Instrumentação Automática vs Manual

Comece com instrumentação automática para ganhar amplitude, depois adicione spans manuais onde está a lógica de negócio. A instrumentação automática se conecta a bibliotecas conhecidas: servidores e clientes HTTP, drivers de banco de dados, gRPC, clientes de fila. Em Java você anexa o agente jar com uma flag da JVM e obtém traces sem nenhuma mudança de código; em Python você envolve o processo com opentelemetry-instrument. Isso faz com que os 40 serviços comecem a emitir spans em dias, não em trimestres, e você já enxerga imediatamente o mapa de serviços e a latência entre eles. O que a instrumentação automática não consegue te dar é contexto de domínio. Ela mostra que 'POST /api/checkout levou 2s', mas não qual etapa do checkout estava lenta ou qual faixa de cliente foi afetada. Então a segunda fase é manual: os times adicionam spans em torno das operações relevantes e anexam atributos como order.value ou tenant.id aos spans que a instrumentação automática já criou. A linguagem também importa. Java e Python têm agentes de runtime robustos. Go não tem um agente no sentido tradicional, então você instrumenta no código ou avalia abordagens baseadas em eBPF, o que significa que seus serviços em Go precisam de mais engajamento do time desde o início. O rollout na prática: o time de plataforma disponibiliza uma imagem base ou init container com o agente pré-configurado, exportando para um endpoint padrão, e cada time só mexe no código quando quer spans mais ricos. Forçar seis times a instrumentar tudo manualmente antes de ver qualquer valor é a receita para o rollout de tracing morrer.