用途：在分布式系统中追踪请求链路，理解延迟、依赖关系与故障点，用于排查延迟问题、梳理服务依赖、定位瓶颈、追踪错误传播、分析请求路径。
主要能力：介绍 Trace（端到端请求旅程）、Span（单次操作）、Context（跨服务传递的元数据）、Tags（过滤用键值对）、Logs（Span 内带时间戳事件）等核心概念；支持 Jaeger 与 Grafana Tempo 两种后端。
部署方式：Jaeger 可用 Kubernetes Operator 部署（kubectl create namespace observability 等命令）或 Docker Compose 运行 all-in-one 镜像，暴露 UI 16686、Collector 14268、gRPC 14250、Zipkin 9411 等端口；Tempo 通过 ConfigMap 与 Deployment 部署，接收 jaeger 与 otlp 协议，支持 S3 存储。
应用埋点：推荐 OpenTelemetry，提供 Python（Flask）、Node.js（Express）、Go 的初始化与 Span 创建示例，可设置属性、记录异常。上下文传播使用 traceparent、tracestate 头部，通过 inject 注入下游 HTTP 请求。
采样策略：概率采样（如 0.01 即 1%）、限速采样（如每秒 100 条）、基于父级的自适应采样。
分析：Jaeger 查询可按 service、duration > 1s、error=true、tags.http.status_code >= 500 筛选，并自动生成服务依赖图（关系、请求速率、错误率、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、记录异常、统一操作命名、监控追踪开销（<1% CPU）、为追踪错误设告警、使用 baggage、用 Span 事件标记重要节点、将日志与 trace_id 关联。
限制：资料未提供具体性能基准、价格或平台兼容性细节；排障方向为检查 Collector 端点、网络连通性、采样配置与日志，延迟开销高时降低采样率、使用批量处理器并检查导出器配置。