分布式追踪

Uber 实现服务网格依赖分析自动化

Uber 建了一套自动化系统，用来分析自家庞大服务网格里各个服务之间的依赖关系。以前主要靠分布式追踪来排查故障，但它只采样一部分请求，像偶发但影响大的失败很容易被漏掉。这次的新做法从 RPC 中间件和生产环境指标入手，把调用方的失败和被调用下游的失败关联起来，再判断依赖关系属于“失败即阻断”“失败可放行”还是未知。这样工程师能更完整地看清服务间的真实依赖，尤其是罕见故障的场景。

Dynatrace 发布雷达 09.26

Dynatrace 在9月发布了一批更新。以前，看数据库语句只能知道它执行了什么，却不知道是谁触发的；排查问题还得在不同页面之间来回切换，容易丢失分析上下文。这次新增了“服务回溯”功能，能从数据库查询直接看到上游调用链、负载分布和报错情况；分布式追踪可以在侧边浮层看瀑布图，原来的图表和筛选保持不变。QuickStart 把自动配置和手动安装放在一起，还能从问题直接打开 AI 助手 Dynatrace Assist，并用 dtwiz 自动配置 OpenTelemetry 主机监控。支持的主机现在也能和 OneAgent 监控的主机一起出现在基础设施与运营的 Compute 菜单中。这些功能已发布，具体入口和版本要求原文未详细说明。

carimbo：面向巴西 NF-e 电子发票的抽取与审批决策 LLM 智能体

tarc/carimbo · An AI agent for Brazilian NF-e invoices: extraction, tool-using decisions, durable execution, and a measured eval suite.

carimbo 将巴西电子发票（NF-e）的 DANFE PDF 转为严格类型化的发票记录，并进一步生成可审批/拒绝/升级的判定。项目以可复现的评测套件、确定性校验器、有界修复循环、持久化执行、幂等、追踪与成本归集为支撑，公开每次真实运行的逐案例记录与汇总结果。当前已完成抽取阶段的骨架与带校验的抽取，可重放运行阶段已实现但验证待完成；智能体与持久化执行属于后续里程碑，尚未在路线图内。

演讲：EVE Online 如何利用头部采样观察“乐趣”

EVE Online 的工程师 Nicholas Herring 在一场演讲中，介绍了这款已有 20 年历史的网游是如何做分布式追踪和可观测性的。难点在于游戏服务器实时处理海量事件，如果样样都记录，数据量太大、成本高，还可能拖慢游戏本身。他们的做法是在追踪一开始就决定采不采样（头部采样），并配合动态指数移动平均（EMA）和确定性采样，在保证数据能反映真实运行情况的同时控制开销。对做大型在线系统的读者来说，这是一套在“看得清”和“跑得快”之间取平衡的实战经验。