Python 微服务分布式追踪实战：基于 OpenTelemetry 的全链路监控
一、基础筑基：从 Python 语言精要到'追踪'的本质
在深入分布式追踪之前，我们需要回归 Python 的核心语法。所谓'追踪'，本质上就是记录一段代码从开始到结束的执行状态、耗时以及上下文信息。
1. 核心语法与高阶函数：追踪的雏形
对于初学者而言，Python 中的基本数据结构（如列表 list、字典 dict）是我们存储追踪数据的天然载体；而控制流程与异常处理（try...except）则决定了我们能否在代码崩溃时捕获到关键的现场信息。
但在追踪领域，最强大的 Python 特性莫过于函数式编程与装饰器（Decorator）。
下面这个例子，利用闭包和函数传参，在不修改原函数内部代码的前提下，实现了对函数执行时间的'追踪'：
# 示例：利用装饰器记录函数调用时间，这是最朴素的'本地追踪'
import time
import functools
def timer(func):
@functools.wraps(func)
def wrapper(*args, **kwargs):
start = time.time()
# 记录函数的入参（基础数据类型的应用）
print(f"[Trace] 开始执行 {func.__name__}，参数：args={args}, kwargs={kwargs}")
try:
result = func(*args, **kwargs)
return result
except Exception as e:
print(f"[Trace] {func.__name__} 执行抛出异常：{e}")
raise
finally:
end = time.time()
print(f"[Trace] {func.__name__} 花费时间：{end - start:.4f}秒")
return wrapper
@timer
def ():
((n))
(compute_sum())
