context（服务间传播的元数据）、Tags（过滤键值对）、Logs（Span 内时间戳事件）。
部署方式：Jaeger 可用 Kubernetes（Jaeger Operator）或 Docker Compose（jaegertracing/all-in-one 镜像，UI 端口 16686）；Tempo 以 Kubernetes ConfigMap/Deployment 部署，接收 Jaeger 与 OTLP 协议，后端存储支持 S3。
埋点：推荐 OpenTelemetry，资料提供 Python（Flask）、Node.js（Express）、Go 示例，涵盖 TracerProvider 初始化、Jaeger 导出器与框架自动埋点。
上下文传播：使用 W3C traceparent/tracestate 头，Python 用 opentelemetry.propagate.inject，Node.js 用 propagation.inject 注入下游请求头。
采样：支持概率采样（如 0.01）、限流采样（如每秒 100 条）和基于 TraceId 的自适应采样（ParentBased + TraceIdRatioBased）。
分析：Jaeger 查询可按 service、duration > 1s、error=true、http.status_code >= 500 过滤，并自动生成服务依赖图，展示关系、请求率、错误率与平均延迟。
最佳实践：生产采样 1-10%、添加有意义标签、跨边界传播上下文、在 Span 中记录异常、统一操作命名、监控追踪开销（CPU 影响 <1%）、为追踪错误配置告警、实现 baggage、使用 Span 事件标记里程碑、记录埋点标准。日志可通过 trace_id 与追踪关联。
排障：无追踪时检查采集端点、网络、采样配置与应用日志；开销过高时降低采样率、使用批量 Span 处理器、检查导出器配置。
相关技能：prometheus-configuration、grafana-dashboards、slo-implementation。
限制：资料未提供具体版本兼容性说明、成本与性能基准数据，也未给出生产环境完整验证步骤；示例配置需结合实际环境调整。