Java 应用接入 OpenTelemetry：自动埋点 vs 手动埋点实战

系列导读

你现在看到的是《OpenTelemetry 可观测性体系从入门到生产实战》的第4/10篇，当前这篇会重点解决：让 Java 开发者快速落地可观测性埋点，并避免性能陷阱。

上一篇回顾：第 3 篇《手把手部署 OpenTelemetry Collector：从单节点到高可用集群》主要聚焦 提供一份可直接上手的 Collector 部署手册，解决生产环境常见问题。 下一篇预告：第 5 篇《跨语言服务追踪实战：Go 与 Python 服务如何联动？》会继续展开 展示 OpenTelemetry 跨语言能力，解决多技术栈团队的实际痛点。

全系列安排

1. 可观测性三支柱：日志、指标与链路追踪，为什么 OpenTelemetry 是未来？
2. OpenTelemetry 架构解密：API、SDK、Collector 与 Exporter 的工作原理
3. 手把手部署 OpenTelemetry Collector：从单节点到高可用集群
4. Java 应用接入 OpenTelemetry：自动埋点 vs 手动埋点实战（本文）
5. 跨语言服务追踪实战：Go 与 Python 服务如何联动？
6. 指标收集与导出：用 OpenTelemetry 替代 Prometheus Client 的实践
7. 日志与追踪关联：OpenTelemetry 日志上下文注入与 Log4j 整合
8. 生产环境采样策略：如何平衡数据完整性与存储成本？
9. OpenTelemetry 与 Prometheus + Grafana + Jaeger 整合搭建统一观