Przejdź do treści
Biblioteka skilli
DevOps i chmura · Budowanie i kod

distributed-tracing

/distributed-tracing

Wdraża rozproszone śledzenie z Jaegerem i Tempo, aby śledzić żądania między mikroserwisami i znajdować wąskie gardła wydajności.

Repozytorium
agents ↗
Licencja
MIT
Ostatnia zmiana repozytorium
17.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
2
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 17.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Wdraża rozproszone śledzenie z Jaegerem i Tempo, aby śledzić żądania między mikroserwisami i znajdować wąskie gardła wydajności.

Oryginalny opis (EN)

Implement distributed tracing with Jaeger and Tempo to track requests across microservices and identify performance bottlenecks. Use when debugging microservices, analyzing request flows, or implementing observability for distributed systems.

Jak działa

  1. Purpose
  2. When to Use
  3. Detailed patterns and worked examples
  4. Best Practices
  5. Integration with Logging
  6. Troubleshooting
  7. Related Skills
Sekcje z nagłówków SKILL.md, w oryginale · 76 linii, 227 słów
Podgląd SKILL.md
---
name: distributed-tracing
description: Implement distributed tracing with Jaeger and Tempo to track requests across microservices and identify performance bottlenecks. Use when debugging microservices, analyzing request flows, or implementing observability for distributed systems.
---

# Distributed Tracing

Implement distributed tracing with Jaeger and Tempo for request flow visibility across microservices.

## Purpose

Track requests across distributed systems to understand latency, dependencies, and failure points.

## When to Use

- Debug latency issues
- Understand service dependencies
- Identify bottlenecks
- Trace error propagation
- Analyze request paths

## Detailed patterns and worked examples

Detailed pattern documentation lives in `references/details.md`. Read that file when the navigation tier above is insufficient.

## Best Practices

1. **Sample appropriately** (1-10% in production)
2. **Add meaningful tags** (user_id, request_id)
3. **Propagate context** across all service boundaries
4. **Log exceptions** in spans
5. **Use consistent naming** for operations
6. **Monitor tracing overhead** (<1% CPU impact)
7. **Set up alerts** for trace errors
8. **Implement distributed context** (baggage)
9. **Use span events** for important milestones
10. **Document instrumentation** standards

## Integration with Logging

### Correlated Logs

```python
import logging
from opentelemetry import trace

logger = logging.getLogger(__name__)

def process_request():
    span = trace.get_current_span()
    trace_id = span.get_span_context().trace_id

    logger.info(
        "Processing request",
        extra={"trace_id": format(trace_id, '032x')}
    )
```

## Troubleshooting

**No traces appearing:**

- Check collector endpoint
- Verify network connectivity
- Check sampling configuration
- Review application logs

**High latency overhead:**

- Reduce sampling rate
- Use batch span processor
- Check exporter configuration


## Related Skills

- `prometheus-configuration` - For metrics
- `grafana-dashboards` - For visualization
- `slo-implementation` - For latency SLOs
Pliki w paczce (2)
  • SKILL.md 2 KB
  • references/details.md 8 KB

Wersje

RepozytoriumWynikLicencja
Ta strona · wshobson/agents100MIT
rootcastleco/rei-skills100MIT
rmyndharis/antigravity-skills100MIT
HermeticOrmus/LibreUIUX-Claude-Code100MIT
agent-skills-hub/agent-skills-hub100MIT
Amey-Thakur/AI-SKILLS90MIT
arjunprabhulal/devops-skills90MIT

Migawka bazy z 28.10.2026 · wersja paczki 0337526e2a21 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100jaeger
    Zbiera, przechowuje i wizualizuje rozproszone ślady w Jaeger v2, aby śledzić żądania w mikroserwisach i znajdować wąskie gardła opóźnień, z OpenTelemetry, Elasticsearch lub OpenSearch i samplingiem.
  • 100sentry-performance-tracing
    Konfiguruje w Sentry monitoring wydajności i śledzenie rozproszone, w tym śledzenie żądań i wydajności aplikacji.
  • 100python-observability
    Dodaje logowanie strukturalne, metryki i śledzenie rozproszone w Pythonie, co ułatwia diagnozowanie systemów produkcyjnych.
  • 95observability
    Wdraża OpenTelemetry, śledzenie rozproszone, logi strukturalne i metryki w Prometheus, Grafanie lub Datadog.
  • 100distributed-tracing-with-tempo-and-jaeger
    Prowadzi przez konfigurację Grafana Tempo lub Jaegera jako backendu śledzenia: wybór storage i retencji, próbkowanie head-based i tail-based oraz powiązanie trace z logami i metrykami.
  • 100agent-observability-engineer
    Wspiera obserwowalność: OpenTelemetry, Prometheus, Grafana, śledzenie rozproszone, projekt SLO i alerty przy diagnozowaniu problemów produkcyjnych.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.