用途：为 Python 应用添加可观测性，使生产环境出问题时无需重新部署即可定位“发生了什么、在哪里、为什么”。适用于添加结构化日志、用 Prometheus 采集指标、跨服务分布式追踪、在请求链中传播关联 ID、排查生产问题以及构建可观测性看板。
主要能力：一是结构化日志，用 structlog 输出带一致字段的 JSON 日志，便于机器查询与告警，本地开发可考虑人类可读格式；二是四大黄金信号，在每个服务边界跟踪延迟、流量、错误与饱和度；三是关联 ID，为单个请求在所有日志与 span 中贯穿唯一 ID，实现端到端追踪；四是有界基数，保持指标标签值有界，避免用户 ID 等无界标签导致存储成本爆炸。
使用方式：通过 structlog.configure 配置处理器链（合并上下文变量、添加日志级别、ISO 时间戳、异常格式化、JSON 渲染），在应用启动时初始化；用 ContextVar 保存关联 ID，在入口生成或读取 X-Correlation-ID 并绑定到上下文，出站请求通过请求头继续传递；用 prometheus_client 的 Counter、Histogram、Gauge 定义请求计数、延迟直方图、错误计数与资源使用指标，并用装饰器或上下文管理器统一计时与记录；用 OpenTelemetry 的 TracerProvider、BatchSpanProcessor 与 OTLP 导出器配置追踪，通过 start_as_current_span 创建嵌套 span 并设置属性。
限制与注意：OpenTelemetry 仍在快速演进，应查阅官方 Python 文档获取最新 API 模式与最佳实践；不要把预期行为记为 ERROR；指标标签避免无界值，如需按用户统计可改用日志查询、独立分析系统或按用户分层分桶；可观测性代码应与业务逻辑分离，并在集成测试中验证日志与指标，同时配置告警。资料未提供安装命令、收费与平台支持信息。