用途：在分布式系统中追踪请求，理解延迟、服务依赖与故障点。适用于调试延迟问题、梳理服务依赖、识别瓶颈、追踪错误传播和分析请求路径。
主要能力：围绕 Trace（端到端请求）、Span（单次操作）、Context（跨服务传播的元数据）、Tags（过滤用键值对）和 Logs（Span 内时间戳事件）组织追踪数据。支持 Jaeger 与 Grafana Tempo 两种后端，并提供 Kubernetes 与 Docker Compose 部署方式。
使用方式：Jaeger 可用 Operator 部署（kubectl create namespace observability 后应用 jaeger-operator.yaml），或用 all-in-one 镜像的 Docker Compose。应用侧推荐 OpenTelemetry 埋点，资料给出 Python(Flask)、Node.js(Express)、Go 示例，通过 JaegerExporter 或 OTLP 上报。跨服务需传播上下文，HTTP 使用 traceparent 与 tracestate 头，Python 用 inject(headers)，Node.js 用 propagation.inject(context.active(), headers)。Tempo 通过 ConfigMap 配置接收 jaeger 与 otlp 协议，存储可接 S3。采样支持 probabilistic、ratelimiting 与基于 TraceIdRatioBased 的自适应策略。
适用场景：微服务延迟排查、依赖图分析、错误传播定位、慢请求与 5xx 查询（如 service=my-service、duration > 1s、error=true）。
限制：资料未提供具体收费、价格与平台支持范围；生产采样建议 1-10%，需关注追踪开销（资料称 <1% CPU 影响）并配置批量 Span 处理器。不适用于与分布式追踪无关的任务。