<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Tracing on Python Brasil — Aprenda Python em Português</title>
    <link>https://python.dev.br/tags/tracing/</link>
    <description>Recent content in Tracing on Python Brasil — Aprenda Python em Português</description>
    <generator>Hugo</generator>
    <language>pt-br</language>
    <lastBuildDate>Mon, 25 May 2026 12:15:25 +0000</lastBuildDate>
    <atom:link href="https://python.dev.br/tags/tracing/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>OpenTelemetry com Python: Logs, Métricas e Traces</title>
      <link>https://python.dev.br/blog/opentelemetry-python-observabilidade/</link>
      <pubDate>Mon, 25 May 2026 00:00:00 +0000</pubDate>
      <guid>https://python.dev.br/blog/opentelemetry-python-observabilidade/</guid>
      <description>&lt;p&gt;Observabilidade deixou de ser um luxo de times grandes. Em 2026, muita vaga de backend, dados, SRE, plataforma e IA já espera que a pessoa desenvolvedora saiba responder perguntas simples sobre um sistema em produção: a requisição falhou onde? Qual endpoint ficou lento? Quantas chamadas deram erro depois do deploy? O problema está no banco, em uma API externa ou no próprio código Python?&lt;/p&gt;&#xA;&lt;p&gt;Logs soltos ajudam, mas não contam a história completa. Métricas mostram volume e latência, mas nem sempre explicam a causa. Traces mostram o caminho de uma requisição, mas precisam estar ligados aos logs para serem úteis no dia a dia. É aí que entra o &lt;strong&gt;OpenTelemetry&lt;/strong&gt;, um padrão aberto para coletar sinais de observabilidade sem prender seu projeto a uma ferramenta específica.&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
