第一章：Go微服务架构设计核心理念与演进趋势
Go语言凭借其轻量级协程（goroutine）、高效的并发模型、静态编译与极小的运行时开销，天然契合微服务对高吞吐、低延迟、快速启停和资源可控的核心诉求。在架构设计层面，“单一职责”“松耦合通信”“独立部署能力”并非抽象原则，而是通过Go生态工具链落地为可验证的实践：如使用go mod实现服务级依赖隔离，借助http.Handler或gRPC Server封装明确边界，以context.Context贯穿请求生命周期实现超时、取消与跨服务追踪。
服务拆分的语义一致性
理想的服务边界应映射业务限界上下文（Bounded Context），而非技术模块。例如电商系统中，“订单”服务不应暴露数据库表结构，而应提供CreateOrder(req *CreateOrderRequest) (*CreateOrderResponse, error)这样的领域契约接口。Go的接口定义（type OrderService interface { ... }）鼓励面向契约编程，使实现可替换、测试可模拟、演化可收敛。
零信任网络通信模式
现代微服务默认假设网络不可信。Go服务间通信需强制启用TLS双向认证与细粒度授权：
# 生成mTLS证书（使用cfssl）
cfssl gencert -ca=ca.pem -ca-key=ca-key.pem -config=ca-config.json \
-profile=client client-csr.json | cfssljson -bare client服务启动时加载证书并配置grpc.Credentials，拒绝未携带有效客户端证书的连接，从传输层筑牢安全基线。
可观测性原生集成
Go标准库net/http/pprof与expvar提供运行时指标探针；结合OpenTelemetry SDK可统一采集Trace、Metrics、Logs：
import "go.opentelemetry.io/otel/sdk/metric"
// 初始化指标导出器（如Prometheus）
exp, err := prometheus.New()
handle(err)
meterProvider := metric.NewMeterProvider(metric.WithReader(exp))所有HTTP中间件与gRPC拦截器自动注入span上下文，无需修改业务逻辑即可获得全链路调用拓扑。
| 关键演进方向 | Go生态典型支撑方案 |
|---|---|
| 服务网格轻量化 | eBPF驱动的Cilium + Go编写Sidecar替代Envoy |
| 无服务器微服务 | AWS Lambda Go Runtime + CloudEvents SDK |
| 构建可验证性 | go test -race检测竞态，go vet静态检查 |
第二章：eBPF在Go微服务可观测性中的底层原理与工程实践
2.1 eBPF程序生命周期管理与Go绑定机制（libbpf-go实战）
eBPF程序在用户空间的生命周期需精确控制：加载、附加、运行、卸载。libbpf-go通过Module对象封装完整生命周期，避免资源泄漏。
核心生命周期阶段
- 加载（Load）：解析BTF、重定位、验证字节码
- 附加（Attach）：绑定到钩子点（如
kprobe、tracepoint） - 运行（Run）：内核自动触发，用户空间通过
PerfEventArray或Map交互 - 卸载（Close）：自动清理
fd、maps、links
Go绑定关键结构
| 结构体 | 作用 | 典型用法 |
|---|---|---|
ebpf.Program |
封装eBPF指令与元数据 | prog.Test()验证逻辑 |
ebpf.Map |
内核/用户共享内存通道 | map.Update(..., ebpf.UpdateAny) |
ebpf.Link |
动态附加与分离钩子 | link.Destroy()安全卸载 |
// 加载并附加eBPF程序
m, err := ebpf.LoadModule("obj/bpf.o", nil)
if err != nil {
log.Fatal(err)
}
defer m.Close() // 自动卸载所有资源
// 获取程序并附加到kprobe
prog := m.Programs["do_sys_open"]
link, err := prog.AttachKprobe("sys_openat")
if err != nil {
log.Fatal(err)
}
defer link.Destroy()此代码中，
m.Close()确保Program、Map、Link全部释放；AttachKprobe返回Link句柄，支持运行时动态分离——这是实现热更新与灰度调试的基础能力。
2.2 基于eBPF的HTTP/gRPC流量无侵入采集与协议解析
传统旁路抓包（如tcpdump）无法识别应用层语义，而SDK埋点又需代码改造。eBPF提供内核态零拷贝、可编程的数据面观测能力，实现真正的无侵入采集。
协议识别关键路径
- 拦截
tcp_sendmsg/tcp_recvmsg系统调用入口 - 提取 socket fd + buffer 指针，结合连接五元组建立流上下文
- 基于 TLS ALPN 或明文首字节特征（如
PRI * HTTP/2）自动区分 HTTP/1.1 与 gRPC（HTTP/2）
eBPF 程序片段（简略版）
// 提取 HTTP/2 帧头中的 stream ID 和 type 字段
if (buf_len >= 9 && *(u32*)(buf + 1) == 0x00000000) {
__u8 frame_type = *(u8*)(buf + 3);
if (frame_type == 0x01) { // HEADERS frame
__u32 stream_id = ntohl(*(u32*)(buf + 5)) & 0x7fffffff;
// 关联到已知 gRPC service name（通过用户态 map 查询）
}
}逻辑说明：该片段在
kprobe/tcp_recvmsg中执行，仅对满足 HTTP/2 帧格式的缓冲区做轻量解析；buf + 5处为 stream ID（网络字节序），& 0x7fffffff清除 reserved bit；避免全帧解码，降低 CPU 开销。
支持的协议字段映射表
| 协议类型 | 提取字段 | 来源位置 |
|---|---|---|
| HTTP/1.1 | method, path, status | TCP payload 解析 |
| gRPC | service, method, code | HTTP/2 HEADERS + DATA |
graph TD
A[socket recv/send] --> B[eBPF kprobe]
B --> C{ALPN/帧头检测}
C -->|HTTP/1.1| D[状态机解析 Request-Line]
C -->|HTTP/2| E[提取 HEADERS/DATA 帧]
D & E --> F[填充 metadata map]
F --> G[用户态 agent 汇聚]2.3 Go runtime事件追踪：GC、goroutine调度、内存分配的eBPF观测方案
Go runtime 的关键行为（如 GC 触发、goroutine 抢占、堆内存分配）默认不暴露用户态可观测接口。eBPF 提供了无侵入、低开销的内核级追踪能力，结合 libbpf-go 和 Go 运行时符号（如 runtime.gcStart, runtime.mPark, runtime.mallocgc），可精准捕获这些事件。
核心追踪点与对应探针类型
uprobe：挂钩 Go 二进制中 runtime 符号（需-gcflags="-l"禁用内联）uretprobe：捕获返回值（如分配对象大小）tracepoint：辅助观测调度器状态变更（如sched:sched_switch）
示例：观测 mallocgc 分配事件
// bpf_prog.c —— uprobe on runtime.mallocgc
SEC("uprobe/runtime.mallocgc")
int trace_mallocgc(struct pt_regs *ctx) {
u64 size = (u64)PT_REGS_PARM1(ctx); // 第一个参数：size
u64 pid = bpf_get_current_pid_tgid();
bpf_map_push_elem(&events, &size, BPF_EXIST);
return 0;
}该探针捕获每次堆分配请求大小；PT_REGS_PARM1 对应 AMD64 调用约定中 %rdi 寄存器，即传入的 size 参数。需确保 Go 二进制保留符号且未 strip。
数据结构映射示意
| 字段 | 类型 | 含义 |
|---|---|---|
timestamp |
u64 |
纳秒级时间戳 |
goid |
u64 |
当前 goroutine ID（需从 runtime.g 结构提取） |
size |
u64 |
分配字节数 |
graph TD
A[Go程序运行] --> B[uprobe触发mallocgc]
B --> C{eBPF校验权限/寄存器}
C --> D[读取size参数并写入ringbuf]
D --> E[userspace读取并聚合]2.4 eBPF Map与Go应用状态协同：实时指标共享与低延迟聚合
eBPF Map 是内核与用户空间高效共享数据的核心载体，Go 应用通过 ebpf.Map（来自 cilium/ebpf 库）直接读写同一映射，实现零拷贝指标同步。
数据同步机制
Go 端周期轮询 PerCPUArray（降低锁争用），eBPF 端使用 bpf_map_lookup_elem() 更新 per-CPU 局部计数器，再由 Go 聚合：
// 获取并聚合所有 CPU 的计数器值
var counts [cpuCount]uint64
if err := statsMap.Lookup(0, &counts); err != nil {
log.Fatal(err)
}
total := uint64(0)
for _, v := range counts {
total += v // 原子性已在 map 层保障
}
statsMap为PerCPUArray类型，键对应全局指标；cpuCount需与内核num_possible_cpus()对齐。Lookup自动执行 per-CPU 值累加，无需用户侧加锁。
性能对比（μs/次操作）
| 操作类型 | 平均延迟 | 吞吐量（Kops/s） |
|---|---|---|
| eBPF Map Lookup | 82 ns | 12.1 |
| Redis Pub/Sub | 142 μs | 0.7 |
| gRPC Streaming | 310 μs | 0.3 |
协同流程示意
graph TD
A[eBPF 程序] -->|bpf_map_update_elem| B[PerCPUArray]
C[Go 应用] -->|Lookup + reduce| B
C --> D[Prometheus Exporter]2.5 安全沙箱化部署：eBPF程序签名验证与权限最小化实践
签名验证链路设计
eBPF程序加载前需经完整信任链校验：内核模块签名 → 用户空间加载器验签 → 运行时权限裁剪。
# 使用openssl生成密钥对并签名eBPF对象文件
openssl genpkey -algorithm EC -out prog.key
openssl pkey -in prog.key -pubout -out prog.pub
llvm-objcopy --add-section sig=prog.sig --set-section-flags sig=alloc,load,readonly prog.o signed.ollvm-objcopy 将签名嵌入ELF节，sig节被libbpf在bpf_object__load()中读取并调用libbpf_verify_sig()比对公钥哈希。
权限最小化策略
- 仅声明必需的
SEC("xdp")或SEC("tracepoint/syscalls/sys_enter_openat") - 禁用
bpf_probe_read()等高危辅助函数（通过BPF_PROG_TYPE_TRACING限制） - 使用
bpf_map_create()时指定最小max_entries与value_size
| 权限项 | 默认行为 | 最小化配置示例 |
|---|---|---|
| Map大小 | 1024 entries | max_entries = 32 |
| Helper函数访问 | 全开放 | allowed_helper_ids = {bpf_ktime_get_ns} |
graph TD
A[用户编译eBPF.o] --> B[openssl签名]
B --> C[libbpf加载时验签]
C --> D{验签通过？}
D -->|是| E[按SEC声明加载到对应hook]
D -->|否| F[拒绝加载并返回-EACCES]第三章：OpenTelemetry Go SDK深度集成与定制化扩展
3.1 OTel Go SDK初始化策略与上下文传播优化（HTTP/gRPC/Message Queue）
OTel Go SDK 的初始化需兼顾性能、可观测性覆盖与传播一致性。核心在于 TracerProvider 的构建时机与传播器注册顺序。
初始化三要素
- 使用
sdktrace.NewTracerProvider配置采样器（如AlwaysSample()或ParentBased(TraceIDRatioSample(0.1))） - 显式注册
propagation.TraceContext和propagation.Baggage以支持 W3C 标准上下文注入 - 为不同协议注册对应传播器：HTTP（
httptrace）、gRPC（grpcotel.WithPropagators）、MQ（自定义context.Inject/Extract）
HTTP 请求传播示例
import "go.opentelemetry.io/otel/propagation"
prop := propagation.NewCompositeTextMapPropagator(
propagation.TraceContext{},
propagation.Baggage{},
)
// 注入到 HTTP header
prop.Inject(ctx, otel.GetTextMapPropagator().Inject(ctx, &http.Header{}))该代码将 traceparent、tracestate、baggage 等字段写入 http.Header，确保跨服务链路不中断；CompositeTextMapPropagator 支持多标准并行注入，避免协议兼容冲突。
传播器适配对比
| 协议 | 推荐传播器 | 特点 |
|---|---|---|
| HTTP | TraceContext + Baggage |
W3C 标准，浏览器兼容 |
| gRPC | grpcotel.WithPropagators |
自动注入 metadata |
| Kafka/RabbitMQ | 自定义 TextMapCarrier 实现 |
需序列化至 message headers |
graph TD
A[HTTP Client] -->|Inject traceparent| B[Server]
B -->|Extract & propagate| C[gRPC Client]
C -->|metadata| D[gRPC Server]
D -->|Serialize to headers| E[Kafka Producer]3.2 自定义Span处理器与Exporter：对接Prometheus+Loki+Tempo联合后端
为实现可观测性三支柱（指标、日志、链路）的关联分析，需构建统一上下文传递与分发机制。
数据同步机制
通过自定义SpanProcessor拦截原始Span，注入traceID、spanID及服务元数据，并路由至多目标Exporter：
// 自定义BatchSpanProcessor，支持并行导出
processor := sdktrace.NewBatchSpanProcessor(
&PrometheusExporter{}, // 指标：采样率统计、服务延迟直方图
&LokiExporter{ // 日志：结构化日志 + traceID 标签
Labels: map[string]string{"job": "tracing"},
},
&TempoExporter{ // 链路：完整Span树 + 与Loki日志的traceID对齐
Endpoint: "http://tempo:3200/loki/api/v1/push",
},
)逻辑分析：BatchSpanProcessor在内存缓冲区聚合Span后并发调用各Exporter；LokiExporter将Span事件序列化为LogEntry并添加traceID标签；TempoExporter按OTLP格式提交，确保traceID全局一致。
关键字段对齐表
| 字段名 | Prometheus | Loki | Tempo | 用途 |
|---|---|---|---|---|
traceID |
label | log label | trace ID | 跨系统关联锚点 |
service.name |
metric label | log label | resource attr | 服务维度聚合基础 |
graph TD
A[OTel SDK] --> B[Custom SpanProcessor]
B --> C[Prometheus Exporter]
B --> D[Loki Exporter]
B --> E[Tempo Exporter]
C --> F[Metrics Dashboard]
D --> G[Log Search by traceID]
E --> H[Trace View + Log Link]3.3 指标管道重构：从Counter/Gauge到Histogram+Exemplar的Go原生实现
为什么需要Exemplar？
传统直方图（Histogram）仅记录分桶计数，丢失原始观测上下文。Exemplar在采样点嵌入trace ID、timestamp等元数据，实现指标与链路追踪的精准关联。
Go原生支持演进
Go 1.21+ prometheus/client_golang v1.16+ 原生支持 HistogramOpts.EnableExemplar：
hist := promauto.NewHistogram(prometheus.HistogramOpts{
Name: "http_request_duration_seconds",
Help: "Latency distribution of HTTP requests",
Buckets: prometheus.ExponentialBuckets(0.01, 2, 10),
EnableExemplar: true, // 关键开关
})
hist.WithLabelValues("GET", "200").Observe(0.042)逻辑分析：
EnableExemplar: true启用采样器，默认每10秒最多采样1个exemplar；Observe()自动注入当前goroutine的traceID（若otel上下文存在），无需手动注入。
核心参数对照表
| 参数 | 类型 | 说明 |
|---|---|---|
EnableExemplar |
bool | 启用exemplar采集（默认false） |
ExemplarFromContext |
func(context.Context) exemplar.Exemplar | 自定义exemplar提取逻辑 |
数据流重构示意
graph TD
A[HTTP Handler] --> B[Observe latency]
B --> C{EnableExemplar?}
C -->|true| D[Extract traceID from context]
C -->|false| E[Plain histogram update]
D --> F[Attach to bucket sample]第四章：七步落地法：从零构建生产级可观测性基建
4.1 步骤一：服务网格侧eBPF探针注入与Go服务自动发现机制
服务网格通过 eBPF 实现零侵入式流量观测，核心在于探针的动态注入与目标服务的精准识别。
探针注入原理
采用 bpf.LoadProgram 加载 XDP 程序，拦截 Pod 网络命名空间内进出流量：
prog, err := bpf.LoadProgram(bpf.XDP, "xdp_filter.o", bpf.ProgramOptions{})
// xdp_filter.o 编译自C源码，含流量标记逻辑；bpf.ProgramOptions 指定加载模式为AUTO该程序在网卡驱动层执行，避免 socket 层延迟，支持 per-CPU map 存储统计摘要。
Go 服务自动发现
基于 Kubernetes Downward API + /proc/<pid>/cmdline 解析运行时二进制路径，匹配 go build 特征签名（如 runtime.main 符号存在性）。
| 发现依据 | 说明 |
|---|---|
/proc/*/comm |
进程名含 server 或 api |
readelf -s |
检测 Go 运行时符号表 |
netstat -tulpn |
绑定端口关联到 Go 进程 PID |
流程协同
graph TD
A[K8s Event Watcher] --> B{Pod Ready?}
B -->|Yes| C[读取 /proc/<pid>/cmdline]
C --> D[符号扫描 runtime.main]
D -->|Match| E[注入 eBPF Map Key]
E --> F[启用 XDP 流量采样]4.2 步骤二：OTel Collector高可用部署与Pipeline分片路由策略
为保障可观测数据链路的稳定性，OTel Collector需以高可用模式部署，并通过Pipeline分片实现负载均衡与流量隔离。
高可用架构设计
- 使用 StatefulSet + Headless Service 管理 Collector 实例；
- 启用
--feature-gates=EnableMetricsCardinalityLimit控制资源消耗； - 所有实例共享同一配置（ConfigMap挂载），避免配置漂移。
分片路由核心机制
# collector-config.yaml 中的 processor 定义
processors:
batch:
send_batch_size: 1024
timeout: 10s
probabilistic_sampler:
hash_seed: 42
sampling_percentage: 50 # 按 trace_id 哈希分流至不同 exporter该配置基于 trace ID 的哈希值将采样流量按比例分发，确保同一 trace 不跨实例处理，兼顾一致性与吞吐。
路由策略对比
| 策略类型 | 适用场景 | 一致性保障 | 运维复杂度 |
|---|---|---|---|
| Hash-based | Trace/Service 聚合 | 强 | 中 |
| Probabilistic | 大规模降采样 | 弱 | 低 |
| Attribute-based | 标签路由（如 env） | 中 | 高 |
graph TD
A[OTLP Receiver] --> B[Probabilistic Sampler]
B --> C{Hash Mod 3}
C --> D[Exporter-A]
C --> E[Exporter-B]
C --> F[Exporter-C]4.3 步骤三：Go微服务Trace上下文标准化与跨语言链路对齐
标准化 Trace Context 传递格式
OpenTracing 已逐步被 OpenTelemetry 取代，Go 服务需统一使用 traceparent（W3C Trace Context）标准头传递链路信息：
// 注入 HTTP 上下文（client 端）
span := tracer.Start(ctx, "payment-service")
defer span.End()
// 自动注入 traceparent 头
carrier := propagation.HeaderCarrier{}
propagator := otel.GetTextMapPropagator()
propagator.Inject(ctx, carrier)
// 发送请求时携带
req, _ := http.NewRequest("POST", "http://order-svc/api/v1/order", nil)
for k, v := range carrier {
req.Header.Set(k, v)
}该代码通过 otel.GetTextMapPropagator() 实现 W3C 兼容注入，确保 traceparent: 00-0af7651916cd43dd8448eb211c80319c-b7ad6b7169203331-01 格式被下游（如 Java/Python 服务）正确解析。
跨语言对齐关键字段
| 字段 | 含义 | 跨语言一致性要求 |
|---|---|---|
trace-id |
全局唯一 32 位十六进制字符串 | 所有语言必须按相同算法生成（如 UUIDv4 → hex） |
span-id |
当前 Span 的 16 位 ID | 不可重复、不可预测，避免碰撞 |
trace-flags |
采样标志（如 01 表示 sampled） |
统一解析为 0x01 & 0x01 != 0 |
链路对齐验证流程
graph TD
A[Go服务发起请求] --> B[注入traceparent header]
B --> C[Java服务接收并解析]
C --> D[复用同一trace-id创建Span]
D --> E[上报至同一Jaeger/Otel Collector]4.4 步骤四：基于eBPF+OTel的SLO智能基线建模与异常根因推荐
数据同步机制
eBPF采集的延迟、错误率、吞吐量原始指标，通过otel-collector的filelog+prometheusremotewrite组件实时注入时序数据库（如VictoriaMetrics）：
# otel-collector-config.yaml 部分配置
exporters:
prometheusremotewrite:
endpoint: "http://vm:8428/api/v1/write"
headers:
X-Prometheus-Remote-Write-Version: "0.1.0"该配置启用高效批量写入，X-Prometheus-Remote-Write-Version头确保兼容VictoriaMetrics的接收协议；endpoint需与观测后端服务发现对齐。
智能基线生成流程
graph TD A[eBPF tracepoint hook] –> B[OTel SDK enrich span attributes] B –> C[Collector聚合为SLO指标流] C –> D[PyOD离群检测+Prophet趋势建模] D –> E[动态基线+置信区间输出]
根因推荐能力
| 指标维度 | 异常模式 | 推荐根因来源 |
|---|---|---|
| p99 latency ↑ 3σ | 周期性尖峰 | eBPF tcp_retransmit_skb计数突增 |
| error_rate ↑ 5× | 持续阶梯上升 | OTel span tag http.status_code=503集中分布 |
- 自动关联eBPF网络追踪与OTel语义约定标签（如
http.route,net.peer.ip） - 使用LightGBM对历史告警工单训练根因分类器，F1-score达0.87
第五章：未来演进：eBPF+OTel+Go在云原生可观测性栈中的融合边界
深度协议解析的零侵入实现
在某头部电商的订单链路治理项目中，团队使用 eBPF（基于 libbpf-go）捕获 TLS 握手阶段的 SNI 和 ALPN 字段，结合 OpenTelemetry Go SDK 的 otelhttp 中间件，将原始 TLS 元数据注入 span attributes。关键代码片段如下：
// eBPF 程序通过 kprobe 拦截 do_tls1_process_record
// 用户态 Go 程序通过 perf event ring buffer 实时消费
perfEvents := manager.GetPerfEventArray("events")
perfEvents.SetReaderHandler(func(data []byte) {
var event tlsEvent
binary.Read(bytes.NewReader(data), binary.LittleEndian, &event)
span := otel.Tracer("tls").Start(context.Background(), "tls_handshake")
span.SetAttributes(
attribute.String("tls.sni", string(event.sni[:bytes.IndexByte(event.sni[:], 0)])),
attribute.String("tls.alpn", string(event.alpn[:bytes.IndexByte(event.alpn[:], 0)])),
)
})动态采样策略的运行时编排
传统 OTel SDK 静态采样率无法应对突发流量下的 trace 爆炸问题。该团队构建了基于 eBPF map 的动态采样控制平面：Go 控制器每 5 秒轮询 /sys/fs/bpf/tc/globals/sampling_rate，根据 Prometheus 报告的 http_server_duration_seconds_bucket{le="0.1"} 指标值更新 BPF map 中的采样阈值。下表展示了典型场景下的策略映射：
| P90 延迟（秒） | 请求错误率 | BPF map 采样值 | 实际 trace 保留率 |
|---|---|---|---|
| 0x00000001 | 1/1024 | ||
| 0.05–0.2 | 0.1–2% | 0x0000000a | 1/100 |
| > 0.2 | > 2% | 0x00000064 | 1/1 |
内核级指标与应用指标的联合下钻
在 Kubernetes DaemonSet 中部署的 ebpf-otel-collector 同时暴露两套指标端点：
/metrics：标准 OTel Go exporter 输出的http_server_requests_total等应用层指标/ebpf/metrics：通过bpf_map_lookup_elem读取的tcp_retrans_segs、sk_pacing_rate等内核网络指标
Grafana 仪表盘通过 Loki 日志关联trace_id与pod_uid，再联动查询 Prometheus 中对应 pod 的container_network_transmit_packets_total与 OTel 导出的http.client.duration，实现从 TCP 重传激增到 HTTP 5xx 错误的根因定位闭环。
安全可观测性的新范式
某金融客户要求审计所有对 /v1/payment 的 gRPC 调用是否携带有效 mTLS 证书。其方案摒弃 sidecar 注入，在 eBPF 层（socket_filter 类型程序）直接解析 TLS ClientHello 的 certificate_verify 扩展，并将验证结果写入 per-CPU hash map；Go 编写的审计服务通过 bpf.NewMapFromFD() 访问该 map，当检测到未验证调用时，立即调用 OTel Tracer 创建 security.mtls_missing span 并触发 PagerDuty webhook。整个链路延迟稳定在 87μs（P99），低于业务 SLA 要求的 200μs。
多语言协同的 trace 上下文透传
在混合 Java/Go/Python 微服务集群中，团队利用 eBPF 在 socket sendto 时自动注入 W3C TraceContext header（若应用未设置），并确保 Go SDK 的 otelhttp.Transport 自动提取该 header。实测表明：即使 Python 服务未集成 OTel，其发出的请求仍能被 Go 服务正确续接 trace，跨语言 trace 完整率达 99.98%（对比传统注入方式的 83.2%）。
flowchart LR
A[Java App] -->|HTTP POST /api/v1| B[eBPF socket_filter<br>inject traceparent]
B --> C[Python App]
C -->|gRPC call| D[eBPF kprobe on __sys_sendmsg<br>inject grpc-trace-bin]
D --> E[Go App]
E --> F[OTel Go SDK<br>extract & continue span]