1. 课程导论：什么是 OpenTelemetry 追踪、什么是误差预算、什么是调用链超时，三者之间的关系
在微服务与分布式系统架构中，可观测性（Observability）是保障服务可靠性的核心能力。本课程聚焦于三个关键概念：OpenTelemetry 追踪、误差预算与调用链超时。理解它们各自的定义以及三者之间的联动关系，是构建基于追踪数据的可靠性工程体系的前提。
1.1 核心概念定义
| 概念 | 定义 | 核心作用 |
|---|---|---|
| OpenTelemetry 追踪 | 一种开放标准，用于从分布式系统中采集、生成和导出追踪数据（Trace），记录请求在多个服务间的完整执行路径与时间消耗。 | 提供请求粒度的端到端可见性，定位性能瓶颈与错误根源。 |
| 误差预算 | 基于服务等级目标（SLO）定义的、允许系统在一段时间内出现不可用或性能降级的最大容忍量。通常以错误率或延迟达标率衡量。 | 量化系统可靠性边界，指导运维决策与发布节奏。 |
| 调用链超时 | 在分布式调用链中，单个 Span 或整条 Trace 从开始到结束所允许的最大等待时间。超过该时间则视为超时错误。 | 防止请求无限等待，保护系统资源，是延迟 SLO 的直接体现。 |
关键区分： 调用链超时是延迟维度的硬性约束，误差预算是基于 SLO 的统计容忍度，而 OpenTelemetry 追踪是观测这两者的数据基础设施。
1.2 三者关系：从数据采集到可靠性决策
三者并非孤立存在，而是构成一条从数据采集 → 指标计算 → 策略执行的闭环链路：
- OpenTelemetry 追踪 负责采集每个请求的调用链数据，包括各 Span 的开始时间、结束时间、状态（成功/错误/超时）。
- 调用链超时 作为追踪数据中的一个关键属性，标记出哪些 Span 或 Trace 违反了延迟阈值，这些超时事件直接贡献给误差预算的消耗。
- 误差预算 通过聚合追踪数据中的超时与错误事件，计算当前 SLO 达标率，并判断剩余预算是否充足，从而触发告警或自动化运维动作。
实践视角： 没有 OpenTelemetry 追踪，你无法精确知道哪些调用链超时；没有调用链超时定义，误差预算就失去了延迟维度的数据来源；没有误差预算，超时事件只是孤立告警，无法转化为可靠性决策。
1.3 为什么需要“追踪制品误差预算台账”？
在实际运维中，追踪数据、超时配置与误差预算往往分散在不同的系统与团队中。本课程提出的“追踪制品误差预算台账”，是一种将三者统一管理的工程实践：
- 追踪制品：指通过 OpenTelemetry 采集的 Span、Trace 数据及其衍生指标（如 p99 延迟、超时率）。
- 误差预算台账：以表格或数据库形式，记录每个服务/接口的 SLO 目标、当前达标率、剩余预算、超时阈值等关键参数。
- 调用链超时：作为台账中的核心监控项，直接关联到预算消耗的计算逻辑。
常见误区： 很多团队只关注单个请求的超时告警，却忽略了超时事件对整体误差预算的累积影响。台账的作用正是将“点状超时”转化为“面状预算视图”。
1.4 本课程的学习路径
在后续章节中，我们将依次深入：
- 第 2-5 章：OpenTelemetry 追踪的核心概念与数据模型（Span、Trace、Context Propagation）。
- 第 6-10 章：调用链超时的定义、检测与告警策略。
- 第 11-15 章：误差预算的计算模型与 SLO 设计。
- 第 16-20 章：台账系统的设计与实现（数据存储、查询、可视化）。
- 第 21-25 章：基于台账的自动化运维与故障响应。
- 第 26-30 章：实战案例与最佳实践总结。
前置知识： 建议读者具备基本的分布式系统概念（微服务、RPC 调用）以及一定的可观测性工具使用经验（如 Jaeger、Zipkin 或 Prometheus）。无需精通 OpenTelemetry，本课程会从基础讲起。